[发明专利]一种基于边缘精度评价的分类结果优化方法

说明书

本发明公开了一种基于边缘精度评价的分类结果优化方法，具体包括以下步骤：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、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；本发明提出了一种基于边缘精度评价的分类结果优化方法，通过对遥感地物分类影像的边缘精度评价结果分析实现了自动化优化地物分类结果，并进一步提高影像地物边缘的分类精度。

技术领域

本发明属于遥感分类技术领域，尤其涉及一种基于边缘精度评价的分类结果优化方法。

背景技术

随着遥感领域分类技术的发展，越来越多的精度评价方法和分类优化算法被提出和应用。当前分类精度的评价指标有许多，比如基于像元的Kappa系数、F1分数等。分类优化方法有传统的数学统计方法、经典的机器学习方法和新兴的深度学习方法等。但现有的研究多针对单一尺度的整体的分类结果进行精度评价，这无法同时体现出地物边缘的局部特征和全局特征。同时，现有的研究很少将精度评价方法与分类优化方法结合使用。因此，本发明针对以上需求提出了一种基于边缘精度评价的分类结果优化方法。

发明内容

针对现有技术的不足，本发明提供了一种基于边缘精度评价的分类结果优化方法，解决了上述问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于边缘精度评价的分类结果优化方法，包括：

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。

在上述技术方案的基础上，本发明还提供以下可选技术方案：

进一步的技术方案：所述S1中：

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；

进一步的技术方案：所述S2中：

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；

进一步的技术方案：所述S3的具体步骤为：

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；

进一步的技术方案：所述S4的具体步骤为：

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；