[发明专利]一种基于光谱与纹理特征的多光谱遥感图像地物分类方法

权利要求书

1.一种基于光谱与纹理特征的多光谱遥感图像地物分类方法，其特征在于包括如下步骤：

步骤（1）、典型地物样本库的建立：根据需要分类的地物类型，在同一卫星多光谱图像中选取每种地物的32×32像素的样本图像块50—100个，构成样本库；

步骤（2）、典型地物特征提取与归一化处理：对每个样本图像块提取光谱特征与纹理特征，分别统计出每种光谱、纹理特征的最大值与最小值，并进行归一化处理；

步骤（3）、SVM分类器训练：对每个样本图像块，将其归一化后的光谱与纹理特征形成一个特征向量，将其对应的地物类型形成另一个向量，作为训练样本输入到SVM中，得到SVM分类器；

步骤（4）、分块的特征选取与准则制定：根据对样本库中地物的区分能力，采用启发式方法从光谱特征、纹理特征中分别选择能有效区分地物的2-3个特征，并采用欧氏距离制定四叉树的分块准则；

步骤（5）、待分类图像的分块：从待分类图像的左上角开始，对每个64×64像素的图像块采用四叉树进行分块，得到待分类图像块；

步骤（6）、待分类图像的地物分类：分别计算每个待分类图像块的光谱特征与纹理特征，进行归一化处理后输入到SVM分类器，得到待分类图像块的地物类型；

步骤（7）、边界块处理：在地物分类的边缘，选取与边缘相邻的8×8图像块，按光谱特征采用区域增长方法形成1-3个区域，根据光谱特征欧氏距离合并到相似周围图像块。

2.如权利要求1所述的基于光谱与纹理特征的多光谱遥感图像地物分类方法，其特征在于：所述步骤（2）中，光谱特征主要包括各个波段的光谱值、波段间的比值、地物指数，纹理特征主要包括边缘丰度以及基于灰度共生矩的能量、相关性和熵，边缘丰度为边缘点与像素点的比值，其中边缘点是采用Sobel算子得到。

3.如权利要求1所述的基于光谱与纹理特征的多光谱遥感图像地物分类方法，其特征在于：所述步骤（3）中，采用光谱或纹理特征的阈值作为四叉树的分块准则，其中，光谱特征阈值的要求为：在欧氏距离取值范围内统计不同值在判断样本图像库中不同地物差异性的正确率，选择正确率最高的值作为光谱特征分块的阈值。

4.如权利要求1所述的基于光谱与纹理特征的多光谱遥感图像地物分类方法，其特征在于：所述步骤（7）中，在四叉树分块中，对图像块最多进行4级分块，最小分块为8×8像素。

5.如权利要求1所述的基于光谱与纹理特征的多光谱遥感图像地物分类方法，其特征在于：所述步骤（7）中，对于非拐角边缘，取其上下或左右的2个8×8像素的图像块，对于拐角边缘取其周围4个8×8像素的图像块。