[发明专利]基于多特征层次化判决的光学遥感图像云判别方法

说明书

技术领域

本发明涉及一种基于多特征层次化判决的光学遥感图像云判别方法，属于模式识别技术领域。

背景技术

对于光学遥感图像云判别现有的方法主要是利用模式识别，识别系统的主要环节简要来说包括：特征提取、学习和识别这三大步骤。类似的，云判别的主要步骤无外乎是：首先，根据对象特点设计要提取的云的特征；然后，选择学习的方法，常见的学习算法分为有监督的、无监督的和半监督的；最后，利用学习所得的模型或参数对目标进行识别。

虽然不同算法所选取的特征和学习方法不尽相同，但它们的切入点都是大致相同的，即直接针对云和非云进行分类。由于云的随机性和地物的复杂性，会存在一些判决模糊的情况，非常容易发生错判。例如：两个解译对象，一个对象是稍暗一点的云，另一对象是较亮的云和地物的混合，当考察它们的特征时，有一种可能发生的情况是：第一个对象的灰度均值小于第二个对象，但第一个对象的云覆盖率大于第二个对象情况。如果判决原则是灰度越大，对象就越接近云，且覆盖率越大，则对象就越接近云，这样上述两个解译对象从特征上就很难说哪个更像云。

发明内容

有鉴于此，本发明提供了一种基于多特征层次化判决的光学遥感图像云判别方法，能够更准确的判别云和非云。

该基于多特征层次化判决的光学遥感图像云判别方法，包括以下步骤：

第一步，基于直方图进行预操作：提取解译对象的灰度直方图，并对灰度直方图进行截取，以去除奇异值；

所述截取为：从灰度级的最高位向下累加像素点，当累加的像素点之和达到预设值M时停止，也就是从高位截取M个像素点时对应的灰度级为上界F_h，同理从灰度级的低位向上累加像素值，当达到预设值N时停止，也就是从低位截取N个像素点时对应的灰度级为下界F_l；

第二步：将解译对象分为单一型和混合型；单一型是指对象中只含一种解译对象，而混合型是指一个对象中含有两种或两种以上解译对象；

第三步：对于混合型对象，利用方差标准比H’作为门限划分为确定混合型对象或不确定混合型对象；对于单一型对象和确定混合型对象利用灰度均值和云的覆盖率作为门限进行再分类，对于不确定混合型对象采用分类器进行再分类；

所述方差标准比H’为解译对象的灰度方差与灰度方差标准值H的比值，灰度方差标准值H为：假设截取后灰度直方图中所包含的像素均匀分布到截取后的灰度级上界F_h和下界F_l之间时的灰度方差；方差标准比H’越大表示越接近不确定混合型。

其中，第二步中，所述将解译对象分为单一型和混合型具体为：

利用第一步截取后的直方图提取解译对象的灰度方差和直方图非零宽度；该灰度方差和直方图非零宽度用于衡量解译对象中含有灰度级数的数量，含有灰度级数越多越接近混合型，则本步骤利用灰度方差和直方图非零宽度作为门限判断解译对象是单一型还是混合型。

其中，第三步中，所述对于单一型对象和确定混合型对象采用门限法进行再分类为：利用第一步截取后的直方图提取解译对象的灰度均值和云的覆盖率；利用提取的灰度均值和云的覆盖率作为门限对单一型对象进行再分类。

其中，第三步中，所述对于不确定混合型对象采用分类器进行再分类为：采用支持向量机分类器进行再分类。

有益效果：

（1）进行两次判决，第一次判决出单一型和混合型，如果是混合型，则利用方差标准比判决出属于确定混合型还是不确定混合型，对于单一型和确定混合型可以采用简单的门限法进行云或非云的再分类，如果是不确定混合型则再采用分类器进行再分类。可见，本发明通过二次分类，尽量采用简单的门限法进行云判，实在无法判别的再采用分类器进行云判，可以更加针对判决特别模糊的对象设计分类器，从而减小了数据处理量。而且简单门限法判决也是相对准确的。

（2）本发明对解译对象的灰度直方图进行截取处理，去除了奇异值，从而能够提高特征提取的准确性，继而提高判决的准确性。

附图说明

图1为本发明基于多特征层次化判决的光学遥感图像云判别方法的流程图。

具体实施方式