[发明专利]一种多光谱遥感影像地物分类方法

说明书

发明公开了一种多光谱遥感影像地物分类方法，属于数据挖掘与遥感图像处理交叉领域。本发明设计了新的隶属度的计算公式，适当缩小加权指数；用专家知识获取对部分数据的标记样本集，利用标记样本集对质心进行初始化；在质心的迭代计算中通过标记样本进行约束，用标记信任因子使标记样本的作用最大化；通过模糊距离度量构造隶属度区间，利用类内均方误差构造自适应因子，动态的调整隶属度函数区间长度来探求等价一型隶属度对隶属度归一化。一种多光谱遥感影像地物分类方法具有更好的分类结果，对大尺度遥感影像数据具有良好的鲁棒性与适定性，相比于现有的模糊C均值的方法精度有了提升。

技术领域

本发明属于数据挖掘、遥感图像处理交叉领域，是一种多光谱遥感影像地物分类方法。

背景技术

遥感技术是20世纪80年代至今对地观测的主要组成部分，在国防安全与民生经济等各个领域中广泛应用。随着航空航天技术、模式识别、遥感技术的发展及相互渗透，遥感影像也呈现多空间分辨率、多光谱、多传感器等特点。目前，遥感影像分类的问题是：①遥感影像数据信息量大、冗余度高、模糊性强，以及其在获取过程中易受“噪声”影响；②在遥感影像数据中，不同类型地物的波谱集成带之间易出现混叠现象；③多光谱遥感影像中普遍存在类内异质性，即同一波段上同类地物但不同个体的灰度值是不同的。由于以上的问题，导致了多数分类方法不适用于具有高阶不确定性的遥感影像分类。

发明内容

为解决现有技术中的上述问题，本发明提供了一种多光谱遥感影像地物分类方法。本发明的分类方法引入了半监督学习的思想，利用标记样本对标记样本隶属度、初始质心、待测样本隶属度、以及迭代质心的计算方法进行定义，并设计了新的隶属度和目标函数。技术思路如下：

1)把多光谱遥感数据的每个像素点作为分类特征向量，得到待测数据集，利用专家知识进行样本类别标记，得到标记样本集；

2)根据标记样本集中的数据以及其类别标记信息，用伯努利分布法给定标记样本所属各类别的权重；用加权平均法得到各个类别的质心，并将其作为分类方法中的初始质心；根据隶属度计算方式初始化待测样本集的隶属度；

3)保持质心不变，用维度平均差值与维度最大差值两种不同模糊距离度量方式分别计算各待测样本点与各类别质心的距离，然后通过隶属度矩阵的计算方式分别计算隶属度上下边界进行区间化；

4)保持待测样本集的隶属度不变，用最大隶属度规则对待测样本点进行类别归一化，得到各类别中的偏差，进而用偏差加权平均法得到类别均方误差，并根据正相关曲线更新自适应因子；

5)保持自适应因子不变，对待测样本集的区间隶属度矩阵进行自适应降型更新；

6)对标记样本集与待测样本集数量进行归一化得到标记信任因子，用标记信任因子作为权重值，对整体样本集更新质心过程中进行约束，对质心的迭代实现半监督作用；

7)用标记信任因子计算整体数据集的权重更新目标函数，对目标函数的迭代实现半监督作用；

8)重复3)-8)过程，直到满足终止条件，分类完成。具体的技术方案如下所述：

一种多光谱遥感影像地物分类方法，具体为一种半监督区间二型模糊C均值的地物分类方法(本发明中简称SS-AIT2FCM方法)，包括如下步骤：