[发明专利]基于局部谱分解打分的MODIS卫星遥感图像标注方法

权利要求书

1.一种基于局部谱分解打分的MODIS卫星遥感图像标注方法，其特征在于：首先收集一定量的MODIS卫星遥感图像并人工标注出待分类预测的区域，然后对图像进行处理、分割和提取特征并训练分类器，最后在实际使用中利用训练完毕的分类器对待预测的图像块进行分类，进而得到完整的MODIS卫星遥感图像区域标注；具体包括人工标注训练样本步骤，样本特征提取与分类器训练步骤，MODIS卫星遥感图像概率预测与区域标注步骤；

所述人工标注训练样本步骤具体为：

步骤100，收集历年相同时间的MODIS卫星遥感图像；

步骤101，对收集的MODIS卫星遥感图像频段1做极地方位投影转换，并做同态滤波和直方图均衡化处理；

步骤102，对步骤101处理后的MODIS卫星遥感图像频段1，在MODIS29工具辅助下，勾勒出图像中的云区域，冰区域和海区域；

步骤103，对步骤102处理后的MODIS卫星遥感图像频段1，分别针对云区域和冰区域，人工鉴别厚冰、厚云、薄冰、薄云；

步骤104，对步骤101处理后的MODIS卫星遥感图像频段1，随机生成一组坐标点，提取以该点为中心的20*20大小的图像块，将步骤103中人工鉴别出的标记作为提取出的图像块的标记，并将厚冰区域和厚云区域归为同一类，薄冰区域和薄云区域归为同一类，海区域单独归为一类，从而得到大量带标记的20*20大小的频段1图像块；

步骤105，对收集的MODIS卫星遥感图像频段2，重复步骤101到步骤104，生成带标记的20*20频段2图像块，并与带标记的20*20频段1图像块一一对应，2个一组作为训练样本。

2.如权利要求1所述的基于局部谱分解打分的MODIS卫星遥感图像标注方法，其特征在于：所述样本特征提取与分类器训练的具体步骤为：

步骤200，以步骤104中提取并手工标记的20*20频段1图像块作为输入数据；

步骤201，将20*20的频段1图像旋转7个方向，分别是0°，15°，30°，45°，60°，75°，90°，得到对应的7张图像块，对每张图像块的灰度矩阵进行谱分解，每个矩阵得到其对应的一组特征值；

步骤202，针对步骤201中生成的一个矩阵的全部特征值，把这些特征值按降序排列，按顺序累加特征值，直到当前特征值之和达到所有特征值之和的90％为止，记录当前所需特征值的个数，记作N_i，N_i即为所处理矩阵对应的近似秩；

步骤203，针对步骤202中生成的近似秩，按序拼接7个方向近似秩的值，得到20*20频段1图像块对应的一个长度为7的向量；

步骤204，针对20*20频段2图像块，重复步骤200-203，生成20*20频段1图像块对应的一个长度为7的向量，并与步骤203中生成的向量拼接，作为近似秩特征；

步骤205，提取频段1与频段2图像块的综合光密度的均值、方差，作为光密度特征，与近似秩特征拼接，获得一对图像块的完整特征表示；

步骤206，利用人工标注的训练样本的特征表示和标记，使用RBF-SVM训练分类模型，选取最佳分类参数，得到分类器C。

3.如权利要求1所述的基于局部谱分解打分的MODIS卫星遥感图像标注方法，其特征在于：所述MODIS卫星遥感图像冰海云概率预测与区域标注的具体步骤为：

步骤300，收集待预测的MODIS卫星遥感图像；

步骤301，对MODIS卫星遥感图像频段1和频段2做极地方位投影转换，并做同态滤波和直方图均衡化处理；

步骤302，对步骤301处理后的MODIS卫星遥感图像频段1和频段2，每隔10个像素点为中心，截取20*20区域，针对该区域提取近似秩特征和光密度特征，获得一对图像块的完整特征表示；

步骤303,使用已训练完成的分类器C对每个图像块的完整特征表示进行分类，得到图像块的标记的概率分布，作为图像块的标注打分；

步骤304，对步骤301处理后的MODIS卫星遥感图像中每个像素点，将包含该点的小图像块的概率预测值进行平均，得到该点最终的海、厚冰厚云、薄冰薄云的概率预测结果；

步骤305，根据对每个像素点的概率预测，生成热力图。