[发明专利]一种遥感图像对象的空间关系建模方法

说明书

本发明涉及一种遥感图像对象的空间关系建模方法，包括以下步骤：S1图像分割；S2选择训练样本；S3生成初始分类结果；S4选择空间建模的图像样本对象；S5计算图像样本对象间的空间距离；S6图像样本对象的协方差函数估计；S7点支撑模型反演；S8建立任意两个图像对象间的空间关系；S9实施面向对象的地统计加权的KNN分类方法。本发明的有益效果：首次提出遥感图像对象空间关系建模方法，填补了该领域的空白；相比于不考虑图像对象数据特点的建模方法，能有效地提高分类精度；不仅限于遥感影像分类领域的应用，还能够广泛适用于各种图像对象的建模。

技术领域

本发明涉及地理空间统计学技术领域，具体来说，涉及一种遥感图像对象的空间关系建模方法。

背景技术

随着高空间分辨率遥感卫星的普及，如何从高空间分辨率遥感图像所提供的海量数据中精确有效地提取信息，是目前遥感领域的研究重点。面向对象的分析方法是针对高分辨率遥感图像的一种分析方法，该方法先将遥感图像按照某种聚类规则划分为一个个的图像对象，每个图像对象间的同质性高，相邻对象间的异质性高。面向对象分析的最小单元不是单个的图像像元，而是图像对象，分析时不仅可以利用对象的光谱信息，还可以利用对象的几何和结构等信息。近年来面向对象的图像分析技术得到了国内外研究人员的大力发展和应用。

利用空间关系的遥感图像分类方法比传统的基于光谱的分类方法可以有效地提高分类精度。常用的基于空间关系的分类方法主要有马尔科夫随机场模型和地统计建模等方法。但是目前这些方法大多都是只针对图像像元级层次，并未扩展到面向对象的图像分析中。尽管空间关系在面向对象分析中得到了一些学者的重视，但其研究大多集中在多层次的面向对象分析上，即利用图像在某一尺度所反映的语义信息去建立图像在另一尺度的相关性，而不是对图像中相邻对象之间的空间关系进行分析。Tang等(2016)将一种基于地统计加权的K最近邻元分类法(KNN)扩展到了面向对象分类中，利用空间依赖性有效地提高了面向对象级的分类精度。但是，在建立空间相关性模型时，该方法直接将图像对象的中心点提取出来，根据中心点位置建立空间模型，而没有实际对图像对象进行分析。由于每个图像对象的大小、形状各不相同，以中心点位置来代替占有一定面积的图像对象，这种方式所建立的空间模型是不严格的。

在人口经济学、水文学等领域有学者意识到了建立面状区域的空间模型不能简单地以中心点来替代的问题。这些研究中，有采用非欧氏距离的度量(如Ghosh距离)来建立空间关系，有利用面到点(area-to-point)的内插方法来解决不同面域大小的预测问题。但是，目前并没有研究涉及到遥感图像对象的空间模型构建方法，也没有将对象模型的空间关系信息引入面向对象分类中的研究。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种遥感图像对象的空间关系建模方法，结合了遥感图像的面向对象分类，顾及了不同图像对象的大小和形状，考虑了不同数据支撑之间的转换模型，比直接根据图像对象中心点的空间建模方法所得的分类精度要高。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种遥感图像对象的空间关系建模方法，包括以下步骤：

S1图像分割：将高分辨率遥感图像实施多尺度分割，分割成具有很多同质区域的图像对象；

S2选择训练样本：根据高分辨率图像上典型地物的特征，选择分类的训练样本对象；S3生成初始分类结果：利用选择的样本，实施面向对象的KNN方法得到初始分类结果，该结果作为训练图像；

S4选择空间建模的图像样本对象：通过分层随机采样的方式，从训练图像上每个类别选择足够多的图像样本对象；

S5计算图像样本对象间的空间距离：提出一种面积加权的距离度量方法，计算图像对象样本间的空间距离；