[发明专利]一种基于代价敏感支持向量机的遥感图像自动解译方法

权利要求书

1.一种基于代价敏感支持向量机的遥感图像自动解译算法，具体的步骤包括：

A、基于费舍尔线性判别式分析的特征降维；

B、基于代价敏感支持向量机的分类；

C、基于择多滤波器的分类结果后处理。

2.根据权利请求1中的步骤A，其具体步骤包括如下内容：

步骤A1：对遥感图像数据的预处理，去除非法数据，如空值数据，负值数据等，补全缺失数据；

步骤A2：对预处理后的遥感图像数据进行特征处理，使用费舍尔线性判别式分析进行特征降维，使得不同类的数据样本尽可能的分开，既能够有利于提高之后分类的准确性，也可以降低数据的维度，减少训练和预测时间。

3.根据权利请求1中的步骤B，其具体步骤包括如下内容：

步骤B1：使用支持向量机进行遥感图像的自动解译。提取像元的六个波段值作为特征，不同的地物类型作为标号，然后使用支持向量机进行训练和分类；

步骤B2：训练数据中不同类别下的数据样本的数量相差很大(见图3)。为了解决这种不平衡分类问题，我们赋予稀有类以更高的分类惩罚权重，使用代价敏感支持向量机来提高稀有类的召回率，提高整体的解译效果；

步骤B3：训练数据中的地物类型有9种，传统的支持向量机只能进行二分类，为了使用支持向量机对多类别的遥感图像进行自动解译，我们采用一对多方法来组合多个二分类支持向量机，使其能够进行多类别的分类。

4.根据权利请求1中的步骤C，其具体步骤包括如下内容：

步骤C1：对支持向量机的分类结果进行平滑和过滤。基于像元的分类方法只考虑当前像元的分类，而不考虑其周围像元的分类结果，导致分类后的结果存在很多噪声，不够平滑，我们使用择多滤波器对分类后的结果进行平滑和去除噪声，使得某一个像元的分类类别为其周围固定大小窗口内的数量大于某个阀值的地物类别。