[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

说明书

【技术领域】

本发明涉及导航遥感领域，特别是一种基于信息熵的纯净和混合像元自动划分方法。 

【背景技术】

土地覆盖是全球变化的重要研究内容之一，利用遥感手段获取土地利用/覆盖信息是遥感应用的一个重要领域。遥感影像作为地面土地覆盖的一种图像反映，真实记录了地表的情况。遥感影像分类一直以来都是遥感领域的重点研究内容，也是形成各种专题图像或专题地图供地学工作或其他工作使用的一项关键的工作。遥感分类方法常包括硬分类和软分类，但由于遥感影像空间分辨率的限制，混合像元普遍存在，尤其是中分辨率遥感影像。硬分类和软分类均不能很好的解决纯净、混合像元并存造成的分类误差的问题。软硬分类方法集成了软、硬分类各自的优势，可以在一定程度上解决混合像元的问题，在遥感土地覆盖识别中的应用已经初露端倪，其中纯净、混合像元确定的优劣是决定该方法成功与否的关键。目前有学者采用支撑向量机结合线性分解模型进行软硬分类，并结合分类结果的异质性特征进行了纯净、混合像元的划分，但对于纯净、混合像元划分方法的适用性未作深入的分析。 

如果将遥感图像定义为以像元为元素构成的集合，则纯净、混合像元子集互为补集，确定混合像元后，纯净像元自然划分出来。混合像元包含 两种以上的地物，其光谱由多种地物光谱混合组成，因此像元光谱本身的混乱程度是表达光谱不确定性的关键。 

熵是对信息不确定性的定量表达指标，熵越大则不确定性越大，反之不确定性就越小。Foody在1995年提出，信息熵能够在一定程度上反映像元的归属程度，是定量表达像元混乱程度的一个有效指标。 

【发明内容】

本发明针对遥感图像上纯、混像元共存的现象，利用信息熵作为表达像元不确定性的指标，采用基于贝叶斯决策理论的EM(Expectation-miza--tion)方法、基于方差的最大类间方差(OTSU)和K-means聚类方法自动设定阈值，最终确定出混合、纯净像元，并采用高分辨率遥感影像划分的纯净/混合像元作为真值对本发明方法的适用性进行评价。 

本发明提出的基于信息熵的纯净和混合像元自动划分方法，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。 

优选的，上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，参照原始影像，考虑各种地物的光谱与纹理特征选取训练样本。 

优选的，上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。 

优选的，上述步骤三利用公式(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。 

优选的，上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。 

优选的，上述自动阈值法包括EM(Expectation-maximization)法、最大类间方差(OTSU)法和K-means法。 

优选的，上述EM(Expectation-maximization)法为：