[发明专利]融合边缘信息和支持向量机对遥感图像进行分类的方法及装置

说明书

技术领域

本发明涉及对遥感图像进行分类的方法及装置，更具体地说，涉及一种融合边缘信息和支持向量机对遥感图像进行分类的方法及装置。

背景技术

具有高光谱分辨率的高光谱图像具有广泛的应用领域，例如矿物探测、污染监测、精准农业等。分类是高光谱图像的其中一个非常重要的处理过程。传统的高光谱图像的分类方法主要基于光谱信息，而很少考虑空间信息。

现有的普遍使用的高光谱图像的融合空间信息及光谱信息的分类方法包括马尔可夫随机场、形态学指针和形态学滤波。然而这些方法使用固定大小的窗口得到空间信息，导致了尺寸比例的选择问题。另一个分类方法是将空间信息集成到多核学习方法中，该方法也存在尺寸比例的选择问题，同时该方法的计算成本非常高。

再有一种融合空间信息的方法是将逐像素的分类结果和划分聚类(Partitional Clustering)得到的分割的结果融合起来，但这种方法的结果是不稳健的。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种融合边缘信息和支持向量机对遥感图像进行分类的方法及装置。

本发明解决其技术问题所采用的技术方案是：构造一种融合边缘信息和支持向量机对遥感图像进行分类的方法，其包括以下步骤：

对经过预处理和特征提取的遥感图像进行逐像素的支持向量机分类；

对所述经预处理和特征提取的遥感图像进行边缘检测，以获得非连续的单像素宽边缘图；

对经噪音边缘部分去除的所述非连续的单像素宽边缘图执行边缘连接处理，以获得封闭的边缘图；

将所述封闭的边缘图集成到经逐像素的支持向量机分类的图中，以得到使用边缘信息的分类结果图。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，对所述经预处理和特征提取的遥感图像进行边缘检测，以获得非连续的单像素宽边缘图包括以下步骤：

对所述经预处理和特征提取的遥感图像运用高光谱拉普拉斯边缘算子，以获得所述遥感图像的边缘图；

对所述边缘图执行边缘细化，以获得非连续的单像素宽边缘图。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，在执行所述连接处理之前，检测所述经噪音边缘部分去除的所述非连续的单像素宽边缘图的端点，其中，所述端点为在8邻域内仅具有一个与之连接的像素点。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，对经噪音边缘部分去除的所述非连续的单像素宽边缘图执行边缘连接处理，以获得封闭的边缘图具体为针对所述经噪音边缘部分去除的所述非连续的单像素宽边缘图中的每个端点执行以下步骤：

以当前端点为圆心，搜索预设值半径内的端点；

如果搜索到端点时，将具有最小权重的端点与作为圆心的当前端点进行直线连接；否则，计算当前端点所处位置的边缘部分的斜率，然后，在搜索区域内沿着斜率方向，从该当前端点位置处扩展该边缘部分，以使得该当前端点成为扩展的边缘部分的端点。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，将所述封闭的边缘图集成到经逐像素的支持向量机分类的图中，以得到使用边缘信息的分类结果图具体为执行以下步骤：

对于内部像素，分别计算同一区域内每类像素的数量，将具有最多数量的一类像素替换其它类像素，以覆盖该区域；

对于边缘像素，计算边缘像素的八邻域邻居位置处的每类像素的数量，将具有最多数量的一类像素替换该边缘像素；其中，

所述内部像素是位于所述封闭的边缘图内部的像素，所述边缘像素是位于所述封闭的边缘图边界上的像素。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，所述预处理主要为对于所述遥感图像，去除受吸水性影响严重的和低信噪比的光谱波段。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，所述特征提取主要为对所述遥感图像进行主成分变换，从变换后的图像中选择若干光谱波段。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，所述噪音边缘部分是长度小于给定临界值的边缘部分。

在本发明所述的融合边缘信息和支持向量机对遥感图像进行分类的方法中，所述遥感图像是高光谱图像或多光谱图像。

根据本发明的另一个方面，提供一种融合边缘信息和支持向量机对遥感图像进行分类的装置，其包括：

分类模块，用于对经过预处理和特征提取的遥感图像进行逐像素的支持向量机分类；