[发明专利]一种基于规则挖掘的卫星遥感图像分类方法

摘要

一种基于规则挖掘的卫星遥感图像分类方法，本发明首先对每幅卫星遥感图像进行多通道小波变换，提取图像的每个通道的小波变换系数的模的均值和方差组成纹理特征，所有卫星遥感图像的纹理特征构成纹理特征集；然后对纹理特征集进行类关联规则挖掘，直接挖掘特征集和类别集之间的相互关系，从而选择出最有效的特征结果集；最后用决策树分类。本发明方法简单，能够大幅度降低星上遥感图像特征集的复杂度，同时分类准确率非常高，可应用于星上遥感图像数据库的快速处理分发，是一种普适性很强的工程方法。

主权项

一种基于规则挖掘的卫星遥感图像分类方法，其特征在于步骤如下：(1)对每幅卫星遥感图像进行多通道小波变换，提取每一幅卫星遥感图像每个通道小波变换系数模的均值和方差组成该幅图像的纹理特征，所有卫星遥感图像的纹理特征构成纹理特征集；(2)挖掘步骤(1)中获得的纹理特征集和卫星遥感图像类别之间的所有关联规则，关联规则的支持度定义如下：support(Features⇒Classes)=P(Features∪Classes)]]>关联规则的置信度定义如下：confidence(Features⇒Classes)=P(Classes|Features)]]>设定最小支持度阈值A和最小置信度阈值B，同时满足最小支持度阈值和最小置信度阈值的关联规则为强关联规则，保留所有强关联规则，构成强关联规则集合；(3)对步骤(2)中强关联规则集合中的强关联规则的优先次序进行排列，具体为：(3a)根据规则长度对强关联规则集合进行升序排列，短规则优先于长规则；(3b)根据置信度大小对步骤(3a)已排序的强关联规则集合中相同优先级的强关联规则进行降序排列，置信度大的规则优先于置信度小的规则；(3c)根据支持度大小对步骤(3b)已排序的强关联规则集合中相同优先级的强关联规则进行降序排列，支持度大的规则优先于支持度小的规则；(4)从步骤(3)中优先级排序后的强关联规则集中取出优先级最高的强关联规则，将优先级最高的强关联规则中的所有纹理特征作为本次特征选择的结果，添加到特征选择结果集中，用决策树分类器对该特征结果集进行分类测试，得到分类准确率；所述特征选择结果集初始设定为空集合，包含历次特征选择的所有纹理特征；(5)将步骤(4)中选择出的纹理特征从步骤(1)中的纹理特征集合中删除；重复步骤(2)～步骤(4)，得到当前特征选择的特征结果集和分类准确率，并将当前特征选择的分类准确率与上一次特征选择的分类准确率进行比较，若本次特征选择的分类准确率小于等于上一次特征选择的分类准确率，且特征选择的次数大于等于类数目，则特征选择结束；(6)利用决策树分类器和步骤(5)特征结果集中的纹理特征对卫星遥感图像进行分类。