[发明专利]一种基于信息熵的纯净和混合像元自动划分方法

权利要求书

1.一种基于信息熵的纯净和混合像元自动划分方法，其特征在于：包括以下步骤：

步骤一、对遥感图像数据建立分类体系并进行样本提取和选择；

步骤二、利用SVM分类法进行分类，获得分类专题图和归属概率图，并得到规则影像；

步骤三、根据归属概率图，对步骤二中的规则影像计算信息熵得到像元的混乱度H，进而得到像元混乱度的强度图；

步骤四、利用阈值设定法对像元混乱度的强度图进行阈值确定，将图像划分为纯净像元和混合像元。

2.根据权利要求1所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述步骤一具体是根据图像上反映的各种地物的光谱信息，建立图像分类体系，参照原始遥感影像，考虑各种地物的光谱与纹理特征选取训练样本。

3.根据权利要求1所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述步骤二得到的分类专题图进行降维处理后，计算纯净和混合像元真值，得到误差矩阵，最终得到评估结果。

4.根据权利要求1所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述步骤三利用公式(1)计算信息熵得到像元的混乱度H

H=-Σi=1np(xi)lgp(xi)---(1)]]>

其中，p(x_i)为像元x属于第i类的归属概率。

5.根据权利要求1所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述步骤四中确定阈值的方法包括人工经验阈值法和自动阈值法。

6.根据权利要求5所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述自动阈值法包括EM(Expectation-maximization)法、最大类间方差(OTSU)法和K-means法。

7.根据权利要求6所述的基于信息熵的纯净、混合像元自动划分方法，其特征在于：所述EM(Expectation-maximization)法具体为：

1)假设纯净w_c、混合w_h两部分的信息熵服从两个高斯的混合分布：

2)给定初始信息熵划分阈值，分别计算两个高斯分布参数，包括均值和方差，迭代求得纯净、混合区域最终的高斯分布参数，得到划分阈值。

8.根据权利要求6所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述最大类间方差(OTSU)法具体包括：

1)采用方差作为划分标准，将信息熵划分为两类，分别对应纯净、混合像元；

2)从小到大遍历信息熵值，根据公式(2)求得类间方差，使得该方差最大的信息熵值作为划分阈值。

σ＝ω_cω_h(μ_c-μ_h)²        (2)

其中σ为目标区域像元和背景区域像元的类间方差，此处为纯净区域像元信息熵和混合区域两类之间的方差；μ_c为目标区域的平均灰度值，此处为纯净区域的信息熵平均值；μ_h为背景区域的平均灰度值，此处为混合区域的信息熵平均值；ω_c为目标区域像元所占图像的比例，此处为纯净像元占图像的比例；ω_h为背景区域像元所占图像的比例，此处为混合像元占图像的比例。

9.根据权利要求6所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于：所述K-means法基于聚类方法，将信息熵聚为纯净、混合两类。