[发明专利]粗糙小波粒化空间和多光谱遥感图像的分类

权利要求书

1.一种用于执行时空模式的基于粗糙小波的分析的方法，所述方 法包括：

产生与多光谱图像相关联的特征的小波粒化空间，其中所述小波粒 化空间包括针对一级离散小波变换DWT分解的n维特征空间中的4ⁿ个颗粒 和针对两级DWT分解的n维特征空间中的7ⁿ个颗粒；

基于粗糙集评估选择特征；

去除冗余特征；

通过对所述特征的数据依赖性的变化进行评估来确定所述特征的 显著性的度量，其中，数据依赖性的变化越大指示所述显著性的度量越 大；

基于所选择的特征对所述时空模式进行分类；以及

基于所述显著性来定位和选择粒化特征的子集。

2.根据权利要求1所述的方法，还包括使用光谱带值作为特征。

3.根据权利要求1所述的方法，还包括：

通过在小波域中构建移位不变颗粒来产生小波粒化空间；以及

通过移位不变离散小波变换SI-DWT构建移位不变颗粒，所述移位不 变离散小波变换对针对多光谱图像的输入模式矢量的小波粒化的特征值 加以表征。

4.根据权利要求1所述的方法，还包括：选择小波基和分解级别， 以对用于产生n维特征空间的小波粒化的颗粒加以表征。

5.根据权利要求1所述的方法，其中基于粗糙集评估来选择特征包 括：在选择粒化特征的子集时采用邻居粗糙集NRS，所述邻居粗糙集进一 步探察来自邻居颗粒的局部信息和上下文信息的集合中的至少一个。

6.根据权利要求5所述的方法，其中基于选择的特征对模式进行分 类包括：确定在NRS中使用的距离阈值，在超过所述阈值时分类性能下降， 并且所述方法还包括：

基于所述特征的显著性来评估所述粒化特征的子集；以及

采用前向贪婪搜索算法进行特征选择。

7.根据权利要求1所述的方法，还包括：采用来自k-最近邻分类器、 最大似然分类器和多层感知分类器的集合中的一个，基于所选择的特征 对模式进行分类。

8.根据权利要求7所述的方法，其中k-最近邻分类器使用来自k＝1、 k＝3和k＝5的集合中的一个。

9.一种用于执行时空模式的基于粗糙小波的分析的设备，包括：

存储器，配置为存储与多光谱图像的输入模式矢量相关联的指令和 数据；

处理器，与所述存储器相连，其中所述处理器适用于执行所述指令， 当执行所述指令时将处理器配置为：

产生与多光谱图像相关联的特征的小波粒化空间，其中所述小 波粒化空间包括针对一级离散小波变换DWT分解的n维特征空间中的 4ⁿ个颗粒和针对两级DWT分解的n维特征空间中的7ⁿ个颗粒；

基于粗糙集评估选择特征；

去除冗余特征；

通过对所述特征的数据依赖性的变化进行评估来确定所述特征 的显著性的度量，其中，数据依赖性的变化越大指示所述显著性的 度量越大；

基于所选择的特征对模式进行分类；以及

基于所述显著性来定位和选择粒化特征的子集。

10.根据权利要求9所述的设备，其中执行基于粗糙小波的分析， 以产生用于多光谱遥感图像的陆地覆盖分类的模型，并且其中通过在小 波域中利用移位不变离散小波变换SI-DWT构建移位不变颗粒，来产生小 波粒化空间，所述移位不变离散小波变换对用于多光谱遥感图像的输入 模式矢量的小波粒化的特征值加以表征。

11.根据权利要求10所述的设备，其中所述处理器还配置为在第二 分解之后停止SI-DWT。

12.根据权利要求9所述的设备，其中针对纹理检测和图像索引的集 合中的一个执行基于粗糙小波的分析。

13.根据权利要求9所述的设备，其中所述处理器还配置为选择小波 基和分解级别，以对用于产生n维特征空间的小波粒化的颗粒加以表征。