[发明专利]一种用于面向地理对象影像分析的特征选择方法

权利要求书

1.一种用于面向地理对象影像分析的特征选择方法，其特征在于，包括以下步骤：

【1】基于影像分割技术获取影像对象，按照地物占比选择典型样本后输出其特征和特征值；

【2】基于Pearson相关系数计算待提取地物与其他所有地物的自相关系数矩阵，并设置合适的阈值调节入选特征的数目；

【3】根据特征对于目标地物的提取能力值依次在自相关系数矩阵中进行特征去相关；

【4】对于【3】得到的特征集合，以特征组合对目标地物的提取能力为评价指标，得到某一类地物最优的特征组合，完成特征子集的优化；

【5】重复【1】-【4】，计算提取每种地物的最佳特征组合，基于提取每个特征组合能够区分的类别数目和提取能力值来确定先提取那种地物；

【6】重复【1】-【5】直至只剩两种地物未提取，基于类间可分性得到能够将其分离的最优特征；

【7】计算提取每种地物最佳特征的软阈值后结合隶属度函数，构建每一种地物的提取规则，实现地物提取。

2.根据权利要求1所述的用于面向地理对象影像分析的特征选择新方法，其特征在于：步骤【1】中所采用的影像分割方法为多尺度分割，分割的尺度因子、光谱因子和平滑度根据多次试验取得，得到地物对象后，根据样本的代表性和在空间上分布的均匀性，按照地物占比选择约2.5％的典型样本后输出它们的特征和特征值。

3.根据权利要求1所述的用于面向地理对象影像分析的特征选择新方法，其特征在于：步骤【2】中自相关系数矩阵r可表示为：

上式中，r_ij(i，j＝1，…，N)为Pearson相关系数，表示两个特征的相关程度；

设对象类别为C_n＝(c₁，c₂，…，c_n)，原始高维特征集为F_N＝(f₁，f₂，…，f_N)，上式中，N表示特征集内特征的数目，表示特征集中第l个样本的第i个特征值，表示特征集中第l个样本的第j个特征值，表示第i个特征的均值估计，表示第j个特征的均值估计。

4.根据权利要求2所述的用于面向地理对象影像分析的特征选择新方法，其特征在于：步骤【3】中，类别c₁和c₂基于某个特征的J值为：

J＝2(1-e^-B)

其中，

式中，J值为分离度；m₁代表c₁类别基于该特征分布的均值，m₂代表c₂类别基于该特征分布的均值，σ₁代表c₁类别基于该特征分布的方差，σ₂代表c₂类别基于该特征分布的均值；

特征对于目标地物的提取能力E_a值为：

式中，第i个特征对于c₁与c_j(j＝2，3，…，n)间的分离度为s_i表示中大于等于1.25的数目，表示中大于1.25的值。

5.根据权利要求4所述的用于面向地理对象影像分析的特征选择新方法，其特征在于：步骤【3】中，去相关的方法是：依次考察待提取地物与其他所有地物的自相关系数矩阵r中每两个特征的相关系数r_ij，当某两个特征相关系数超过阈值时，则去掉E_a值较小的特征。