一种基于多敏感性策略的遥感影像层次分类识别方法技术

本发明专利技术提出了一种基于多敏感性策略的遥感影像层次分类识别方法，它是一种自顶向下、逐步求精的层次分类方法。首先利用敏感性分析对地物波谱曲线进行分析，选出特征波段，分别组成特征波段组，选用第一个波段特征组；通过聚类将光谱相近的像元聚在一起，实现对整幅影像的粗略划分(初步分类)；然后以每个聚类簇作为新的分类对象，选用新的特征波段组合，新的特征，在每个聚类簇中展开进一步的细分(监督分类)；如果对结果不满意，重复上述过程；最后对所有类别进行调整和合并得到最终的分类结果。该方法能够在分类中克服光谱差异性较大的类别(主导地物类别)对光谱差异小的类别的掩盖作用，有效的避免了“同物异谱”和“异物同谱”的现象，实现对地物的精细分类，可以显著提高分类识别精度。

【技术实现步骤摘要】

本专利技术属于遥感分类识别领域，是。
技术介绍
:遥感影像分类是利用计算机通过对影像中不同地物的空间信息和光谱信息进行分析，选择特征，并将特征空间划分为互不重叠的子空间，然后将影像中各个像元划归到子空间去(参考对比文件1，2)。遥感影像分类方法一般分为监督分类和非监督分类两种。监督分类(识别是在其基础上添加类属信息)是根据已知训练区提供的样本，计算机通过对训练区的“学习”，得到每个训练区数据的特征参数，建立判别函数，据此样本类别的特征来识别其它像元的归属类别；其常用主要方法有:最大似然分类、判别分析、最近邻分类、最小距离分类、平行多面体分类法、人工神经网络分类以及支持向量机分类、决策树等。非监督分类是根据同类地物的光谱相似性，利用聚类的方法，使得同一类别的像素之间的距离尽可能小，而不同类别的像素之间的距离尽可能大，达到分类的目的，最后对已分出的各个类别的实际属性进行确认；其常用方法主要有:系统聚类、K-means聚类、IS0DATA以及模糊C均值聚类等各种聚类分析方法(参考对比文件3，4)。但是传统的监督分类与非监督分类各自存在着无法避免的“硬伤”，非监督分类自动化程度高，但初始化本文档来自技高网...

【技术保护点】
一种基于多敏感性策略的遥感影像层次分类识别方法。其特征在于：本方法依次包括波段敏感性分析与组合、影像多策略多层次分类、分类后处理三个过程。

【技术特征摘要】
1.一种基于多敏感性策略的遥感影像层次分类识别方法。其特征在于:本方法依次包括波段敏感性分析与组合、影像多策略多层次分类、分类后处理三个过程。2.按权利要求1所述的一种基于多敏感性策略的遥感影像层次分类识别方法，其中基于波段敏感性分析与组合的特征在于:对遥感影像中的地物波谱曲线进行敏感性分析，找出能够区分地物的特征波段，然后组成特征波段组(一般是2-3组)，为后续的分类做准备。3.按权利要求1所述的一种基于多敏感性策略的遥感影像层次分类识别方法，其中基于影像多策略多层次分...

【专利技术属性】
技术研发人员：余先川，周鑫，安卫杰，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：