[发明专利]一种高分辨率遥感图像场景粗分类方法

权利要求书

1.一种高分辨率遥感图像的场景粗分类方法，用于为遥感图像的目标识别提供上下文信息，其特征在于，该方法包括如下步骤：

(1)图像初始分割

首先对遥感图像进行二维离散小波分解，得到多组小波系数矩阵，再利用Laws算子对得到的小波系数矩阵进行平滑处理，得到表征图像每个像素点的特征数据；

接着，采用模糊C均值聚类方法对所述特征数据进行类别划分，计算出隶属度矩阵和聚类中心点并保存数据；

最后，采用最大化隶属度矩阵准则对遥感图像的每个像素点进行类别标记，由此得到初始分割结果。

(2)上下文分类

首先，将步骤(1)中得到的所述隶属度矩阵作为初始后验概率，再利用概率松弛迭代算法对每个像素8邻域内的中心点做概率更新，直至收敛，得到最终的后验概率；最后，根据最终的后验概率，采用最大化后验概率准则对图像的每个像素点进行类别标记，得到调整后的分割结果，即完成对图像的上下文分类。

(3)区域融合

以上下文分类所得到的分割图像作为输入，经过区域合并处理，得到一幅彩色图像，其中所包含RGB值的个数代表了合并之后的区域数总和；

对上述彩色图像进行多灰度值标记，然后对标记后的图像建立邻接矩阵，并进行如下处理：1)首先计算各区域面积，若其面积小于设定的阈值，则将其列入待合并区域序列，否则不作处理；2)对于待合并区域序列中的孤立区域，将其合并至其邻接区域，迭代执行至不再存在孤立区域；对于待合并区域序列中的非孤立区域，分别计算各孤立区域与其所有相邻的区域之间的公共边界的长度，将其合并至拥有最长公共边界的那个邻接区域中去；

经过上述处理即完成区域融合，得到融合后的分割图。

(4)后处理

对步骤(3)得到的分割图进行多灰度值标记，得到若干个连通区域，然后把每个连通区域映射到原始图像，得到对应位置上的局部原始图像，再利用特征来表征每个连通区域的属性，分别计算每个区域对应的局部原始图像的所述特征的 特征值，其中上述特征包括边缘密度、亮度均值、方差和能量；

接着进行样本采集和样本特征计算处理，即选取能够代表不同地物特点的样本图像，计算上述各类特征的特征值，然后对采集的样本进行训练，得到区分不同地物的统计知识；

最后，根据训练得到的统计知识，利用不同地物类型的边缘密度的差异性，把区域划分为水域和陆地，再利用灰度差异将区域上的不同地物区分开，实现场景分类。

2.根据权利要求1所述的方法，其特征在于，所述的步骤(2)中的概率更新的公式如下：

其中， 表示像素点i属于类别α的概率；n表示迭代更新的次数，(v_i，v_j)表示像素点i及其8邻域中的任一像素点j组成的相邻像素对，且所有符合条件的像素对组成一个集合E；λ表示类别属性，Q为邻域函数，其作为邻域像素对中心点的类别属性的支撑度的度量，某个像素点的邻域函数Q是该像素点的8邻域内所有像素点的先验概率的加权和，邻域函数 表示第n步迭代时，邻域像素点j对中心像素点i的类别为α的支撑度。

3.根据权利要求2所述的方法，其特征在于，邻域函数 数学表达为：

其中，Λ是类别属性的集合且α∈Λ，β∈Λ， 表示第n步迭代时类别β的先验概率分布，r_ij(α，β)为权重，量化地表示像素i属于类别α，且像素j属于类别β的可能性，称之为兼容性系数。

4.根据权利要求1-3之一所述的方法，其特征在于，所述权重r_ij(α，β)的数学表达如下： 

其中，p(l_i＝α，l_j＝β)表示像素点i的类别为α且像素点j的类别为β的联合概率。