[发明专利]基于真实似然特征的多分辨率遥感图像复合分类方法

摘要

本发明为一种基于真实似然特征的多分辨率遥感图像复合分类方法，包括以下步骤，首先，进行局部训练区域内的配准，其次，进行真实似然分布提取，然后，进行真实似然特征提取，最后，进行遥感图像复合监督分类；本方法综合利用多分辨率遥感图像，构建高低分辨率遥感图像像元间多对一空间关系，获得低分辨率图像像元内的地物分布状况，分析空间分辨率退化对地表状况刻画所产生的影响，从而解决高精度的广域低分辨率遥感图像的分类问题。

主权项

1.基于真实似然特征的多分辨率遥感图像复合分类方法，包括以下步骤，步骤一，进行局部训练区域内的配准：首先，选择一个或者一个以上同时具有高低分辨率图像且包含各类地物类别的局部区域作为训练区域，其次，根据高低分辨率图像的分辨率比例关系对高分辨率图像进行分辨率整数倍率调整，使得高低分辨率比例为整数倍，最后，对高低分辨率图像进行局部空间配准；步骤二，进行真实似然分布提取：首先，提取低分辨率图像的光谱特征，其次，对高分辨率图像进行无监督分类，最后，利用高低分辨率图像间空间多对一关系获得真实似然分布；步骤三，进行真实似然特征提取：在真实似然分布基础上进一步提取真实似然特征，由公式(1)，公式(2)和公式(3)分别求取平滑似然期望值ML_lc(x)、平滑方差VL_lc(x)和归一化样本数量N_w(x)；MLlc(x)=1ZΣxi∈x±wLlc(xi)*κ(xi,x)---(1)]]>VLlc(x)=1ZΣxi∈x±w(Llc(xi)-MLlc(x))2*κ(xi,x)---(2)]]>Nw(x)=n(x)Σxn(x)---(3)]]>其中，w是平滑窗宽；是所有样本的归一化因子，是平滑窗函数，按距离调整邻近样本的影响权重，n(x)是该光谱特征值对应的样本数量；步骤四，进行遥感图像复合监督分类：利用真实似然特征提取模型获取低分辨率遥感图线的分类特征，利用监督分类方法在局部高低分辨率遥感图像配准区域内对分类模型进行训练，并将训练好的监督分类模型推广至整个低分辨率图像覆盖区域，对广域低分辨率图像进行分类。