[发明专利]一种集成多源遥感数据的海岸带精细分类方法

说明书

本发明涉及一种集成多源遥感数据的海岸带精细分类方法，包括如下步骤：步骤1)对GF‑5高光谱影像进行预处理，包括辐射定标、大气校正、正射校正；步骤2)对预处理后的影像选择样本进行标记；步骤3)通过几何感知的降维方法对高光谱数据进行降维处理；步骤4)以经过预处理后的高光谱为依据，在待校正影像上选择控制点；步骤5)对降维后的高光谱数据与经过配准后的DEM数据、热红外数据以及坡度图层、坡向图层进行堆叠；步骤6)根据之前样本标签，用支持向量机对堆叠后的数据执行分类。本发明的有益效果是：结合多源影像，提高海岸带精细分类精度；提高分类精度。该方法灵活性强，具有较强的实用性。

技术领域

本发明基于多源遥感海岸带精细分类的方法，属于遥感影像分类领域。

背景技术

当前遥感技术的发展使得大面积对地观测能力成为可能。对遥感图像的解译一方面依靠影像的空间分辨率提高，另一方面依靠影像波谱分辨率的提高。全色和多光谱影像具有较高的空间分辨率而波谱分辨率不足而难以进行精细分类；高光谱具有较高的波谱分辨率，但是空间分辨率不足，同时存在光谱冗余问题。

目前海岸带精细分类大多仅仅依靠单一的高光谱数据进行分类，而部分类别依靠光谱信息区分度并不明显，加上海岸带地区地物类型复杂，此海岸带精细分类依旧具有一定的挑战。具体表现在以下几点：一是高光谱遥感存在大量数据冗余，光谱之间存在较强的相关性，导致计算量增大，同时地物光谱混合现象影响到了分类精度和分类结果；二是一些地物类型仅仅依靠光谱信息难以区分。

发明内容

本发明的目的在于克服上述不足，提出一种弥补当前海岸带精细分类缺陷，提高海岸带分类精度的集成多源遥感数据的海岸带精细分类方法。

这种集成多源遥感数据的海岸带精细分类方法，包括如下步骤：

S1.对GF-5高光谱影像进行预处理，包括辐射定标、大气校正、正射校正；

S2.对预处理后的影像选择样本进行标记；

S3.通过几何感知的降维方法对高光谱数据进行降维处理；

S4.以经过预处理后的高光谱为依据，在待校正影像上选择控制点，用影像对影像的方式对原始DEM影像和热红外影像进行配准，并分别裁剪出与高光谱相同的范围，最后由配准后的DEM数据生成坡度图层和坡向图层；

S5.对降维后的高光谱数据与经过配准后的DEM数据、热红外数据以及坡度图层、坡向图层进行堆叠；

S6.根据之前样本标签，用支持向量机对堆叠后的数据执行分类。

作为优选：所述步骤S3中，降维处理的具体步骤为：

S3.1首先对标记样本进行聚类，用N_w(x_i)表示与像元点x_i具有同一标签最邻近的聚类点；N_b(x_i)表示与像元点x_i具有不同标签的最邻近像元点，根据聚类结果构造判别函数；

其次，根据判别函数构造相关函数，表达式如下

A_ij＝g_w(x_i,x_j)-g_b(x_i,x_j)

其中A_ij为邻近点x_i与x_j之间的相关性；

S3.2通过构造损失函数尽量保留原有信息，同时加入S3.1中判别函数使得降维后空间更具有区分性，具体公式如下