【摘要】 本发明公开了一种基于半监督学习的海岸海洋遥感影像特征地类的识别方法，属于半自动遥感影像识别领域。其步骤为：为每一类特征地物选取标记样本；构建面向对象的遥感影像的分割结果；计算出所有样本像元隶属于各特征地类的初估概率值，计算出样本数据在归为各个特征地类分量的概率；使用特征空间规则对概率图像进行修正；判定其所属特征地类，实现特征地类的识别，并输出识别结果图。本发明结合了先验知识与数据的统计特性，能够用地学先验知识引导数据挖掘过程，实践证明，该算法够能有效地进行遥感影像分类，得到比较满意的结果，并具有高效率、高精度的特点，能够直接应用于国家各级基础地理信息数据库遥感专题信息的维护与更新。 【专利类型】发明申请 【申请人】南京大学 【申请人类型】学校 【申请人地址】210093 江苏省南京市鼓楼区汉口路22号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010568737.5 【申请日】2010-12-02 【申请年份】2010 【公开公告号】CN102073879A 【公开公告日】2011-05-25 【公开公告年份】2011 【授权公告号】CN102073879B 【授权公告日】2013-01-09 【授权公告年份】2013.0 【发明人】刘永学; 李满春; 程亮; 陈振杰; 江冲亚; 陈焱明; 李真; 杨康; 刘成明 【主权项内容】1.一种基于半监督学习的海岸海洋遥感影像特征地类的识别方法，包括以下步骤： 步骤1：通过卫星遥感技术手段，获取描述地表物体对电磁波的反射和其自身发射的电磁波的遥感影像，根据不同类型地物水体、植被或建设用地，在遥感影像中具有特定的光谱显示特征，为每一类特征地物在遥感影像中选取标记样本，构建一个长度为m的一维数组，其中m＝影像行数×影像列数×波段数，依次读取各波段遥感影像数据并存入该数组； 步骤2：利用种子生长方法对经过预处理的遥感影像进行分割处理，得到一系列在光谱信息上表现相近似的像元，通过赋以相同属性值来合并这些表现相近的像元，并求取该对象中各像素光谱均值作为此对象的光谱信息，最终实现遥感影像的分割； 步骤3：初始化水体、植被、建设用地等每一类特征地物的密度分布待估计的参数Θ，包括各地物类别的比例、均值向量μ和协方差矩阵∑；根据步骤1中所选取的已标记样本进行最近邻分类，得到所有标记样本的高维距离矩阵，进而计算出所有样本像元隶属于各特征地类的初估概率值； 步骤4：通过EM迭代算法对所有样本像元进行迭代运算，直到算法收敛，估计出高斯混合模型的参数θk＝{πk，μk，∑k}的值，并计算出样本数据在归为各个特征地类分量的概率；假设在迭代过程中，当前估计的参数为Θold，则通过一次E步和M步的计算后估计出的参数为Θnew，引入辅助函数Q(Θ，Θold)表示每一次迭代后完整数据集的对数似然的数学期望，则E步和M步的实质分别为： ① Θnew＝arg?maxQ(Θ，Θold)????② 具体E步和M步计算方法为： 1)期望步运算E步：利用当前的参数估计结果计算所有样本的后验概率；具体通过公式③和④计算出样本数据向量是由第k个混合分量产生的概率，从数据挖掘的角度来看，即为样本x属于类别k的概率； ③ ④ 其中，D为样本数据向量x的特征维数(本发明中D＝1)，k为构成GMM的高斯模型的个数，而πk即为先验概率p(z＝k)，N(x|μk，∑k)即为条件概率p(x|z＝k)，概率密度函数为 2)极大似然步运算M步：利用当前所有样本的后验概率重新进行参数估计，并根据标记样本对参数进行加权叠加修正；具体通过公式⑤、⑥、⑦计算出高斯混合模型的参数θk＝{πk，μk，∑k}的值，其中，πk为混合系数，表示一个随机抽取的样本是由第k个混合分量产生的概率，均值向量μk和协方差矩阵∑k为每个独立的高斯模型N(x|μk，∑k)自身 的参数(见公式④)； ⑤ ⑥ ⑦ 3)对E步和M步进行迭代计算，直到算法收敛； 步骤5：通过不同地物在遥感影像中的光谱特征，分别计算可见光指数VLI公式⑧、归一化植被指数NDVI公式⑨、归一化水体指数NDWI公式⑩来构建新的光谱空间规律，利用所构建的光谱空间规律对概率图像进行修正； VLI＝BLUE+GREEN+RED??????????⑧ NDVI＝(NIR-RED)/(NIR+RED)????⑨ NDWI＝(GREEN-NIR)/(GREEN+NIR)⑩ 式中，BLUE表示遥感影像的蓝光波段，GREEN表示遥感影像的绿光波段，RED表示遥感影像的红光波段，NIR表示遥感影像的近红外波段； 步骤6：比对所计算出的每个样本所隶属于各自类别的概率，判定所属概率最大的类别即为其所属特征地类，进行标记和赋值，实现特征地类的识别，输出识别结果图。 该数据由<>整理 【当前权利人】南京大学 【当前专利权人地址】江苏省南京市栖霞区仙林大道163号 【统一社会信用代码】12100000466007458M 【被引证次数】31 【被自引次数】2.0 【被他引次数】29.0 【家族被引证次数】31

未经允许不得转载：http://www.zhongzhencnc.com/1785780737.html