本發(fā)明屬于遙感監(jiān)測，尤其涉及一種面向?qū)ο蟮纳汉鹘高b感影像地貌分類的方法及裝置。

背景技術(shù)：

1、珊瑚礁是由造礁珊瑚及其他造礁生物對生成礁的鈣物質(zhì)長期積累沉積共同形成的生物質(zhì)石灰?guī)r，主要分布在熱帶淺水海域。珊瑚礁被稱為?"藍(lán)色沙漠中的綠洲"，珊瑚礁生態(tài)系統(tǒng)作為地球上物種最豐富、生產(chǎn)力最高的生態(tài)系統(tǒng)之一。珊瑚礁物種豐富，對維持海洋生物的多樣性起著重要作用，同時也為人類的生產(chǎn)和生活提供了許多生物資源，具有巨大的開發(fā)潛力、經(jīng)濟(jì)價(jià)值和生態(tài)環(huán)境價(jià)值。

2、然而珊瑚礁對全球變化的敏感性和脆弱性導(dǎo)致高生物多樣性、高經(jīng)濟(jì)價(jià)值的珊瑚礁生態(tài)系統(tǒng)，在全球變化影響下，近幾十年來處于急劇退化之中。珊瑚礁對海洋生態(tài)系統(tǒng)至關(guān)重要，珊瑚礁提供的漁業(yè)資源為人們的生計(jì)和國家的經(jīng)濟(jì)增長做出了重要貢獻(xiàn)。而且，珊瑚礁是記錄全球變化的重要載體，能夠準(zhǔn)確記錄不同時間尺度熱帶海洋環(huán)境的變化過程及其與全球變化相互作用的機(jī)制。因此，保護(hù)珊瑚礁是維護(hù)海洋生態(tài)平衡和可持續(xù)發(fā)展的關(guān)鍵舉措。為了更好地了解和保護(hù)珊瑚礁，有效的分類和監(jiān)測手段變得至關(guān)重要。

3、遙感技術(shù)隨著科技進(jìn)步在地球科學(xué)領(lǐng)域取得了巨大的成就，且遙感技術(shù)已被證實(shí)是開展珊瑚礁分類與監(jiān)測的一種有效技術(shù)手段。在這一背景下，遙感技術(shù)成為研究珊瑚礁的重要工具之一。遙感技術(shù)具有大面積的同步覆蓋、對同一區(qū)域進(jìn)行重復(fù)檢測、精度高、信息量豐富等優(yōu)點(diǎn)。特別是高分辨率遙感，已成為大范圍進(jìn)行珊瑚島礁分類的重要手段，其在空間分辨率和定位精度方面表現(xiàn)卓越。多平臺、多傳感器、以及多種空間和光譜分辨率的遙感數(shù)據(jù)在珊瑚島礁研究中得以廣泛應(yīng)用，為深入了解和保護(hù)這一生態(tài)系統(tǒng)提供了有力的工具。

4、傳統(tǒng)的珊瑚礁分類方法受限于人工識別的主觀性和耗時性，迫切需要一種更高效、準(zhǔn)確的分類手段。目前機(jī)器學(xué)習(xí)以其在大規(guī)模數(shù)據(jù)處理和復(fù)雜模式識別方面的卓越性能，為珊瑚礁地貌單元分類提供了獨(dú)特的優(yōu)勢，然而，如何提升機(jī)器學(xué)習(xí)在珊瑚礁地貌單元分類結(jié)果中的精度與運(yùn)行速度，是目前亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種面向?qū)ο蟮纳汉鹘高b感影像地貌分類的方法及裝置，能夠提高分類的準(zhǔn)確性和效率。

2、為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種面向?qū)ο蟮纳汉鹘高b感影像地貌分類的方法，包括如下步驟：

4、步驟1、構(gòu)建珊瑚礁的地貌單元分類體系，對獲取的珊瑚礁原始遙感影像進(jìn)行數(shù)據(jù)預(yù)處理；

5、步驟2、使用面向?qū)ο蠓指钪械亩喑叨确指钏惴▽υ歼b感影像分割，并尋找到最優(yōu)參數(shù)，最終得到最優(yōu)分割結(jié)果；

6、步驟3、對預(yù)處理后的遙感影像中進(jìn)行特征提取與分類，計(jì)算珊瑚礁地貌單元分類數(shù)據(jù)集進(jìn)行遙感指數(shù)特征與紋理特征，得到珊瑚礁的地貌單元分類數(shù)據(jù)集；

7、步驟4、使用基于面向?qū)ο蟮臋C(jī)器學(xué)習(xí)算法訓(xùn)練珊瑚礁地貌單元分類數(shù)據(jù)集，使用自適應(yīng)權(quán)重分配的k折交叉驗(yàn)證方法對模型參數(shù)優(yōu)化，得到訓(xùn)練后的識別與分類模型；

8、步驟5、使用訓(xùn)練好的分類模型進(jìn)行預(yù)測，并制作相應(yīng)的珊瑚礁遙感地貌單元分類結(jié)果圖。

9、進(jìn)一步地，所述步驟1包括：

10、步驟11、根據(jù)現(xiàn)有珊瑚礁地貌單元分類體系，并結(jié)合珊瑚礁地貌在遙感影像上的光譜特征，建立珊瑚礁地貌單元分類體系，將珊瑚礁地貌單元分為：深礁前斜坡、淺礁前斜坡、礁脊、珊瑚密集區(qū)、珊瑚稀疏區(qū)、潟湖坡、潟湖底、點(diǎn)礁、沙洲和陸地；每個珊瑚礁島會根據(jù)其獨(dú)有地貌特征變化分類體系；

11、步驟12、珊瑚礁的原始遙感影像采用world-view2高分辨率遙感影像，所述對原始遙感影像進(jìn)行數(shù)據(jù)預(yù)處理包括影像去噪、幾何校正、圖像融合和圖像增強(qiáng)。

12、進(jìn)一步地，所述步驟2包括：

13、步驟21、使用面向?qū)ο蠓指钪械亩喑叨确指钏惴▽υ歼b感影像分割；所述的多尺度分割算法根據(jù)影像中不同波段的權(quán)重、緊致度和平滑度進(jìn)行分割，得到不同尺寸和形狀的圖像對象；

14、步驟22、尋找到最優(yōu)分割參數(shù)，最終得到最佳分割結(jié)果；

15、最佳分割結(jié)果滿足以下兩個條件：（1）最大化對象內(nèi)的同質(zhì)性，（2）最大化對象間的異質(zhì)性。

16、進(jìn)一步地，所述步驟3包括：

17、步驟31、從預(yù)處理后的遙感影像中進(jìn)行特征提取與分類，對珊瑚礁地貌單元分類數(shù)據(jù)進(jìn)行遙感指數(shù)特征與紋理特征計(jì)算，得到珊瑚礁的地貌單元分類數(shù)據(jù)集；

18、步驟32、珊瑚礁地貌單元分類數(shù)據(jù)集的劃分采用隨機(jī)抽樣中的分層抽樣方式，通過將總體分為不同的層次，使采樣數(shù)據(jù)集與原始數(shù)據(jù)集具有相同的比例；對于一個數(shù)據(jù)集，設(shè)定抽取比例，根據(jù)比例將珊瑚礁地貌單元數(shù)據(jù)集劃分為訓(xùn)練集和測試集。

19、進(jìn)一步地，所述步驟31中，遙感指數(shù)特征使用歸一化植被指數(shù)ndvi與歸一化差異水體指數(shù)ndwi相關(guān)的一系列變種指數(shù)特征；紋理特征使用灰度共生矩陣glcm來計(jì)算，定義為紋理特征函數(shù)，其中包括的紋理特征有對比度、不相似度、均勻性、二階距、熵、均值、方差、相關(guān)性、逆差異度。

20、進(jìn)一步地，所述步驟4包括：

21、通過建立多種機(jī)器學(xué)習(xí)模型集合，包括隨機(jī)森林、支持向量機(jī)、k近鄰算法、xgboost等算法，訓(xùn)練模型集合中的每個模型來預(yù)測珊瑚礁地貌單元分類標(biāo)簽；使用網(wǎng)格搜索方法對模型的超參數(shù)進(jìn)行調(diào)優(yōu)，利用自適應(yīng)權(quán)重分配的k折交叉驗(yàn)證方法根據(jù)數(shù)據(jù)集的大小自適應(yīng)調(diào)整的大小，并根據(jù)每折中的類別不平衡程度重新分配類別的權(quán)重，確定最優(yōu)的參數(shù)組合，以此來提高模型的準(zhǔn)確性，并重新訓(xùn)練模型。

22、進(jìn)一步地，所述自適應(yīng)權(quán)重分配的k折交叉驗(yàn)證包括：

23、將原始數(shù)據(jù)集劃分為個大小相等的子集，稱為折，每個子集都會被輪流作為驗(yàn)證集，其余的個子集組合成訓(xùn)練集；在自適應(yīng)調(diào)整?值的基礎(chǔ)上，根據(jù)每次折疊中的類別分布動態(tài)調(diào)整每個類別權(quán)重；對于每個折，使用訓(xùn)練集進(jìn)行模型的訓(xùn)練，然后使用驗(yàn)證集評估模型的性能指標(biāo)；

24、權(quán)重的計(jì)算公式為：

25、；

26、其中，其中是第類的權(quán)重，是數(shù)據(jù)集的總樣本數(shù)，是第類的樣本數(shù)；

27、重復(fù)步驟，使每個折都充當(dāng)一次驗(yàn)證集，直到每個折都作為驗(yàn)證集過一次；根據(jù)每次驗(yàn)證的結(jié)果，計(jì)算平均性能指標(biāo)作為模型在整個數(shù)據(jù)集上的性能估計(jì)。

28、本發(fā)明還提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時實(shí)現(xiàn)上述的面向?qū)ο蟮纳汉鹘高b感影像地貌分類的方法的步驟。

29、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述的面向?qū)ο蟮纳汉鹘高b感影像地貌分類的方法的步驟。

30、有益效果：

31、本發(fā)明基于world-view2高分辨率遙感影像，同時訓(xùn)練多種機(jī)器學(xué)習(xí)模型——隨機(jī)森林模型（rf）、支持向量機(jī)（svm）、k近鄰模型（knn）、分布式梯度提升模型（xgboost）。在對珊瑚礁地貌單元進(jìn)行類別預(yù)測的過程中，不同的機(jī)器學(xué)習(xí)模型展現(xiàn)出了各自的特點(diǎn)和優(yōu)勢。例如，在對點(diǎn)礁的分類任務(wù)中，rf模型與xgboost模型表現(xiàn)出了較高的準(zhǔn)確性，能夠較好地識別和區(qū)分點(diǎn)礁的特征。svm模型整體分類精度較高，knn模型分類速度最快。當(dāng)四種模型訓(xùn)練完畢后，可以自動提取四種模型對地貌單元每個類別的分類精度，計(jì)算出出總體分類精度和每個類別的分類精度。并且模型可以基于預(yù)測記過實(shí)現(xiàn)珊瑚礁地貌單元分類成果圖的自動制作。與傳統(tǒng)的機(jī)器學(xué)習(xí)方法相比，基于面向?qū)ο蟮姆诸惙椒ㄔ诘孛矄卧淖R別和分類方面展現(xiàn)出了顯著的優(yōu)勢。這種方法通過識別圖像中的自然對象，如土地覆蓋類型、建筑物、水體等，而不是僅僅依賴于像素級別的分析，從而能夠更準(zhǔn)確地捕捉到地貌單元的本質(zhì)特征，并且能夠更好地處理空間數(shù)據(jù)的冗余問題，減少資源浪費(fèi)，同時提高分類結(jié)果的實(shí)用性和可靠性。