[发明专利]一种光学遥感影像分类缺陷性检测方法

权利要求书

1.一种光学遥感影像分类缺陷性检测方法，包括以下步骤：

S1：准备所需检验数据及网络：根据需求确定待评价样本影像范围，并读取所需检测影像数据及数据对应地类分类信息矢量数据；

S2：逐块对样本影像进行分类置信度自动识别：通过结合被评价矢量对影像图幅进行掩膜提取，实现从复杂嵌套整图中提取单一地类整幅图斑，并展开卷积神经网络对单一地类影像的分类识别进而实现分类精度评价；

S3：分类置信度自动识别微调：通过分块评价方法，对影像进行分类置信度评价；

S4：存疑图斑筛选及图幅总体分类精度评价：基于整体评价，通过一个平衡后的单幅打分，构成一个影像图幅混淆矩阵，最终的影像图幅整体评价通过对分块图幅打分组成混淆矩阵形成Kappa系数构成的百分制总体评价打分。

2.根据权利要求1所述的光学遥感影像分类缺陷性检测方法，其特征在于：步骤S1中，影像数据应为栅格数据，矢量数据坐标投影应与栅格数据一致，并结合所采用的卷积神经网络模型确定影像数据的格式是否符合数据读取方式。

3.根据权利要求1所述的光学遥感影像分类缺陷性检测方法，其特征在于：步骤S2中，分块影像中包含两类甚至多类地类象元。

4.根据权利要求1所述的光学遥感影像分类缺陷性检测方法，其特征在于：步骤S3中，在实际精度评价过程中为隶属度最高的两个分类项作平滑内插作为联合参考项对最终识别方法进行修正：

其中i为第i幅影像，m为单一类型图幅总量，α、β分别为分权系数，t₁t₂分别为单幅图幅识别的TOP-2正确率，a为对单一地类的整体分类精度。

5.根据权利要求1所述的光学遥感影像分类缺陷性检测方法，其特征在于：步骤S3中，通过将TOP-2分类隶属度加入一个输出融合的分权系统对最终误差矩阵进行输入，实现对网络输出的充分利用及提高网络识别的准确度。

6.根据权利要求1所述的光学遥感影像分类缺陷性检测方法，其特征在于：步骤S5中，打分如下处理：0分-20分为E级，21分-40分为D级，41分-60分为C级，61分-80分为B级，81分-100分为A级。