[发明专利]一种高分辨率遥感影像水体提取方法

摘要

本发明公开了一种有效的高分辨率遥感影像水体提取方法。首先，给定一幅原始高分辨率遥感影像，提出一种基于局部二值模式和K最近邻的算法，对其进行水陆粗分离，同时采用形态学处理来抑制分类区域内的噪声点。接着，设计一种基于LBP和支持向量机的方法，对水陆边界区域作进一步细分离，并采用形态学滤波去除细化后边界区域附近的噪声点。最后，针对细化结果，采用形态学腐蚀运算对水体边缘进行平滑，得到最终的水体提取结果。本发明提出的方法采用“粗分+细分”的策略进行水陆的分离，准确率更高；此外，本发明分别采用KNN和SVM两种不同的分类方法，一方面确保了提取的效率，另一方面适应于不同尺寸像元的分类，使得最终分类结果稳健且有效。

主权项

1.一种高分辨率遥感影像水体提取方法，包含训练阶段和测试阶段，其特征在于：所述训练阶段包括以下步骤：(1)构建高分辨率遥感水陆场景图像数据集，将遥感水陆场景图像数据集分为训练集Train和测试集Test；(2)针对输入的遥感水陆场景训练集图像，进行粗略分区，对每一个粗略区域制作相应的标签，然后提取每个区域的局部二值模式(Local Binary Patterns，LBP)特征；(3)基于步骤(2)提取的特征，构造基于K最近邻(K‑Nearest Neighbor，KNN)的初始水陆分类器；(4)针对输入的遥感水陆场景训练集图像，进行细致分区，对每一个细致区域制作相应的标签，然后提取每个区域的局部二值模式(Local Binary Patterns，LBP)特征；(5)基于步骤(4)提取的特征，构造基于支持向量机(Support Vector Machine，SVM)的精确水陆分类器；所述测试阶段包括以下步骤：(6)针对输入的遥感水陆场景测试集图像，进行粗略分区，然后提取每个区域的局部二值模式(Local Binary Patterns，LBP)特征；(7)将步骤(6)中特征输入步骤(3)中分类器，得到水陆区域粗分离结果；(8)采用形态学方法抑制分类区域内的噪声点；(9)对水陆粗分离边界区域进行细致分区，然后提取每个区域的局部二值模式(Local Binary Patterns，LBP)特征；(10)将步骤(9)中特征输入步骤(5)中分类器，得到水陆边界区域细分离结果；(11)采用形态学方法抑制水陆边界区域内的噪声点；(12)对细化结果，采用形态学腐蚀运算对水体边缘进行平滑，得到最终的水体提取结果。