[发明专利]一种高光谱地物分类识别方法

说明书

本发明涉及一种高光谱地物分类识别方法，包括以下步骤：对已知分类情况的遥感图像依次进行大气校正和几何校正，得到校正后的遥感图像；对校正后的遥感图像进行去噪处理，得到去噪后的遥感图像；对去噪后的遥感图像进行重组分批，得到重组后的遥感图像；对重组后的遥感图像使用构建的多层深度网络进行训练，提取出重组后的遥感图像的深层特征；将待分类识别图像通过构建的多层深度网络进行训练，得到待分类识别图像的深层特征，将待分类识别图像的深层特征与训练得到的深层特征进行比较，得到待分类识别图像的最终分类结果。本发明的地物分类识别方法能够快速的对高光谱遥感图像的数据进行预处理，并高精确度的对高光谱遥感图像进行地物分类。

技术领域

本发明涉及地物分类识别技术领域，具体地讲涉及一种高光谱地物分类识别方法。

背景技术

高光谱遥感技术利用先进的光谱成像技术，带来上百个波段高达分米级别分辨率的遥感数据，提供了异常丰富的光谱波段信息，为诸多民用领域，如森林土地资源调查,自然灾害观测、气象预报等提供了全新的解决方法。

然而，高光谱遥感数据相对普通数据而言，数据量大大增加，使得处理过程中耗费大量时间和服务器资源；同时，多达上百个波段的光谱数据造成高光谱遥感数据普遍存在“同物异谱，同谱异物”现象，使得地物分类很容易出现错分和漏分现象。

发明内容

根据现有技术中存在的问题，本发明提供了一种高光谱地物分类识别方法，能够快速的对高光谱遥感图像的数据进行预处理，并高精确度的对高光谱遥感图像进行地物分类。

为实现上述发明目的，本发明提供了一种高光谱地物分类识别方法，包括如下步骤：

S1，数据校正，对已知分类情况的遥感图像依次进行大气校正和几何校正，得到校正后的遥感图像；

S2，去噪处理，对校正后的遥感图像进行去噪处理，得到去噪后的遥感图像；

S3，重组分批，对去噪后的遥感图像进行重组分批，得到重组后的遥感图像；

S4，特征提取，对重组后的遥感图像使用构建的多层深度网络进行训练，提取出重组后的遥感图像的深层特征；

S5，分类识别，将待分类识别图像进行步骤S1、步骤S2和步骤S3，再通过步骤S4中所述的网络进行训练，得到待分类识别图像的深层特征，将待分类识别图像的深层特征与步骤S4中得到的深层特征进行比较，得到待分类识别图像的最终分类结果。

优选的，步骤S1中，所述遥感图像通过高光谱传感器获取，依次对遥感图像进行大气校正和几何校正；所述大气校正是指在ENVIClassic软件中对遥感图像的ConvertFileParameter参数进行设置使其辐射亮度值符合FLAASH要求，再通过MultispectralSettings进行多光谱设置，得到大气校正后的遥感图像；所述几何校正是指在ENVIClassic软件中通过调整UTM中的Zone的数值和Datum的参数，再在RegistrationParameters的对话框中对WrapMethod、Resampling和Background进行设置，完成对大气校正后的遥感图像的几何校正，得到校正后的遥感图像。

进一步优选的，步骤S2中，对校正后的遥感数图像进行去噪处理的公式如下：

其中c(x,y,t)为扩散系数；

当时：

当时：

当时：