一种面向对象的高分辨率遥感图像分类方法技术

本发明专利技术提供一种面向对象的高分辨率遥感图像分类方法，包括：S1、对待处理图像进行分割处理，得到多个子图像对象；S2、获取所述子图像对象的特征信息；以及，S3、根据获取到的特征信息对所述子图像对象进行分类；其中，所述待处理图像为高分辨率遥感图像，所述子图像对象的特征信息包括子图像对象的光谱信息、形状信息和纹理信息。本发明专利技术在面向对象分类的基础上，引入了概率潜在语义分析和支撑向量机结合的分类方法，在一定程度上解决了现有技术中“同特征异类别”和“同类别异特征”识别率不高的问题，使高分辨率遥感图像的分类精度有了很大的提高，并且结合了LSA和PLSA两者的优点，有效地解决了随机初始化造成的过拟合和局部最优问题。

【技术实现步骤摘要】
本专利技术涉及遥感图像处理领域，尤其涉及一种面向对象的高分辨率遥感图像分类方法。
技术介绍
从遥感图像分类技术的发展过程可以看出，分类技术主要分为三个层次(1)基于像元的分类方法，很多传统的遥感图像分类方法属于该层次，该技术已相当成熟；(2)基于对象或基元的分类方法，是近二十年来发展起来的一种较高层次的分类方法，面向对象的分类方法就属于该层次；(3)基于知识的分类方法，是遥感图像分类技术的一个新的发展趋势，其理论还处在探讨阶段，应用不是很广泛。高分辨率遥感图像含有的波段较少，光谱信息不如空间信息丰富，如果仍采用传 统的基于像元的方法进行分类，即只利用像素的光谱信息，没有利用高分辨率遥感图像提供的丰富的地物空间信息，如形状信息、纹理信息和上下文信息等，会造成分类精度低，数据资源浪费。面向对象的分类方法的提出，可以将处理单元——对象，与现实世界中实体相对应，为在分析时利用实体的属性特征提供了可能。面向对象的分类方法同时利用对象的内在特征(光谱、形状和纹理)，拓扑特征和上下文特征，在很大程度上提高了高分辨率遥感数据分类的精度。基于统计模式的分类方法在遥感图像分类中占据着重要地位，主要包括监督和非本文档来自技高网...

【技术保护点】
一种面向对象的高分辨率遥感图像分类方法，其特征在于，包括：S1、对待处理图像进行分割处理，得到多个子图像对象；S2、获取所述子图像对象的特征信息；S3、根据获取到的特征信息对所述子图像对象进行分类；其中，所述待处理图像为高分辨率遥感图像，所述子图像对象的特征信息包括子图像对象的光谱信息、形状信息和纹理信息。

【技术特征摘要】
1.一种面向对象的高分辨率遥感图像分类方法，其特征在于，包括 51、对待处理图像进行分割处理，得到多个子图像对象； 52、获取所述子图像对象的特征信息； 53、根据获取到的特征信息对所述子图像对象进行分类； 其中，所述待处理图像为高分辨率遥感图像，所述子图像对象的特征信息包括子图像对象的光谱信息、形状信息和纹理信息。2.根据权利要求I所述的面向对象的高分辨率遥感图像分类方法，其特征在于，所述SI包括 511、对所述待处理图像进行混合开闭重建滤波处理，得到滤波图像，并利用Sobel算子计算所述滤波图像的梯度图像； 512、获取经上述计算得到的梯度图像，并对所述梯度图像进行分水岭变换，得到初始分割图像，建立所述初始分割图像的区域邻接图； 513、对所述初始分割图像进行区域合并处理直至代价函数最小时停止，得到最终分割结果，生成多个子图像对象。3.根据权利要求2所述的面向对象的高分辨率遥感图像分类方法，其特征在于，所述区域邻接图是通过以下方法生成的为所述初始分割图像中的每个子图像赋予一个编号，并根据所述子图像的边界长、面积、相邻子图像编号等信息建立初始分割图像的区域邻接图。4.根据权利要求3所述的面向对象的高分辨率遥感图像分类方法，其特征在于，所述S13中对所述初始分割图像进行区域合并处理直至代价函数值最小时停止包括 选中所述初始分割图像中的一子图像为当前对象，将当前对象及与所述当前对象相似度最大的对象进行合并，更新区域邻接图的数据，得到合并后分割图像； 判断代价函数值是否为最小值；若判定所述代价函数值最小值，则停止合并；若判定...

【专利技术属性】
技术研发人员：程建，刘婷，何吟，付莉，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：