專利名稱：一種基于非等權(quán)距離的多波段遙感影像模糊監(jiān)督分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機遙感影像分類領(lǐng)域，尤其涉及一種遙感影像模糊監(jiān)督分類方法。
背景技術(shù)：
遙感影像分類一直是遙感應(yīng)用領(lǐng)域的熱點問題[1]。現(xiàn)實地理世界的多元性和復(fù)雜性導(dǎo)致遙感影像分類中普遍存在混合像元[2]，而傳統(tǒng)的非此即彼的硬化分方式難以滿足這種不確定和模糊的地理現(xiàn)狀。建立在樣本屬性不確定性描述下的遙感影像模糊分類方法可以更好的表達和處理遙感影像中的不分明的類屬性，目前已成為遙感影像分類領(lǐng)域的一個熱點[3]，許多試驗已證明了模糊分類方法較傳統(tǒng)的非模糊分類方法更能有效的表達現(xiàn)實地理世界的模糊現(xiàn)象及其特征M。模糊C均值分類(Fuzzy C-Means,FCM)是一種傳統(tǒng)的遙感影像模糊非監(jiān)督分類方法，模糊思想的引入使其在對具有模糊性和不確定性的遙感影像分類上的優(yōu)勢顯而易見。張路[1]等人在馬爾可夫(Markov)隨機場模型框架下，提出了一種估計上下文的模糊分類方法，該方法有效的提高了模糊分類方法在遙感影像分類中的精度和抗噪聲能力。張景雄[5]設(shè)計了一種基于神經(jīng)元網(wǎng)絡(luò)的全模糊遙感影像分類方法，并已證明該方法可以取得較好的分類精度。哈斯巴干[6]等人對模糊C均值分類方法中的歐式距離進行改進，采用馬哈拉諾比斯(Mahalanobis)距離，即橢球體距離，來替代歐式距離，提高了模糊C均值分類的分類精度。作為一種不需人為的干預(yù)而僅根據(jù)自迭代確定聚類中心和分類結(jié)果的非監(jiān)督分類類方法，直接將其用于遙感影像分析存在如下的不足之處[7]首先，遙感影像非監(jiān)督分類方法是直接根據(jù)待分?jǐn)?shù)據(jù)個體間的相似測度進行類別劃分、再由人工識別所得各類對應(yīng)的實際地物類型，自動化程度較高，但難以保證分類精度[8]；其次，遙感影像的多波段特征，決定了變量輸入必定是多元的，這樣直接導(dǎo)致了以自迭代實現(xiàn)分類結(jié)果最優(yōu)的FCM分類方法的低效率；最后，由于潛在的樣本結(jié)構(gòu)信息是未知的，往往無法按照分類目的得到對應(yīng)的分類結(jié)果，因此結(jié)果中各個類別與真實地物之間的一一對應(yīng)關(guān)系的確定是現(xiàn)有經(jīng)典模糊C均值算法的難點之一 [1]。文中涉及的參考文獻如下[1]張路，廖明生.一種顧及上下文的遙感影像模糊聚類[J].遙感學(xué)報，2006， 10(1) :58-65.[2]Foody G Μ, Campbell N A, Trodd N Μ, Wood T F. Derivation and Applications of Probabilistic Measures of Class Membership from the Maximum Likelihood Classification. Photogrammetic Engineering and Remote Sensing,1992, 58(12) :1335-1341.[3]鐘燕飛，張良培，李平湘.遙感影像分類中的模糊聚類有效性研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版)，2009，34 (4) ·[4]Wang F. Improving Remote Sensing Image Analysis Through FuzzyInformation Representation. Photogrammetic Engineering and Remote Sensing,1990, 56(8) :1163-1169.[5]張景雄.遙感影像的全模糊監(jiān)督分類[J].武漢測繪科技大學(xué)學(xué)報，1998， 23(3) :211-214.[6]哈斯巴干，馬建文，李啟青，等.模糊C-均值算法改進及其對衛(wèi)星遙感數(shù)據(jù)聚類的對比[J].計算機工程，2004，30 (11) :14-16.[7]曾建航，魏萌，王靳輝，尚怡君.基于知識的遙感影像模糊分類方法[J].測繪科學(xué)技術(shù)學(xué)報，2008，25 (3).[8]Jensen J R. Introductory Digital Image Processing A Remote Sensing Perspective[M]. New Jersey :Prentice Hall,1996.

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)的不足，本發(fā)明在傳統(tǒng)FCM分類方法的基礎(chǔ)上、采用人工提取的訓(xùn)練區(qū)不同波段的光譜信息重新定義遙感影像的聚類中心和非等權(quán)距離，并基于非等權(quán)距離提供了一種具有高分類精度和高分類效率的多波段遙感影像模糊監(jiān)督分類方法。為了解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案一種基于非等權(quán)距離的多波段遙感影像模糊監(jiān)督分類方法，包括以下步驟Si、確定遙感影像的聚類中心，該步驟進一步包括以下子步驟S1-1、將遙感影像中土地利用類型分為η類，分別為tyi、ty2、L tyn，選取上述η類土地利用類型的訓(xùn)練區(qū)S= {sl，s2，L卯}，其中，81、82、...811分別為類型{71472丄tyn 對應(yīng)的訓(xùn)練區(qū)；S1-2、根據(jù)η類土地利用類型的訓(xùn)練區(qū)，獲取各類土地利用類型在不同波段的光譜特性SPk = Ispka, SPkj2, L spk,ρ}，其中，SPk為類別tyk的光譜特性，k e [1，η]且為自然數(shù)；spy、spk,2、L spk, p分別為類別tyk在1、2、. . . ρ波段的光譜特性；所述的類別tyk在i
波段的光譜特性
權(quán)利要求
1. 一種基于非等權(quán)距離的多波段遙感影像模糊監(jiān)督分類方法，其特征在于，包括以下步驟Si、確定遙感影像的聚類中心，該步驟進一步包括以下子步驟51-1、將遙感影像中土地利用類型分為/7類，分別為織r H ,選取上述類土地利用類型的訓(xùn)練區(qū)S=·[成邊一si},其中，μ、￡2、…棚分別為類型Urr H對應(yīng)的訓(xùn)練區(qū)；幻-2、根據(jù)/7類土地利用類型的訓(xùn)練區(qū)，獲取各類土地利用類型在不同波段的光譜特性
2.根據(jù)權(quán)利要求1所述的基于非等權(quán)距離的多波段遙感影像模糊監(jiān)督分類方法，，其特征在于所述步驟Sl中，采用人工目視方法選取類土地利用類型的訓(xùn)練區(qū)。
3.根據(jù)權(quán)利要求1所述的基于非等權(quán)距離的遙感影像模糊監(jiān)督分類方法，其特征在于所述步驟S3具體如下以步驟S2獲得的非等權(quán)距離《^作力評價標(biāo)準(zhǔn)，判斷各像元隸屬于不同土地利用類型的程度，并求取使目標(biāo)函數(shù)
全文摘要
本發(fā)明公開了一種基于非等權(quán)距離的多波段遙感影像模糊監(jiān)督分類方法，該方法是在傳統(tǒng)FCM分類方法的基礎(chǔ)上、采用人工提取的訓(xùn)練區(qū)的光譜信息重新定義遙感影像的聚類中心和各類土地利用類型在不同波段的非等權(quán)距離，并利用非等權(quán)距離作為評價標(biāo)準(zhǔn)，判斷各像元隸屬于不同土地利用類型的程度，從而實現(xiàn)遙感影像的模糊監(jiān)督分類。本發(fā)明方法是通過訓(xùn)練區(qū)光譜特性來確定聚類中心和距離值，顯著提高了分類效率和分類精度。
文檔編號G06K9/62GK102289678SQ20111022747
公開日2011年12月21日 申請日期2011年8月10日 優(yōu)先權(quán)日2011年8月10日
發(fā)明者何青青, 張文婷, 王海軍, 賀三維 申請人:武漢大學(xué)