[发明专利]一种基于非等权距离的多波段遥感影像模糊监督分类方法

说明书

技术领域

本发明涉及计算机遥感影像分类领域，尤其涉及一种遥感影像模糊监督分类方法。

背景技术

遥感影像分类一直是遥感应用领域的热点问题^[1]。现实地理世界的多元性和复杂性导致遥感影像分类中普遍存在混合像元^[2]，而传统的非此即彼的硬化分方式难以满足这种不确定和模糊的地理现状。建立在样本属性不确定性描述下的遥感影像模糊分类方法可以更好的表达和处理遥感影像中的不分明的类属性，目前已成为遥感影像分类领域的一个热点^[3]，许多试验已证明了模糊分类方法较传统的非模糊分类方法更能有效的表达现实地理世界的模糊现象及其特征^[4]。模糊C均值分类(Fuzzy C-Means，FCM)是一种传统的遥感影像模糊非监督分类方法，模糊思想的引入使其在对具有模糊性和不确定性的遥感影像分类上的优势显而易见。张路^[1]等人在马尔可夫(Markov)随机场模型框架下，提出了一种估计上下文的模糊分类方法，该方法有效的提高了模糊分类方法在遥感影像分类中的精度和抗噪声能力。张景雄^[5]设计了一种基于神经元网络的全模糊遥感影像分类方法，并已证明该方法可以取得较好的分类精度。哈斯巴干^[6]等人对模糊C均值分类方法中的欧式距离进行改进，采用马哈拉诺比斯(Mahalanobis)距离，即椭球体距离，来替代欧式距离，提高了模糊C均值分类的分类精度。

作为一种不需人为的干预而仅根据自迭代确定聚类中心和分类结果的非监督分类类方法，直接将其用于遥感影像分析存在如下的不足之处^[7]：首先，遥感影像非监督分类方法是直接根据待分数据个体间的相似测度进行类别划分、再由人工识别所得各类对应的实际地物类型，自动化程度较高，但难以保证分类精度^[8]；其次，遥感影像的多波段特征，决定了变量输入必定是多元的，这样直接导致了以自迭代实现分类结果最优的FCM分类方法的低效率；最后，由于潜在的样本结构信息是未知的，往往无法按照分类目的得到对应的分类结果，因此结果中各个类别与真实地物之间的一一对应关系的确定是现有经典模糊C均值算法的难点之一^[1]。

文中涉及的参考文献如下：

[1]张路，廖明生.一种顾及上下文的遥感影像模糊聚类[J].遥感学报，2006，10(1)：58-65.

[2]Foody G M，Campbell N A，Trodd N M，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]钟燕飞，张良培，李平湘.遥感影像分类中的模糊聚类有效性研究[J].武汉大学学报(信息科学版)，2009，34(4).

[4]Wang F.Improving Remote Sensing Image Analysis Through Fuzzy Information Representation.Photogrammetic Engineering and Remote Sensing，1990，56(8)：1163-1169.

[5]张景雄.遥感影像的全模糊监督分类[J].武汉测绘科技大学学报，1998，23(3)：211-214.

[6]哈斯巴干，马建文，李启青，等.模糊C-均值算法改进及其对卫星遥感数据聚类的对比[J].计算机工程，2004，30(11)：14-16.

[7]曾建航，魏萌，王靳辉，尚怡君.基于知识的遥感影像模糊分类方法[J].测绘科学技术学报，2008，25(3).

[8]Jensen J R.Introductory Digital Image Processing A Remote Sensing Perspective[M].New Jersey：Prentice Hall，1996.

发明内容