[发明专利]一种基于一类归一化的遥感影像单类分类方法

说明书

技术领域

本发明涉及遥感信息提取领域，特别是遥感影像信息分析与应用。

背景技术

单类分类要求提取遥感影像中的某个特定类别，不考虑其他的地物类型，比如湿地提取、植被提取、水体提取等，已逐渐成为遥感信息提取领域研究的热点。目前，单类信息提取技术主要集中在两个方面，一是针对特定地物类别提取的特征选择与分析，二是单类分类器的设计。其中，特征选择与分析对所提取的类别有很强的针对性，如水体信息提取，有的方法结合图像的聚合、相邻等空间特征和高维波段映射的谱分析，通过自适应信息计算自动地调整提取参数，实现自动化的水体信息提取；又如植被信息提取，可利用比值运算创建的归一化差异植被指数特征提取植被信息。而利用单类分类器提取遥感影像中的兴趣类别，相关的研究还较少。一个常用的单类分类器是单类支持向量机(one-class support-vector machine，OCSVM)。OCSVM方法在高维空间中，寻找一个能将兴趣类别分开的具有最大间隔的超平面，它的缺点是自由参数的选择困难。在构造分类器过程中，除了兴趣类别样本外，未标记样本也提供了有用的信息，例如Transductive SVM(TSVM)方法，通过利用未标记样本可以得到较好的分类性能，TSVM方法需要设定迭代次数，而且需要已标记样本中的正样本和负样本两个方面。还有基于支持域描述的方法(support vector data div，SVDD)，利用一个包含目标数据的尽可能小的球体进行判别，由小样本训练就能得到较好的分类效果，SVDD方法的主要缺点也是参数设置比较复杂。还有PUL(positive and unlabeled learning)、MAXENT方法等单类分类器，都需要设置较复杂的参数，在实际应用中效果受到影响。

单类分类器不需要所有类别的训练样本，是一种特殊的分类方法，旨在训练和提取单一兴趣类别，可以用于特定类别提取(如海洋溢油面积提取)、遥感影像目标识别、变化检测(未变化作为背景)等，具有广泛的应用前景和重要的研究价值。

发明内容

本发明提供了一种基于一类归一化的遥感影像单类分类方法，其实施步骤如下：

(1)将n个波段的遥感影像A映射到n维特征空间，并选择兴趣类别样本。

(2)计算兴趣类别样本的协方差矩阵∑，并求出该协方差矩阵的特征向量矩阵Ф和特征值矩阵Δ。

(3)对映射到n维特征空间的影像A作变换Y＝Δ^-1/2Ф^TA，此时兴趣类别在特征空间n个方向上的方差都约为1。

(4)在影像变换后的坐标中，计算每个数据点到坐标中心的欧几里得距离D。

(5)如果距离D小于3，则该数据点判定属于兴趣类别，否则为非兴趣类别。

与其他单类分类技术相比，本发明具有0参数的优点，即不需要设置任何参数，直接进行单类分类，且效果良好，性能稳定。主要包括两个方面：

第一，根据兴趣类别的训练样本，计算协方差矩阵及其特征向量和特征值矩阵，并对整个遥感影像作基于兴趣类别的归一化变换，应用于遥感影像单类分类技术。该技术分类过程简单，不需要复杂的模型设计，在判断过程中仅需要计算欧几里得距离实现兴趣类别的提取。

第二，在类别判定过程中，固定选择距离阈值为3倍标准差，使得分类过程不再需要参数的设置。这个阈值的确定是在理论和实践测试的基础上得出的。

附图说明

图1是本发明的基于一类归一化的遥感影像单类分类流程图；

图2是本发明的TM影像变换前后各类别样本的二维分布；

图3是本发明的TM遥感影像变换前后的兴趣类别和非兴趣类别样本的二维散列图；

图4是本发明的TM遥感影像变换前的不同类别的提取精度随阈值变化的情况；

图5是本发明的TM遥感影像变换后的不同类别的提取精度随阈值变化的情况；

图6是本发明的TM实验数据(a)的单类分类结果；

图7是本发明的TM实验数据(b)的单类分类结果；

图8是本发明的另一实施例；

图9是本发明的方法和OCSVM方法对SPOT5影像中的各地物类别提取的实验结果对比。

具体实施方式