[发明专利]一种广域遥感影像决策树分类方法及装置

说明书

技术领域

本发明涉及遥感影像的分类，尤其涉及一种广域遥感影像决策树分类方法及装置。

背景技术

遥感影像是利用星载或机载传感器获取的反应地球表面地物空间分布和光谱信息的图像资料，它具有覆盖范围广，成像周期短等特点，随着遥感影像分类技术的发展，使得遥感影像分类技术在广域地表覆盖分类中得到越来越多的应用。现有的遥感影像分类方法和系统有：最小距离法、平行六面法、最大似然法和ISODATA（迭代自组织数据分析技术）、K-Means（K-均值聚类法）等监督、非监督分类法，以及新兴的模糊聚类方法、神经网络法、决策树、支持向量机和面向对象分类法。其中决策树分类法主要具有以下优点：

(1)分类决策树具有结构清晰,易于理解,实现简单,运行速度快,准确性高等特点。可以供专家分析、判断和修正,也可以输入到专家系统中。

(2)决策树分类方法不需要假设先验概率分布,这种非参数化的特点使其具有更好的灵活性和鲁棒性,因此,当遥感影像数据特征的空间分布很复杂,或者多源数据具有不同的统计分布和尺度时,用决策树分类法能获得理想的分类结果。

(3)决策树可以有效的处理大量高维数据和非线性关系。

(4)决策树方法能够有效地抑制训练样本决策属性缺失问题,因此可以解决由于训练样本(可能由传感器噪声、漏扫描、信号混合、各种等原因造成)使得分类精度降低的问题。

决策树分类算法是数据挖掘技术中的一种预测模型，它通过无次序、无规则的样本数据集推理出决策树表现形式，并用于目标数据集的分类。在遥感影像分类中缺少对应的分类策略和算法，以提高广域遥感影像分类精度。

发明内容

本发明实施例提供一种广域遥感影像决策树分类方法及装置，以提供一种基于决策树遥感影像分类的广域地表覆盖分类策略，并提高广域遥感影像分类精度。

一方面，本发明实施例提供了一种广域遥感影像决策树分类方法，所述广域遥感影像决策树分类方法，包括：

获取待分类影像集；

根据时相特征将待分类影像集分成若干组，每组影像具有相同的波谱特征；

分别对同一组影像进行统一采样以获取样本数据，及分别对同一组影像特征提取后进行波段组合以获取多特征波段组合影像；

将所述同一组影像的样本数据和多特征波段组合影像输入到决策树分类器中，以获取分类影像。

可选的，在本发明一实施例中，所述特征提取包括：特征指数提取、归一化植被指数NDVI提取、纹理变换。

可选的，在本发明一实施例中，将所述同一组影像的样本数据和多特征波段组合影像输入到决策树分类器中，以获取分类影像，包括：将所述同一组影像的样本数据和多特征波段组合影像输入决策树分类器，并采取十折交叉验证的方式进行检验，以获取训练集。

可选的，在本发明一实施例中，将所述同一组影像的样本数据和多特征波段组合影像输入到决策树分类器中，以获取分类影像，包括：将所述生成的训练集输入到面向遥感影像分类的二叉树结构的决策树中进行学习，以获取用于遥感影像分类的规则集。

可选的，在本发明一实施例中，将所述同一组影像的样本数据和多特征波段组合影像输入到决策树分类器中，以获取分类影像，包括：通过不断更新每个样本的权重，将迭代技术应用到上述二叉树结构的决策树中，构建迭代决策树，以提高规则集的分类精度。

另一方面，本发明实施例提供了一种广域遥感影像决策树分类装置，所述广域遥感影像决策树分类装置包括：

获取单元，用于获取待分类影像集；

分组单元，用于根据时相特征将待分类影像集分成若干组，每组影像具有相同的波谱特征；

统一采样单元，用于分别对同一组影像进行统一采样以获取样本数据；

波段组合单元，用于分别对同一组影像特征提取后进行波段组合以获取多特征波段组合影像；

分类单元，用于将所述同一组影像的样本数据和多特征波段组合影像输入到决策树分类器中，以获取分类影像。

可选的，在本发明一实施例中，所述特征提取包括：特征指数提取、归一化植被指数NDVI提取、纹理变换。

可选的，在本发明一实施例中，所述分类单元，进一步用于将所述同一组影像的样本数据和多特征波段组合影像输入决策树分类器，并采取十折交叉验证的方式进行检验，以获取训练集。

可选的，在本发明一实施例中，所述分类单元，进一步用于将所述生成的训练集输入到面向遥感影像分类的二叉树结构的决策树中进行学习，以获取用于遥感影像分类的规则集。