【技術實現步驟摘要】
本專利技術涉及遙感圖像處理領域，尤其涉及一種面向對象的高分辨率遙感圖像分類方法。
技術介紹
從遙感圖像分類技術的發展過程可以看出，分類技術主要分為三個層次(1)基于像元的分類方法，很多傳統的遙感圖像分類方法屬于該層次，該技術已相當成熟；(2)基于對象或基元的分類方法，是近二十年來發展起來的一種較高層次的分類方法，面向對象的分類方法就屬于該層次；(3)基于知識的分類方法，是遙感圖像分類技術的一個新的發展趨勢，其理論還處在探討階段，應用不是很廣泛。高分辨率遙感圖像含有的波段較少，光譜信息不如空間信息豐富，如果仍采用傳 統的基于像元的方法進行分類，即只利用像素的光譜信息，沒有利用高分辨率遙感圖像提供的豐富的地物空間信息，如形狀信息、紋理信息和上下文信息等，會造成分類精度低，數據資源浪費。面向對象的分類方法的提出，可以將處理單元——對象，與現實世界中實體相對應，為在分析時利用實體的屬性特征提供了可能。面向對象的分類方法同時利用對象的內在特征(光譜、形狀和紋理)，拓撲特征和上下文特征，在很大程度上提高了高分辨率遙感數據分類的精度?；诮y計模式的分類方法在遙感圖像分類中占據著重要地位，主要包括監督和非監督分類。常用的監督分類方法有最大似然分類、最小距離分類、支撐向量機、神經網絡等方法。非監督分類有K-均值聚類、模糊C-均值聚類及IsoData等方法。這些傳統的目標識別方法中每個目標是由一組特征來描述的，即使用“特征一目標”這種簡單的表述模型，在識別“同特性異類別”或“同類別異特性”的目標時不能有效地提高識別的準確率。
技術實現思路
本專利技術主要解決的技術問題是提供一種面向對象...
【技術保護點】
一種面向對象的高分辨率遙感圖像分類方法，其特征在于，包括：S1、對待處理圖像進行分割處理，得到多個子圖像對象；S2、獲取所述子圖像對象的特征信息；S3、根據獲取到的特征信息對所述子圖像對象進行分類；其中，所述待處理圖像為高分辨率遙感圖像，所述子圖像對象的特征信息包括子圖像對象的光譜信息、形狀信息和紋理信息。
【技術特征摘要】
1.一種面向對象的高分辨率遙感圖像分類方法，其特征在于，包括 51、對待處理圖像進行分割處理，得到多個子圖像對象； 52、獲取所述子圖像對象的特征信息； 53、根據獲取到的特征信息對所述子圖像對象進行分類； 其中，所述待處理圖像為高分辨率遙感圖像，所述子圖像對象的特征信息包括子圖像對象的光譜信息、形狀信息和紋理信息。2.根據權利要求I所述的面向對象的高分辨率遙感圖像分類方法，其特征在于，所述SI包括 511、對所述待處理圖像進行混合開閉重建濾波處理，得到濾波圖像，并利用Sobel算子計算所述濾波圖像的梯度圖像； 512、獲取經上述計算得到的梯度圖像，并對所述梯度圖像進行分水嶺變換，得到初始分割圖像，建立所述初始分割圖像的區域鄰接圖； 513、對所述初始分割圖像進行區域合并處理直至代價函數最小時停止，得到最終分割結果，生成多個子圖像對象。3.根據權利要求2所述的面向對象的高分辨率遙感圖像分類方法，其特征在于，所述區域鄰接圖是通過以下方法生成的為所述初始分割圖像中的每個子圖像賦予一個編號，并根據所述子圖像的邊界長、面積、相鄰子圖像編號等信息建立初始分割圖像的區域鄰接圖。4.根據權利要求3所述的面向對象的高分辨率遙感圖像分類方法，其特征在于，所述S13中對所述初始分割圖像進行區域合并處理直至代價函數值最小時停止包括 選中所述初始分割圖像中的一子圖像為當前對象，將當前對象及與所述當前對象相似度最大的對象進行合并，更新區域鄰接圖的數據，得到合并后分割圖像； 判斷代價函數值是否為最小值；若判定所述代價函數值最小值，則停止合并；若判定...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。