[发明专利]基于地表要素的遥感图像信息精细提取方法

说明书

本发明公开了一种基于地表要素的遥感图像信息精细提取方法，该方法包括：选取一幅高分辨率遥感图像进行遥感图像分割，分割后得到若干分割单元，每个分割单元被称为遥感图像对象；统计每个遥感图像对象内部的光谱直方图，光谱直方图作为遥感图像对象的第一分类特征；基于遥感图像对象内部的光谱直方图，对遥感图像对象进行曲线匹配算法的监督分类；根据遥感图像的初步分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录其初步分类结果的类别编号，提取遥感图像对象之间的空间关联性，空间关联性作为遥感图像对象的第二分类特征；将光谱直方图和空间关联性相联合，运用曲线匹配算法再次对遥感图像对象进行监督分类。

技术领域

本发明涉及卫星遥感图像提取技术领域，具体来说，涉及一种基于地表要素的遥感图像信息精细提取方法。

背景技术

高分辨率遥感图像的普及为地表要素的精细化监测提供了基础，如何有效地从高分辨率遥感图像中精确提取地表要素信息，是目前遥感领域的研究重点，面向对象的遥感图像分类（object-based image classification）是一种针对高分辨率遥感图像信息提取的方法，该方法先将遥感图像按照聚类规则划分为遥感图像对象，每个遥感图像对象内部的同质性高，相邻遥感图像对象间的异质性高，面向对象的遥感图像分类的最小单元是遥感图像对象，利用遥感图像对象的光谱、几何和结构等分类特征进行遥感图像分类，然而，当遥感图像的分辨率达到米级或亚米级，传统的面向对象的遥感图像分类方法出现了新的技术问题：第一是遥感图像对象内部的同质性减少，基于遥感图像对象的统计信息分类特征（如光谱均值、光谱标准差等）不再适用描述遥感图像对象；第二是遥感图像对象间的异质性减少、相关性增强，但遥感图像对象间的空间关联性没有被充分利用，目前，地表要素的提取大多是利用中低空间分辨率的遥感图像，针对高分辨率遥感图像的地表要素信息精细提取的方法较缺乏，传统的面向对象的遥感图像分类方法不适用于地表要素的精细提取，遥感图像分类特征中的地物光谱混淆是困扰地表要素精细提取的主要问题。

发明内容

针对相关技术中的上述技术问题，本发明提出一种基于地表要素的遥感图像信息精细提取方法，能够解决传统面向对象分类特征对地表要素提取精度不高的技术问题。

为实现上述技术目的，本发明的技术方案是这样实现的：一种基于地表要素的遥感图像信息精细提取方法，其特征在于，该方法包括以下步骤：

S1 选取一幅高分辨率遥感图像进行遥感图像分割，遥感图像分割后得到若干分割单元，每个分割单元被称为遥感图像对象；

S2 统计每个遥感图像对象内部的光谱直方图，光谱直方图作为遥感图像对象的第一分类特征，光谱直方图用于反映遥感图像对象内部的光谱异质性；

S3 基于遥感图像对象内部的光谱直方图，对遥感图像对象进行曲线匹配算法的监督分类，得到遥感图像的初步分类结果；

S4 根据遥感图像的初步分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录其初步分类结果的类别编号，提取遥感图像对象之间的空间关联性，空间关联性作为遥感图像对象的第二分类特征；

S5 将S2中得到的光谱直方图和S4中得到的空间关联性相联合，得到联合分类特征，并运用曲线匹配算法再次对遥感图像对象进行监督分类，得到遥感图像的再次分类结果；

S6 根据遥感图像的再次分类结果，对每个遥感图像对象在四个方向上的若干相邻的遥感图像对象记录分类结果的类别编号，提取空间关联性，并与光谱直方图联合得到联合分类特征，对联合分类特征进行曲线匹配算法的监督分类，直到满足监督分类停止条件，得到遥感图像的最终分类结果。

根据本发明的另一方面，所述S1中遥感图像分割进一步包含：

S1.1运用分形网络演化算法进行遥感图像分割，遥感图像分割后得到若干遥感图像对象。

根据本发明的另一方面，所述S2中遥感图像对象内部的光谱直方图进一步包含：