[发明专利]一种基于边缘精度评价的分类结果优化方法

权利要求书

1.一种基于边缘精度评价的分类结果优化方法，其特征在于，包括以下步骤：

S1、对输入影像的分类类型进行判断，区分单分类和多分类，若为多分类则进行分类提取转换为单分类；

S2、对单分类影像进行像元统计分析，判断影像类型；

S3、使用二值影像进行地物边缘精度评价，若影像为概率影像，则先对概率影像二值化，再进行地物边缘精度评价；

S4、对概率影像分值提取地物轮廓，若影像为二值影像则先进行对象分割、二值影像概率化将二值影像转换为概率影像；

S5、基于边缘精度评价结果对分类结果进行优化；

S6、对多分类影像的优化结果进行合并。

2.根据权利要求1所述的一种基于边缘精度评价的分类结果优化方法，其特征在于，所述S1的具体操作步骤为：输入影像，判断影像分类类型，若为多分类影像，则将多分类影像分类提取为多张单分类影像。

3.根据权利要求1所述的一种基于边缘精度评价的分类结果优化方法，其特征在于，所述S2的具体步骤包括：对单分类影像使用像元统计分析结果将其区分为概率影像或二值影像。

4.根据权利要求1所述的一种基于边缘精度评价的分类结果优化方法，其特征在于，所述S3的具体操作步骤为：

S301、若影像为概率影像，则先对概率影像二值化，再进行地物边缘精度评价；

S302、使用二值影像提取地物轮廓进行地物边缘精度评价，精度评价公式如下：

其中，N表示地物轮廓的像元数量，T表示样本影像，C表示分类影像。

5.根据权利要求1所述的一种基于边缘精度评价的分类结果优化方法，其特征在于，所述S4的具体操作步骤为：

S401、对概率影像逐值提取地物轮廓；

S402、若影像为二值影像则先进行对象分割、二值影像概率化将二值影像转换为概率影像；

S403、对象分割采用的方法是提取地物轮廓、对原影像进行裁剪，最终得到影像中所有的地物对象；

S404、二值影像概率化是在S403的基础上进行，采用的方法是参考样本地物将地物对象等比例放缩，放缩因子大小由已有样本影像与分类影像地物的大小比例决定。然后以地物重心点为中心，概率赋为0，以地物轮廓为边缘，概率赋为1，地物内部像元值则按照以下公式赋值：

其中，d为当前像元与地物重心点像元的距离，a为当前像元相对于重心点像元的方位角，D为当前方位角下的轮廓上的像元与重心点像元的距离。

6.根据权利要求1所述的一种基于边缘精度评价的分类结果优化方法，其特征在于，所述S5为基于边缘精度评价结果对分类结果进行优化,其主要原理为迭代寻找影像分类的局部最优阈值，最终找到全局最优阈值，然后根据最优阈值对分类结果进行优化。

7.根据权利要求1所述的一种基于边缘精度评价的分类结果优化方法，其特征在于，所述S6为若分类影像为多分类影像，在S1中已将其转换为单分类影像，因此在优化结束后需对单分类影像的优化结果进行合并。