两个人的电影免费视频_国产精品久久久久久久久成人_97视频在线观看播放_久久这里只有精品777_亚洲熟女少妇二三区_4438x8成人网亚洲av_内谢国产内射夫妻免费视频_人妻精品久久久久中国字幕

面向?qū)ο蟾呖臻g分辨率遙感信息提取的多尺度分層處理方法_4

文檔序號(hào):9668168閱讀:來(lái)源:國(guó)知局
為適應(yīng)度函數(shù),對(duì)影像 對(duì)象進(jìn)行基于遺傳優(yōu)化的決策樹(shù)分類。
[0103] 首先,實(shí)數(shù)編碼方式下遺傳算法自行選擇兩個(gè)參數(shù)(m,n),利用每個(gè)訓(xùn)練集生成的 對(duì)應(yīng)決策樹(shù)進(jìn)行分類;在每個(gè)非葉子節(jié)點(diǎn)(內(nèi)部節(jié)點(diǎn))上選擇屬性前,從所有屬性中隨機(jī)抽 取一定量屬性做為當(dāng)前決策樹(shù)的分裂屬性集,并以抽取的屬性中最好的分裂方式對(duì)該節(jié)點(diǎn) 進(jìn)行分裂。最好的分裂方式是基于基尼指數(shù)思想:假設(shè)集合T包含k種取值的紀(jì)錄,每種取值 生成一個(gè)子節(jié)點(diǎn),其中節(jié)點(diǎn)i的基尼指數(shù)為:
[0104]
[0105] 其中,r是集合T包含的取值種類,Sl是在子節(jié)點(diǎn)i處的記錄數(shù),s是集合T的總記錄 數(shù)。對(duì)于每個(gè)節(jié)點(diǎn)都要遍歷所有可能的分類后,能提供最小的Ginispllt就被選擇作為此節(jié)點(diǎn) 處分裂的標(biāo)準(zhǔn)。最后將局部區(qū)域所有影像對(duì)象作為測(cè)試樣本,組成測(cè)試樣本集,利用每個(gè)決 策樹(shù)對(duì)各個(gè)影像對(duì)象進(jìn)行分類,得到對(duì)應(yīng)的類別。采用投票的方法,將決策樹(shù)中輸出最多的 類別作為測(cè)試集樣本所屬的類別,BP:
[0106]
[0107] 其中,C為測(cè)試樣本所屬類別,{c}為測(cè)試樣本類別集合,η為決策樹(shù)數(shù)量,1(A)為示 性函數(shù),即當(dāng)Α為真時(shí),取值為1,否則取值為〇,h(x,0k)為決策樹(shù)分類器,X為訓(xùn)練樣本,ΘΑ 獨(dú)立同分布的隨機(jī)向量。
[0108] 以分類精度評(píng)價(jià)標(biāo)準(zhǔn)作為適應(yīng)度函數(shù),由于決策樹(shù)數(shù)量和特征數(shù)量均為整數(shù),因 此在利用隨機(jī)森林進(jìn)行訓(xùn)練時(shí),若機(jī)器選取的兩參數(shù)非整數(shù),則向下取整。則適應(yīng)度函數(shù) 為:
[0109]
[0110] 式中,m、n分別為實(shí)數(shù)編碼方式下遺傳算法自行選擇的兩個(gè)參數(shù)(決策樹(shù)所隨機(jī)選 取的屬性特征數(shù)量和最終生成的決策樹(shù)數(shù)量),函數(shù)floorO為向下取整函數(shù),N為相應(yīng)影像 對(duì)象的數(shù)量。
[0111] 首先計(jì)算初始種群適應(yīng)度,若不滿足終止條件,則通過(guò)選擇、交叉和變異,基于實(shí) 數(shù)編碼方式進(jìn)行遺傳操作,生成新的種群。
[0112] 進(jìn)行遺傳操作直至達(dá)到設(shè)定的終止條件(產(chǎn)生代數(shù)達(dá)到50或停滯代數(shù)達(dá)到10時(shí)算 法停止),即可輸出參數(shù)組合的最優(yōu)解。
[0113] 步驟57、基于最優(yōu)參數(shù)組合(m,n),計(jì)算基于精細(xì)化影像對(duì)象的面向?qū)ο蠓诸惥?度。此過(guò)程中,若用戶選擇以全圖為單位進(jìn)行分類,則此輸出的分類結(jié)果,便為最終分類結(jié) 果;若用戶以局部區(qū)域?yàn)閱挝?,在各個(gè)局部區(qū)域內(nèi)應(yīng)用分類器進(jìn)行遙感圖像分類,則還需將 各局部區(qū)域分類結(jié)果拼接輸出,以各個(gè)區(qū)域的像素?cái)?shù)量或面積為權(quán)重,綜合加權(quán)計(jì)算最終 總體分類精度。
[0114] 本說(shuō)明書(shū)中未做詳細(xì)描述的內(nèi)容屬于本領(lǐng)域?qū)I(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。
[0115] 以上所述僅為本發(fā)明的優(yōu)選實(shí)施方式,僅用于說(shuō)明本發(fā)明的技術(shù)方案,并非用于 限定本發(fā)明的保護(hù)范圍。
[0116] 應(yīng)當(dāng)指出,對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō),在不脫離本發(fā)明技術(shù)原理的前 提下,還可以做出若干改進(jìn)和變型,這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種面向?qū)ο筮b感影像信息提取的多尺度分層處理方法,將高空間分辨率遙感影像 進(jìn)行粗尺度上的區(qū)域初步劃分,在其基礎(chǔ)上進(jìn)行局部區(qū)域精細(xì)分割,并采用分類器進(jìn)行精 細(xì)影像對(duì)象的分類,實(shí)現(xiàn)精細(xì)地物信息提取,其特征在于: 步驟10、輸入遙感影像,所述影像為高分辨率全色或多光譜影像; 步驟20、對(duì)整幅影像進(jìn)行半方差統(tǒng)計(jì)計(jì)算,確定紋理采樣間隔和模版窗口大小,采用基 于紋理的粗分類,實(shí)現(xiàn)粗尺度下的局部區(qū)域劃分,此步驟按基于高斯馬爾可夫紋理表達(dá)模 型的支持向量機(jī)分類方法(GMRF-SVM)方法進(jìn)行; 步驟30、以粗尺度局部區(qū)域?yàn)閱挝?,通過(guò)局部區(qū)域的半方差統(tǒng)計(jì)進(jìn)行局部分割尺度參 數(shù)設(shè)置,進(jìn)而利用圖像的光譜和空間信息進(jìn)行較為精細(xì)的分割,得到能夠體現(xiàn)更多細(xì)節(jié)的 且可直接用于遙感圖像分類的精細(xì)尺度影像對(duì)象,此步驟按均值漂移分割算法進(jìn)行,實(shí)現(xiàn) 局部區(qū)域精細(xì)影像分割; 步驟40、手動(dòng)篩選樣本建立樣本集; 步驟50、利用樣本訓(xùn)練分類器,并進(jìn)行遙感圖像分類,以基于遺傳優(yōu)化的隨機(jī)森林分類 方法進(jìn)行; 步驟60、輸出圖像分類的最終結(jié)果,以及圖像分類精度。2. 如權(quán)利1中所述的面向?qū)ο筮b感影像信息提取的多尺度分層處理方法,其特征在于: 模仿人類視覺(jué)讀圖機(jī)制,建立多尺度分層處理機(jī)制,即先進(jìn)行全局層次的基于像元的紋理 粗分類,在此基礎(chǔ)上進(jìn)行局部層次的精細(xì)影像對(duì)象分類,實(shí)現(xiàn)精細(xì)化的遙感影像信息提取。3. 如權(quán)利1中所述的面向?qū)ο筮b感影像信息提取的多尺度分層處理方法,其特征在于: 步驟20中計(jì)算影像綜合半方差隨采樣間隔變化的變化率,根據(jù)其第一次出現(xiàn)負(fù)值時(shí)所對(duì)應(yīng) 的采樣間隔,設(shè)置粗尺度區(qū)域劃分中紋理分類的采樣間隔及窗口大小。4. 如權(quán)利1中所述的面向?qū)ο筮b感影像信息提取的多尺度分層處理方法,其特征在于: 步驟20中,對(duì)紋理分類結(jié)果的后處理中,基于影像綜合半方差隨采樣間隔變化的變化率計(jì) 算結(jié)果,根據(jù)其第一次出現(xiàn)負(fù)值時(shí)所對(duì)應(yīng)的采樣間隔,設(shè)置膨脹算子的尺寸。5. 如權(quán)利1中所述的面向?qū)ο筮b感影像信息提取的多尺度分層處理方法,其特征在于: 步驟50中訓(xùn)練分類器時(shí),用戶根據(jù)圖像大小和圖像特征自主選擇以下兩種分類方法之一; 1) 以全圖為單位,利用整幅圖像的樣本數(shù)據(jù)訓(xùn)練分類器,然后對(duì)全局對(duì)象進(jìn)行分類,得 到最后分類結(jié)果和最終總體分類精度。 2) 以不同區(qū)域?yàn)閱挝?,利用該區(qū)域的樣本訓(xùn)練分類器,然后對(duì)該區(qū)域?qū)ο筮M(jìn)行分類,最 后綜合所有區(qū)域的分類結(jié)果,得出最終的分類結(jié)果和最終總體分類精度。6. 如權(quán)利1中所述的面向?qū)ο筮b感影像信息提取的多尺度分層處理方法,其特征在于: 步驟60輸出的分類結(jié)果是 1) 用戶采用權(quán)利要求5中的第一種分類方法,即以全圖為單位進(jìn)行分類時(shí),則執(zhí)行完一 次分類后的結(jié)果即為最終結(jié)果,并基于全圖的精度檢驗(yàn)混淆矩陣,計(jì)算最終總體分類精度; 或 2) 用戶采用權(quán)利要求5中的第二種分類方法,即以區(qū)域?yàn)閱挝贿M(jìn)行分類時(shí),則需要將各 區(qū)域的分類結(jié)果進(jìn)行合并,得到最終分類結(jié)果,并以各個(gè)區(qū)域的像素?cái)?shù)量或面積為權(quán)重,結(jié) 合各個(gè)區(qū)域的分類精度,綜合加權(quán)計(jì)算最終總體分類精度。
【專利摘要】本發(fā)明公開(kāi)了一種面向?qū)ο蟾呖臻g分辨率遙感信息提取的多尺度分層處理方法:在全局層次上,利用圖像半方差統(tǒng)計(jì)計(jì)算確定紋理采樣間隔和模版窗口大小,基于圖像紋理特征在粗尺度上將圖像劃分為幾個(gè)紋理平滑的局部區(qū)域;然后在局部層次上,以局部區(qū)域?yàn)閱挝?,通過(guò)空間統(tǒng)計(jì)計(jì)算進(jìn)行局部分割尺度參數(shù)設(shè)置,并利用圖像的幾何和光譜信息進(jìn)行細(xì)分割,得到能體現(xiàn)更多細(xì)節(jié)的精細(xì)化影像對(duì)象;利用全圖或者局部區(qū)域樣本訓(xùn)練分類器,以全圖或者局部區(qū)域?yàn)閱挝贿M(jìn)行面向?qū)ο筮b感圖像分類。本發(fā)明通過(guò)多尺度分層處理,兼顧影像的宏觀特征和微觀特征,可以將地物進(jìn)行更為精準(zhǔn)的劃分,并結(jié)合遙感影像具體特征決定是否分區(qū)域進(jìn)行影像分類,提高整幅圖像分類精度。
【IPC分類】G06T7/00
【公開(kāi)號(hào)】CN105427309
【申請(qǐng)?zhí)枴緾N201510808556
【發(fā)明人】明冬萍, 周文, 閆東陽(yáng), 閆鵬飛, 陳揚(yáng)洋
【申請(qǐng)人】中國(guó)地質(zhì)大學(xué)(北京)
【公開(kāi)日】2016年3月23日
【申請(qǐng)日】2015年11月23日
當(dāng)前第4頁(yè)1 2 3 4 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
平陆县| 昭通市| 东海县| 霍林郭勒市| 吉隆县| 慈溪市| 张家口市| 阿荣旗| 广西| 孟连| 南部县| 遂溪县| 乌恰县| 修武县| 安徽省| 伽师县| 双城市| 奉节县| 吉木乃县| 龙游县| 亚东县| 封开县| 玉龙| 化德县| 射洪县| 密山市| 邹平县| 油尖旺区| 溧水县| 昌江| 股票| 郁南县| 湘阴县| 台山市| 阿拉善左旗| 天柱县| 综艺| 永丰县| 吴江市| 太仓市| 博罗县|