專利名稱：一種遙感圖像分類方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)，尤其涉及一種遙感圖像分類方法及裝置。
背景技術(shù)：
目前，遙感圖像分類是獲取遙感圖像內(nèi)部信息的一種重要手段。遙感圖像分類的 目的是將圖像中每個(gè)像元根據(jù)其在不同波段的光譜亮度、空間結(jié)構(gòu)特征或者其他信息，按 照設(shè)定的規(guī)則或算法劃分為不同的類別。遙感圖像分類中兩種傳統(tǒng)方式為，硬分類方法和軟分類方法。硬分類方法(hard classifications)是一種像元級(jí)的圖像分類方法，它在分 類過(guò)程中把遙感圖像簡(jiǎn)單的看成都是由純凈像元組成，將每一個(gè)像元分為單一的土地覆 蓋類別。硬分類方法根據(jù)人工參與程度分為非監(jiān)督分類和監(jiān)督分類。Support vector machines (SVM，支撐向量機(jī))是Vapnik等人在1995提出的一種學(xué)習(xí)方法，是一種硬分類方 法，因其易用、穩(wěn)定和具有相對(duì)較高的精度而得到廣泛的應(yīng)用。硬分類過(guò)程中面臨的最大難題是“混合像元”現(xiàn)象，由于遙感圖像的數(shù)據(jù)結(jié)構(gòu)是具 有一定大小、面積的柵格像元，因此無(wú)論遙感衛(wèi)星的分辨率達(dá)到多高，柵格圖像如何細(xì)化， 一個(gè)像元所覆蓋的地理特征或地理現(xiàn)象都不只是一種類型，而是多種地物共同作用的結(jié) 果。因此，混合像元的存在是使用硬分類的傳統(tǒng)像元級(jí)遙感分類精度難以達(dá)到使用要求的 主要原因。為了提高遙感應(yīng)用的精度，就必須解決混合像元的分解問(wèn)題，使遙感應(yīng)用由像元 級(jí)達(dá)到亞像元級(jí)。軟分類方法(soft classifications)是一種亞像元級(jí)的圖像分類方法，針對(duì)遙感 圖像中的混合像元現(xiàn)象，根據(jù)光譜組成信息等，計(jì)算出每一個(gè)混合像元內(nèi)的土地覆蓋類別 組成百分比。Linear spectral mixture modeling(LSMM，線性光譜混合模型)是一種軟分 類方法，能夠很好的解決光譜混合問(wèn)題，因此它被廣泛的應(yīng)用于提取混合像元各個(gè)組成部 分的豐度。軟分類過(guò)程中面臨的主要問(wèn)題是對(duì)于純凈目標(biāo)區(qū)域分類不準(zhǔn)確的問(wèn)題，由于軟分 類方法在整個(gè)分類過(guò)程中將圖像中的所有像元全部當(dāng)作混合像元來(lái)分解，因此產(chǎn)生的分類 結(jié)果都是以豐度的形式表達(dá)，對(duì)于純凈區(qū)域的像元也同樣使用百分比的形式，所以容易造 成分類誤差。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供一種遙感圖像分類方法及裝置，以提高遙感圖像的分類精度。一種遙感圖像分類方法，包括通過(guò)設(shè)置合適的閾值，將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域 和非目標(biāo)地物區(qū)域三個(gè)區(qū)域，其中，像元中僅包括目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物純凈區(qū)域，像 元中包括部分目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物混合區(qū)域，像元中僅包括非目標(biāo)地物的區(qū)域?yàn)榉悄繕?biāo)地物區(qū)域；使用硬分類方法對(duì)所述目標(biāo)地物純凈區(qū)域和所述非目標(biāo)地物區(qū)域進(jìn)行分類，獲得 目標(biāo)地物純凈區(qū)域分類結(jié)果和非目標(biāo)地物區(qū)域分類結(jié)果，使用軟分類方法對(duì)所述目標(biāo)地物 混合區(qū)域進(jìn)行分類，獲得目標(biāo)地物混合區(qū)域分類結(jié)果；結(jié)合所述目標(biāo)地物純凈區(qū)域分類結(jié)果、所述目標(biāo)地物混合區(qū)域分類結(jié)果和所述非 目標(biāo)地物區(qū)域分類結(jié)果，獲得所述遙感圖像的分類結(jié)果。相應(yīng)的，一種遙感圖像分類裝置，包括區(qū)域劃分單元，用于將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和 非目標(biāo)地物區(qū)域三個(gè)區(qū)域，其中，像元中僅包括目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物純凈區(qū)域，像元 中包括部分目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物混合區(qū)域，像元中僅包括非目標(biāo)地物的區(qū)域?yàn)榉悄?標(biāo)地物區(qū)域。分類單元，用于使用硬分類方法對(duì)所 述目標(biāo)地物純凈區(qū)域和所述非目標(biāo)地物區(qū)域 進(jìn)行分類，使用軟分類方法對(duì)所述目標(biāo)地物混合區(qū)域進(jìn)行分類；分類結(jié)果確定單元，用于結(jié)合所述目標(biāo)地物純凈區(qū)域、所述目標(biāo)地物混合區(qū)域和 所述非目標(biāo)地物區(qū)域的分類結(jié)果，獲得所述遙感圖像的分類結(jié)果。本發(fā)明實(shí)施例提供一種遙感圖像分類方法及裝置，根據(jù)目標(biāo)地物的覆蓋情況，對(duì) 遙感圖像進(jìn)行目標(biāo)地物分布區(qū)域的劃分，劃分出目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和 非目標(biāo)地物區(qū)域，然后對(duì)目標(biāo)地物純凈區(qū)域和非目標(biāo)地物區(qū)域使用硬分類算法進(jìn)行分類， 對(duì)目標(biāo)地物混合區(qū)域使用軟分類算法進(jìn)行分類，再將各區(qū)域的分類結(jié)果結(jié)合起來(lái)作為遙感 圖像分類結(jié)果。由于對(duì)純凈區(qū)域和混合區(qū)域各采取了合適的分類方法進(jìn)行分類，進(jìn)而提高 了遙感圖像的分類精度。


圖1為本發(fā)明實(shí)施例提供的遙感圖像分類方法流程圖；圖2為本發(fā)明實(shí)施例提供的Tl值和T2值確定方法流程圖；圖3為本發(fā)明實(shí)施例提供的訓(xùn)練樣本選擇方法流程圖；圖4為本發(fā)明實(shí)施例提供的遙感圖像分類裝置結(jié)構(gòu)示意圖；圖5為現(xiàn)有技術(shù)中使用硬分類方法的分類結(jié)果示意圖；圖6為現(xiàn)有技術(shù)中使用軟分類方法的分類結(jié)果示意圖；圖7為本發(fā)明實(shí)施例中使用本發(fā)明實(shí)施例提供的遙感圖像分類方法的分類結(jié)果 示意圖。
具體實(shí)施例方式本發(fā)明實(shí)施例提供一種遙感圖像分類方法及裝置，根據(jù)目標(biāo)地物的覆蓋情況，對(duì) 遙感圖像進(jìn)行目標(biāo)地物分布區(qū)域的劃分，劃分出目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和 非目標(biāo)地物區(qū)域，然后對(duì)目標(biāo)地物純凈區(qū)域和非目標(biāo)地物區(qū)域使用硬分類算法進(jìn)行分類， 對(duì)目標(biāo)地物混合區(qū)域使用軟分類算法進(jìn)行分類，再將各區(qū)域的分類結(jié)果結(jié)合起來(lái)作為遙感 圖像分類結(jié)果。由于對(duì)純凈區(qū)域和混合區(qū)域各采取了合適的分類方法進(jìn)行分類，進(jìn)而提高 遙感圖像的分類精度。
如圖1所示，本發(fā)明實(shí)施例提供的遙感圖像分類方法，包括 步驟S101、將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和非目標(biāo)地 物區(qū)域三個(gè)區(qū)域，其中，像元中僅包括目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物純凈區(qū)域，像元中包括部 分目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物混合區(qū)域，像元中僅包括非目標(biāo)地物的區(qū)域?yàn)榉悄繕?biāo)地物區(qū) 域；步驟S102、使用硬分類方法對(duì)目標(biāo)地物純凈區(qū)域和非目標(biāo)地物區(qū)域進(jìn)行分類，使 用軟分類方法對(duì)目標(biāo)地物混合區(qū)域進(jìn)行分類；步驟S103、結(jié)合目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和非目標(biāo)地物區(qū)域的分類 結(jié)果，獲得遙感圖像的分類結(jié)果。由于在步驟SlOl中，將遙感圖像劃分成了目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域 和非目標(biāo)地物區(qū)域三個(gè)區(qū)域，并在步驟S102中采用了合適的分類方法分別對(duì)各個(gè)區(qū)域進(jìn) 行分類，進(jìn)而提高了分類精度。在步驟SlOl中，將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和非目 標(biāo)地物區(qū)域三個(gè)區(qū)域，在具體劃分時(shí)，可以通過(guò)目視的方法進(jìn)行人為的劃分，也可以通過(guò)預(yù) 先設(shè)定的規(guī)則進(jìn)行劃分，本發(fā)明實(shí)施例提供一種劃分方法，預(yù)先設(shè)定非目標(biāo)地物閾值Tl以 及目標(biāo)地物閾值T2，并認(rèn)為像元值小于Tl的像元屬于非目標(biāo)地物區(qū)域，像元值大于T2的 像元屬于目標(biāo)地物純凈區(qū)域，像元值介于Tl和T2之間的像元屬于目標(biāo)地物混合區(qū)域。具 體的當(dāng)像元的像元值小于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl時(shí)，確定像元屬于非目標(biāo)地物 區(qū)域；當(dāng)像元的像元值大于預(yù)先設(shè)定的目標(biāo)地物閾值T2時(shí)，確定像元屬于目標(biāo)地物純凈區(qū) 域；當(dāng)像元的像元值大于或等于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl并且小于或等于預(yù)先設(shè)定 的目標(biāo)地物閾值T2時(shí)，確定像元屬于目標(biāo)地物混合區(qū)域?；蛘咭部梢援?dāng)像元的像元值小于 或等于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl時(shí)，確定像元屬于非目標(biāo)地物區(qū)域；當(dāng)像元的像元值 大于或等于預(yù)先設(shè)定的目標(biāo)地物閾值T2時(shí)，確定像元屬于目標(biāo)地物純凈區(qū)域；當(dāng)像元的像 元值大于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl并且小于預(yù)先設(shè)定的目標(biāo)地物閾值T2時(shí)，確定像 元屬于目標(biāo)地物混合區(qū)域。其中，Tl和T2可以根據(jù)經(jīng)驗(yàn)進(jìn)行設(shè)定，且0 < Tl < T2 < 1，像 元值為像元為目標(biāo)地物的概率值。由于每個(gè)遙感圖像都有自身的地域特點(diǎn)，若單純的根據(jù)經(jīng)驗(yàn)值設(shè)定Tl和T2則可 能會(huì)對(duì)區(qū)域劃分的精確度有一定影響，當(dāng)根據(jù)每個(gè)遙感圖像自身的特點(diǎn)來(lái)設(shè)定Tl和T2的 值時(shí)，則會(huì)進(jìn)一步提高區(qū)域劃分的精度，進(jìn)而進(jìn)一步提高遙感圖像的分類精度。本發(fā)明實(shí)施例相應(yīng)提供一種確定非目標(biāo)地物閾值Tl和目標(biāo)地物閾值T2的方法， 如圖2所示，包括步驟S201、確定對(duì)遙感圖像進(jìn)行硬分類后的圖像C，以及確定遙感圖像中每個(gè)像 元的像元值；步驟S202、遍歷圖像C，當(dāng)?shù)趖個(gè)像元的硬分類值為0且以該像元為中心的m*m個(gè) 像元的硬分類值總和不為0，則認(rèn)為該像元為非目標(biāo)地物的邊緣像元，當(dāng)?shù)趖個(gè)像元的硬分 類值為1且以該像元為中心的m*m個(gè)像元的硬分類值總和不為m*m，則認(rèn)為該像元為目標(biāo)
地物的邊緣像元，其中，t = 1,2,3......s，s為遙感圖像中的總像元個(gè)數(shù)，m為大于1的奇
數(shù)；步驟S203、確定Tl值為遙感圖像中所有非目標(biāo)地物的邊緣像元的像元均值，確定T2值為遙感圖像中所有目標(biāo)地物的邊緣像元的像元均值，其中，像元均值為像元值的平均
值。 在步驟S202中，當(dāng)m為奇數(shù)時(shí)，可以唯一確定一個(gè)中心像元，以該中心像元的硬分 類值和以該像元為中心的m*m個(gè)像元的硬分類值總和來(lái)確定這個(gè)中心像元是否為非目標(biāo) 地物的邊緣像元或目標(biāo)地物的邊緣像元。m的值可以根據(jù)遙感圖像的實(shí)際情況來(lái)設(shè)定，當(dāng)遙 感圖像本身較大，且其中的地物覆蓋均勻、地物面積較大時(shí)，可以將m設(shè)置的較大，當(dāng)遙感 圖像本身較小，且地物覆蓋變化較多時(shí)，則可以將m設(shè)置的較小，通常情況下3彡m彡9較 好，對(duì)于一般的遙感圖像，將m值設(shè)置為3時(shí)，所確定出的Tl值和T2值可以對(duì)遙感圖像進(jìn) 行較佳的區(qū)域劃分。具體的，以m為3的情況距離進(jìn)行說(shuō)明在計(jì)算Tl和T2時(shí)，首先對(duì)遙感圖像進(jìn)行 硬分類，獲取硬分類后的圖像C和圖像R。其中，圖像C為目標(biāo)地物01值圖像，0值代表非 目標(biāo)地物，1值代表目標(biāo)地物，圖像R為目標(biāo)地物規(guī)則圖像，像元的像元值代表該像元?dú)w屬 目標(biāo)地物的概率，在圖像C中，像元為目標(biāo)地物時(shí)，該像元的硬分類值為1，像元為非目標(biāo)地 物時(shí)，該像元的硬分類值為0。以3X3大小的窗口遍歷圖像C，如果第t個(gè)像元作為3X3大小的窗口的中心(t =l，2，3...s，s為圖像C中的總像元個(gè)數(shù))滿足公式(1)，則認(rèn)為該第t個(gè)像元為非目標(biāo) 地物的邊緣像元，遍歷完成后，記錄所有非目標(biāo)地物的邊緣像元，計(jì)算圖像R中，所有非目 標(biāo)地物的邊緣像元的像元均值，即Tl ；Wcenter = 0
9 (1 )YjWx^O
x=l如果第t個(gè)像元作為3X3大小的窗口的中心滿足公式(2)，則認(rèn)為該第t個(gè)像元 屬于目標(biāo)地物的邊緣E’t，遍歷完成后，記錄E’Ji置中的所有像元，計(jì)算圖像R中，在目標(biāo) 地物的邊緣E’ t位置中所有像元的像元均值，即T2 ；Wcenter = 1
9 (2 )YjWx
x=l式(1)、⑵中WCmtCT表示3X3大小的窗口的中心像元的硬分類值；WX表示3X3 窗口中的9個(gè)像元中的第χ個(gè)像元的硬分類值。根據(jù)遙感圖像的成像原理，目標(biāo)地物混合區(qū)域中的像元一般分布在目標(biāo)地物與其 他地物的邊界地區(qū)，因此利用上述方法能夠快速準(zhǔn)確的劃分目標(biāo)地物分布區(qū)域。在本發(fā)明實(shí)施例中，硬分類方法可以采用支撐向量機(jī)分類方法，軟分類方法可以 采用線性光譜混合模型分類方法，當(dāng)然，本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際情況采用其它的硬 分類方法和軟分類方法，例如最大似然分類法和非線性混合光譜模型法。下面簡(jiǎn)單介紹一下本發(fā)明實(shí)施例所使用的支撐向量機(jī)分類方法和線性光譜混合 模型分類方法支撐向量機(jī)這種硬分類方法最初是從二元分類器發(fā)展而來(lái)，本發(fā)明實(shí)施例采用根 據(jù)支撐向量機(jī)二元分類器概率輸出估計(jì)多類概率的方法。假設(shè)所需分類的區(qū)域可分為N 類，對(duì)任意i，j兩類生成SVM 二元分類器，共可生成Ν(Ν-1)/2個(gè)二元分類器。每一個(gè)二元分類器可以估計(jì)某像元屬于第i類的條件概率rij = P(y= i |y = i or j)。因此滿 足
權(quán)利要求
1.一種遙感圖像分類方法，其特征在于，包括將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和非目標(biāo)地物區(qū)域三個(gè)區(qū) 域，其中，像元中僅包括目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物純凈區(qū)域，像元中包括部分目標(biāo)地物的 區(qū)域?yàn)槟繕?biāo)地物混合區(qū)域，像元中僅包括非目標(biāo)地物的區(qū)域?yàn)榉悄繕?biāo)地物區(qū)域；使用硬分類方法對(duì)所述目標(biāo)地物純凈區(qū)域和所述非目標(biāo)地物區(qū)域進(jìn)行分類，獲得目標(biāo) 地物純凈區(qū)域分類結(jié)果和非目標(biāo)地物區(qū)域分類結(jié)果，使用軟分類方法對(duì)所述目標(biāo)地物混合 區(qū)域進(jìn)行分類，獲得目標(biāo)地物混合區(qū)域分類結(jié)果；結(jié)合所述目標(biāo)地物純凈區(qū)域分類結(jié)果、所述目標(biāo)地物混合區(qū)域分類結(jié)果和所述非目標(biāo) 地物區(qū)域分類結(jié)果，獲得所述遙感圖像的分類結(jié)果。
2.如權(quán)利要求1所述的方法，其特征在于，所述將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、 目標(biāo)地物混合區(qū)域和非目標(biāo)地物區(qū)域三個(gè)區(qū)域，具體包括當(dāng)像元的像元值小于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl時(shí)，確定所述像元屬于非目標(biāo)地 物區(qū)域；當(dāng)像元的像元值大于預(yù)先設(shè)定的目標(biāo)地物閾值T2時(shí)，確定所述像元屬于目標(biāo)地物純 凈區(qū)域；當(dāng)像元的像元值大于或等于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl并且小于或等于預(yù)先設(shè)定 的目標(biāo)地物閾值T2時(shí)，確定所述像元屬于目標(biāo)地物混合區(qū)域，其中0 < Tl < T2 < 1，所述 像元值為所述像元為目標(biāo)地物的概率值。
3.如權(quán)利要求1所述的方法，其特征在于，所述將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、 目標(biāo)地物混合區(qū)域和非目標(biāo)地物區(qū)域三個(gè)區(qū)域，具體包括當(dāng)像元的像元值小于或等于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl時(shí)，確定所述像元屬于非 目標(biāo)地物區(qū)域；當(dāng)像元的像元值大于或等于預(yù)先設(shè)定的目標(biāo)地物閾值T2時(shí)，確定所述像元屬于目標(biāo) 地物純凈區(qū)域；當(dāng)像元的像元值大于預(yù)先設(shè)定的非目標(biāo)地物閾值Tl并且小于預(yù)先設(shè)定的目標(biāo)地物閾 值T2時(shí)，確定所述像元屬于目標(biāo)地物混合區(qū)域，其中0 < Tl < T2 < 1，所述像元值為所述 像元為目標(biāo)地物的概率值。
4.如權(quán)利要求2或3所述的方法，其特征在于，所述非目標(biāo)地物閾值Tl和所述目標(biāo)地 物閾值T2的設(shè)定方法包括確定對(duì)所述遙感圖像進(jìn)行硬分類后的圖像C，以及確定所述遙感圖像中每個(gè)像元的像 元值；遍歷所述圖像C，當(dāng)?shù)趖個(gè)像元的硬分類值為0且以該像元為中心的m*m個(gè)像元的硬分 類值總和不為0，則認(rèn)為該像元為非目標(biāo)地物的邊緣像元，當(dāng)?shù)趖個(gè)像元的硬分類值為1且 以該像元為中心的m*m個(gè)像元的硬分類值總和不為m*m，則認(rèn)為該像元為目標(biāo)地物的邊緣像元，其中，t = 1，2，3......s，所述s為所述遙感圖像中的總像元個(gè)數(shù)，所述m為大于1的奇數(shù)；確定所述Tl值為所述遙感圖像中所有非目標(biāo)地物的邊緣像元的像元均值，確定所述 T2值為所述遙感圖像中所有目標(biāo)地物的邊緣像元的像元均值。
5.如權(quán)利要求4所述的方法，其特征在于，所述m值為3。
6.如權(quán)利要求1所述的方法，其特征在于，所述硬分類方法為支撐向量機(jī)分類方法；所 述軟分類方法為線性光譜混合模型分類方法。
7.如權(quán)利要求1所述的方法，其特征在于，所述將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、 目標(biāo)地物混合區(qū)域和非目標(biāo)地物區(qū)域三個(gè)區(qū)域之前，還包括確定所述遙感圖像中每個(gè)地物類型的訓(xùn)練樣本。
8.如權(quán)利要求7所述的方法，其特征在于，所述確定所述遙感圖像中每個(gè)地物類型的 訓(xùn)練樣本，具體包括通過(guò)非監(jiān)督分類方法將所述遙感圖像中的地物類別分為預(yù)先設(shè)定的類別數(shù)；對(duì)比所述非監(jiān)督分類結(jié)果與所述遙感圖像，確定每一類別的地物類型；對(duì)所述遙感圖像中確定為純凈地物的區(qū)域進(jìn)行賦值，剔除難以判定的區(qū)域并建立初步 訓(xùn)練樣本集；在所述初步訓(xùn)練樣本集中，針對(duì)每一種地物類型，隨機(jī)選擇設(shè)定數(shù)量的像元作為該地 物類型的訓(xùn)練樣本。
9.一種遙感圖像分類裝置，其特征在于，包括區(qū)域劃分單元，用于將遙感圖像劃分為目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和非目 標(biāo)地物區(qū)域三個(gè)區(qū)域，其中，像元中僅包括目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物純凈區(qū)域，像元中包 括部分目標(biāo)地物的區(qū)域?yàn)槟繕?biāo)地物混合區(qū)域，像元中僅包括非目標(biāo)地物的區(qū)域?yàn)榉悄繕?biāo)地 物區(qū)域；分類單元，用于使用硬分類方法對(duì)所述目標(biāo)地物純凈區(qū)域和所述非目標(biāo)地物區(qū)域進(jìn)行 分類，使用軟分類方法對(duì)所述目標(biāo)地物混合區(qū)域進(jìn)行分類；分類結(jié)果確定單元，用于結(jié)合所述目標(biāo)地物純凈區(qū)域、所述目標(biāo)地物混合區(qū)域和所述 非目標(biāo)地物區(qū)域的分類結(jié)果，獲得所述遙感圖像的分類結(jié)果。
10.如權(quán)利要求9所述的裝置，其特征在于，還包括訓(xùn)練樣本確定單元，用于確定所述遙感圖像中每個(gè)地物類型的訓(xùn)練樣本。
全文摘要
本發(fā)明公開了一種遙感圖像分類方法及裝置，涉及圖像處理技術(shù)，根據(jù)目標(biāo)地物的覆蓋情況，對(duì)遙感圖像進(jìn)行目標(biāo)地物分布區(qū)域的劃分，劃分出目標(biāo)地物純凈區(qū)域、目標(biāo)地物混合區(qū)域和非目標(biāo)地物區(qū)域，然后對(duì)目標(biāo)地物純凈區(qū)域和非目標(biāo)地物區(qū)域使用硬分類算法進(jìn)行分類，對(duì)目標(biāo)地物混合區(qū)域使用軟分類算法進(jìn)行分類，再將各區(qū)域的分類結(jié)果結(jié)合起來(lái)作為遙感圖像分類結(jié)果。由于對(duì)純凈區(qū)域和混合區(qū)域各采取了合適的分類方法進(jìn)行分類，進(jìn)而提高遙感圖像的分類精度。根據(jù)本發(fā)明，能夠有效解決混合像元問(wèn)題，并且充分結(jié)合了傳統(tǒng)的硬分類方法和軟分類方法各自的優(yōu)勢(shì)，大幅提高圖像分類精度。
文檔編號(hào)G06K9/62GK102073867SQ201010608160
公開日2011年5月25日 申請(qǐng)日期2010年12月27日 優(yōu)先權(quán)日2010年12月27日
發(fā)明者何浩, 張錦水, 朱文泉, 潘耀忠, 胡潭高 申請(qǐng)人:北京天合數(shù)維科技有限公司, 北京師范大學(xué)