一种遥感图像分类方法及装置制造方法及图纸

本发明专利技术公开了一种遥感图像分类方法及装置，涉及图像处理技术，根据目标地物的覆盖情况，对遥感图像进行目标地物分布区域的划分，划分出目标地物纯净区域、目标地物混合区域和非目标地物区域，然后对目标地物纯净区域和非目标地物区域使用硬分类算法进行分类，对目标地物混合区域使用软分类算法进行分类，再将各区域的分类结果结合起来作为遥感图像分类结果。由于对纯净区域和混合区域各采取了合适的分类方法进行分类，进而提高遥感图像的分类精度。根据本发明专利技术，能够有效解决混合像元问题，并且充分结合了传统的硬分类方法和软分类方法各自的优势，大幅提高图像分类精度。

【技术实现步骤摘要】

本专利技术涉及图像处理技术，尤其涉及一种遥感图像分类方法及装置。
技术介绍
目前，遥感图像分类是获取遥感图像内部信息的一种重要手段。遥感图像分类的 目的是将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或者其他信息，按 照设定的规则或算法划分为不同的类别。遥感图像分类中两种传统方式为，硬分类方法和软分类方法。硬分类方法(hard classifications)是一种像元级的图像分类方法，它在分 类过程中把遥感图像简单的看成都是由纯净像元组成，将每一个像元分为单一的土地覆 盖类别。硬分类方法根据人工参与程度分为非监督分类和监督分类。Support vector machines (SVM，支撑向量机)是Vapnik等人在1995提出的一种学习方法，是一种硬分类方 法，因其易用、稳定和具有相对较高的精度而得到广泛的应用。硬分类过程中面临的最大难题是“混合像元”现象，由于遥感图像的数据结构是具 有一定大小、面积的栅格像元，因此无论遥感卫星的分辨率达到多高，栅格图像如何细化， 一个像元所覆盖的地理特征或地理现象都不只是一种类型，而是多种地物共同作用的结 果。因此，混合像元的存在是使用硬分类的传统像元级遥感分类精度难以达到使用要求的 主要原因。为了提高遥感应用的精度，就必须解决混合像元的分解问题，使遥感应用由像元 级达到亚像元级。软分类方法(soft classifications)是一种亚像元级的图像分类方法，针对遥感 图像中的混合像元现象，根据光谱组成信息等，计算出每一个混合像元内的土地覆盖类别 组成百分比。Linear spectral mixture modeling(LSMM，线性光谱混合模型)是一种软分 类方法，能够很好的解决光谱混合问题，因此它被广泛的应用于提取混合像元各个组成部 分的丰度。软分类过程中面临的主要问题是对于纯净目标区域分类不准确的问题，由于软分 类方法在整个分类过程中将图像中的所有像元全部当作混合像元来分解，因此产生的分类 结果都是以丰度的形式表达，对于纯净区域的像元也同样使用百分比的形式，所以容易造 成分类误差。
技术实现思路
本专利技术实施例提供一种遥感图像分类方法及装置，以提高遥感图像的分类精度。一种遥感图像分类方法，包括通过设置合适的阈值，将遥感图像划分为目标地物纯净区域、目标地物混合区域 和非目标地物区域三个区域，其中，像元中仅包括目标地物的区域为目标地物纯净区域，像 元中包括部分目标地物的区域为目标地物混合区域，像元中仅包括非目标地物的区域为非目标地物区域；使用硬分类方法对所述目标地物纯净区域和所述非目标地物区域进行分类，获得 目标地物纯净区域分类结果和非目标地物区域分类结果，使用软分类方法对所述目标地物 混合区域进行分类，获得目标地物混合区域分类结果；结合所述目标地物纯净区域分类结果、所述目标地物混合区域分类结果和所述非 目标地物区域分类结果，获得所述遥感图像的分类结果。相应的，一种遥感图像分类装置，包括区域划分单元，用于将遥感图像划分为目标地物纯净区域、目标地物混合区域和 非目标地物区域三个区域，其中，像元中仅包括目标地物的区域为目标地物纯净区域，像元 中包括部分目标地物的区域为目标地物混合区域，像元中仅包括非目标地物的区域为非目 标地物区域。分类单元，用于使用硬分类方法对所 述目标地物纯净区域和所述非目标地物区域 进行分类，使用软分类方法对所述目标地物混合区域进行分类；分类结果确定单元，用于结合所述目标地物纯净区域、所述目标地物混合区域和 所述非目标地物区域的分类结果，获得所述遥感图像的分类结果。本专利技术实施例提供一种遥感图像分类方法及装置，根据目标地物的覆盖情况，对 遥感图像进行目标地物分布区域的划分，划分出目标地物纯净区域、目标地物混合区域和 非目标地物区域，然后对目标地物纯净区域和非目标地物区域使用硬分类算法进行分类， 对目标地物混合区域使用软分类算法进行分类，再将各区域的分类结果结合起来作为遥感 图像分类结果。由于对纯净区域和混合区域各采取了合适的分类方法进行分类，进而提高 了遥感图像的分类精度。附图说明图1为本专利技术实施例提供的遥感图像分类方法流程图；图2为本专利技术实施例提供的Tl值和T2值确定方法流程图；图3为本专利技术实施例提供的训练样本选择方法流程图；图4为本专利技术实施例提供的遥感图像分类装置结构示意图；图5为现有技术中使用硬分类方法的分类结果示意图；图6为现有技术中使用软分类方法的分类结果示意图；图7为本专利技术实施例中使用本专利技术实施例提供的遥感图像分类方法的分类结果 示意图。具体实施例方式本专利技术实施例提供一种遥感图像分类方法及装置，根据目标地物的覆盖情况，对 遥感图像进行目标地物分布区域的划分，划分出目标地物纯净区域、目标地物混合区域和 非目标地物区域，然后对目标地物纯净区域和非目标地物区域使用硬分类算法进行分类， 对目标地物混合区域使用软分类算法进行分类，再将各区域的分类结果结合起来作为遥感 图像分类结果。由于对纯净区域和混合区域各采取了合适的分类方法进行分类，进而提高 遥感图像的分类精度。如图1所示，本专利技术实施例提供的遥感图像分类方法，包括 步骤S101、将遥感图像划分为目标地物纯净区域、目标地物混合区域和非目标地 物区域三个区域，其中，像元中仅包括目标地物的区域为目标地物纯净区域，像元中包括部 分目标地物的区域为目标地物混合区域，像元中仅包括非目标地物的区域为非目标地物区 域；步骤S102、使用硬分类方法对目标地物纯净区域和非目标地物区域进行分类，使 用软分类方法对目标地物混合区域进行分类；步骤S103、结合目标地物纯净区域、目标地物混合区域和非目标地物区域的分类 结果，获得遥感图像的分类结果。由于在步骤SlOl中，将遥感图像划分成了目标地物纯净区域、目标地物混合区域 和非目标地物区域三个区域，并在步骤S102中采用了合适的分类方法分别对各个区域进 行分类，进而提高了分类精度。在步骤SlOl中，将遥感图像划分为目标地物纯净区域、目标地物混合区域和非目 标地物区域三个区域，在具体划分时，可以通过目视的方法进行人为的划分，也可以通过预 先设定的规则进行划分，本专利技术实施例提供一种划分方法，预先设定非目标地物阈值Tl以 及目标地物阈值T2，并认为像元值小于Tl的像元属于非目标地物区域，像元值大于T2的 像元属于目标地物纯净区域，像元值介于Tl和T2之间的像元属于目标地物混合区域。具 体的当像元的像元值小于预先设定的非目标地物阈值Tl时，确定像元属于非目标地物 区域；当像元的像元值大于预先设定的目标地物阈值T2时，确定像元属于目标地物纯净区 域；当像元的像元值大于或等于预先设定的非目标地物阈值Tl并且小于或等于预先设定 的目标地物阈值T2时，确定像元属于目标地物混合区域。或者也可以当像元的像元值小于 或等于预先设定的非目标地物阈值Tl时，确定像元属于非目标地物区域；当像元的像元值 大于或等于预先设定的目标地物阈值T2时，确定像元属于目标地物纯净区域；当像元的像 元值大于预先设定的非目标地物阈值Tl并且小于预先设定的目标地物阈值T2时，确定像 元属于目标地物混合区域。其中，Tl和T2可以根据经验进行设定，且0 < Tl < T2 <本文档来自技高网...

【技术保护点】
一种遥感图像分类方法，其特征在于，包括：将遥感图像划分为目标地物纯净区域、目标地物混合区域和非目标地物区域三个区域，其中，像元中仅包括目标地物的区域为目标地物纯净区域，像元中包括部分目标地物的区域为目标地物混合区域，像元中仅包括非目标地物的区域为非目标地物区域；使用硬分类方法对所述目标地物纯净区域和所述非目标地物区域进行分类，获得目标地物纯净区域分类结果和非目标地物区域分类结果，使用软分类方法对所述目标地物混合区域进行分类，获得目标地物混合区域分类结果；结合所述目标地物纯净区域分类结果、所述目标地物混合区域分类结果和所述非目标地物区域分类结果，获得所述遥感图像的分类结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：潘耀忠，胡潭高，张锦水，何浩，朱文泉，
申请(专利权)人：北京师范大学，北京天合数维科技有限公司，
类型：发明
国别省市：11[]