[发明专利]一种多光谱遥感影像地物分类方法

摘要

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。

主权项

1.一种多光谱遥感影像地物分类方法，包括如下步骤：按照需求确定类别数c，模糊指数m，迭代次数最大值T，阈值ε，初始化迭代次数t＝1，初始化目标函数J0＝0；设定待测多光谱遥感影像数据为n个样本点、p个特征的待测数据集X＝{x1,x2,…,xn}(xi＝{xi1,xi2,…,xip}，i＝1,2,…,n)；U＝{u1,u2,…,uc}(ui＝{ui1,ui2,…,uin}，i＝1,2,…,c)定义了待测数据集X对类别质心V＝{v1,v2,…,vc}，(vi＝{vi1,vi2,…,vip}，i＝1,2,…,c)的隶属度矩阵；对待测数据集X获取小部分数据的专家知识并进行样本类别标记，得到标记样本集XL和待测样本集XU，然后通过计算公式(1)对标记样本集XL与待测样本集XU数量归一得到标记信任因子λ，其中，‖X‖为数据样本集的样本总数，‖XU‖、‖XL‖分别为其样本集中样本的个数；其特征在于还包括下述步骤，计算标记样本集XL中的质心作为分类过程的初始质心V0，计算公式如式(2)所示，其中，为标记样本集X^L中的第i个标记样本点，为标记样本点的隶属度，若标记样本点属于第j类，则否则然后，初始化待测样本集XU的隶属度UU，计算公式如式(3)所示，其中，表示待测样本点隶属于第j类的隶属度，d_ij表示待测样本点与类别质心v_j之间的欧式距离；保持质心V不变，待测样本集X^U的隶属度上边界矩阵计算公式如式(4)所示，隶属度的下边界矩阵U^U的计算公式如式(5)所示，其中，表示待测样本点隶属于第j类的上、下隶属度边界，L_ij为各维度之间平均值S_ij为各维度之间的最大值为待测样本点与类别质心v_j之间各维度的差值；保持待测样本集X^U的隶属度U^U不变，如果隶属度在中最大，则将待测样本点划分到类别集C_k中，计算类别集C_k中的待测样本点与其所属类别的质心v_k的偏差即两点之间各维度的差值和，然后，计算类别k的均方误差e_k，更新自适应因子γ，γ的计算公式如式(6)所示，e_k的计算公式如式(7)所示，γ＝1‑0.97exp(‑5e2)     (6)其中，e＝{e1,e2,…ek}为各类别均方误差，||Ck||为类别集Ck的个数；保持自适应因子γ不变，对待测样本集XU的区间隶属度矩阵进行自适应降型更新，得到UU，计算公式如式(8)所示，对待测数据集X更新质心v，对质心v的迭代实现半监督作用，更新质心v的公式如式(9)所示，更新目标函数Jt，对目标函数的迭代实现半监督作用，更新目标函数Jt的公式如式(10)所示，其中，d_ij表示待测样本点与类别质心v_j之间的欧式距离；若t≥T或|Jt‑Jt‑1|≤ε，终止迭代，分类完成；否则t＝t+1，转步骤3)。