[发明专利]一种基于马尔科夫随机场的高光谱遥感影像湿地分类方法

说明书

本发明公开了一种基于马尔科夫随机场的高光谱遥感影像湿地分类方法，包括：A、数据预处理及分类体系的确定。包括辐射定标、大气校正和正射校正及分类类别的确定。B、光谱特征增强方法的选择。利用导数光谱分析和对数光谱分析对影像变换，根据统计特征和类别可分性确定最佳的增强方法。C、数据降维方法的选择。选用主成分分析、独立成分分析和最小噪声分离三种方法对影像降维，根据统计特征和类别可分性确定最佳的降维方法。D、使用马尔科夫随机场(MRF)对影像进行分类。首先对处理后的影像进行预分类，接着基于MRF模型进行高光谱影像的分类，获取最终分类结果。本发明同时考虑了光谱信息和区域之间的约束性，提高了湿地分类的精度。

技术领域

本发明涉及使用卫星遥感影像的湿地分类方法，尤其涉及一种基于马尔科夫随机场的高光谱遥感影像湿地分类方法。

背景技术

湿地系统是全球自然生态环境的重要组成部分，与海洋、森林等并称为全球三大生态系统，在调节气候、补充地下水、蓄洪防旱、降解污染、土壤侵蚀控制等方面发挥着重要作用。遥感影像非接触式地获取数据信息，能够多时相大范围地对地物加以观测，因此利用遥感手段对入海口湿地进行分类识别，对促进湿地的可持续发展具有重要意义。

近年来，高光谱遥感技术发展迅速，相对于传统的多光谱图像范围内难以区分相似的光谱曲线，高光谱影像利用许多连续的相邻窄波段的波谱信息，利用高维度的优势从地物中获取图像信息，丰富的光谱信息和空间信息融合在一起，以数据立方体的结构记录更多的地物信息，它们之间亮度值在图像中有不同的区别，从而有助于提高分类的准确性。

传统高光谱图像的分类方法通过训练样本对高光谱图像上各类地物进行估计，再通过分类准则将各个像元分到相应类别，主要是应用像元的光谱特征进行分类。但是经研究发现，图像上空间位置相邻的像元属于同一类别的概率非常大，传统的分类方法并没有充分利用这一特征，因此通常得不到较好的分类结果。

发明内容

鉴于上述现有技术的不足，本发明提供的一种基于马尔科夫随机场的高光谱遥感影像湿地分类方法，该方法结合了空间特征，考虑区域之间的约束性，弥补了传统监督分类方法只应用像元的光谱特征进行分类的不足。该方法总体分类精度优于传统高光谱分类方法，可以用于高光谱数据的湿地分类。

为解决上述技术问题，本发明采用如下的技术方案：

一种基于马尔科夫随机场的高光谱遥感影像湿地分类方法，包括以下步骤：

A、数据的预处理以及分类体系的确定。对高光谱数据预处理，综合研究区实地调查结果和各种湿地分类原则，并结合研究区实际概况，确定研究区的分类系统，共包含8种湿地类型。

B、光谱特征增强方法的选择。利用导数光谱分析和对数光谱分析方法获取影像光谱变换的数据形式，通过对不同数据形式下统计特征和类别可分性的比较，确定最佳光谱增强方法的选择。

C、数据降维方法的选择。选用主成分分析(PCA)、独立成分分析(ICA)和最小噪声分离(MNF)3种数据降维方法对影像进行降维，并对降维结果的统计特征和类别可分性进行比较，评价三种降维方法的适用性和优劣程度，从而确定最佳数据降维方法。

D、使用马尔科夫随机场(MRF)的高光谱影像湿地分类。对数据完成光谱特征增强和降维处理后，先对处理后的影像进行预分类，在预分类的基础上，基于马尔科夫随机场模型进行高光谱影像的分类，获得最终分类结果。

所述的湿地分类方法，其中，所述步骤A具体的包括：在对遥感影像进行分析处理之前，需先进行预处理，消除或者减弱影像成像过程中的误差影响，为后续的研究工作提供高质量的遥感数据。预处理工作包括辐射定标、大气校正、正射校正。

所述的湿地分类方法，其中，所述步骤A具体的还包括：