[发明专利]一种基于信息熵的遥感影像特征离散化方法及系统

说明书

本发明涉及一种基于信息熵的遥感影像特征离散化方法及系统，该方法包括步骤：建立基于像元值和所属类别的影像信息决策表；基于信息熵的区间分隔模型计算区间信息熵，基于信息熵进行区间分割；对所述影像信息决策表进行离散化，并分别计算离散化前、后影像信息表的不可分辨关系差异度；对离散化的结果进行评估，选择最优的离散化方案。本发明方法及系统可以降低离散化区间数目，避免区间信息的冗余性，缓解离散化数据失真问题。

技术领域

本发明涉及遥感影像特征提取技术领域，特别涉及一种基于信息熵的遥感影像特征离散化方法及系统。

背景技术

环境监测是海洋信息化建设的重要组成部分，为海洋的环境保护和管理，资源开发和利用提供了有力的科学依据。海洋卫星有效弥补了传统海洋观测手段的不足，基于多种遥感器连续对海洋的观测，使人类极大地加深了对海洋的认识，在海洋灾害的防灾减灾，资源开发，海洋维权，海洋生态和环境保护等诸多领域发挥着重要作用。要对采集到的遥感影像数据分析处理，就要先对其进行特征提取，这些影像特征往往是连续型数据。然而，当前大部分的知识提取(Knowledge Extraction)和数据挖掘(Data Mining)算法只能处理离散型数据，有些算法虽然也能处理连续型数据，但性能较差。因此，需要将连续特征转化为离散特征以适应这些智能化算法，减少算法的时间和空间开销，提高系统对样本的聚类能力，增强系统抗噪能力，以及提高算法的学习精度，扩大应用范围。

离散化(Discretization)作为数据预处理阶段的一种数据缩减技术，近几年受到了广泛的关注与研究，并取得了丰硕的研究成果。离散化的本质简单地说，就是决定选择多少个分割点和确定分割点位置。离散化的方法很多，根据数据是否包含类别信息可以把它们分成有监督离散化和无监督离散化，有监督离散化需要考虑类别信息，而无监督离散化则不需要。

现阶段，比较成熟的无监督的方法还比较少，在没有类信息的情况下，要得到好的离散化结果比较困难，并且离散化的结果也难以衡量。而在有监督离散化算法中，单变量有监督离散化算法并没有考虑到属性间的相互依赖关系，只是从无监督离散化模式发展到孤立地考虑某个属性到类别的单向依赖关系或是属性和类别的相互依赖关系。当把这样的离散化算法应用于分类过程时，属性间大量的冗余断点和必要断点的缺失将导致整体过程的失败。而现有的多变量有监督离散化算法(Multi Variable Supervised Discretization)虽然在一定程度上弥补了上述单变量有监督离散化算法的不足，但是，还未能达到在剔除冗余断点的同时保持决策表的不可分辨关系。其在选择断点时，并没有考虑到属性间和属性内部断点的互斥性，这显然不适合处理具有多特征的遥感影像数据。

发明内容

本发明的目的在于改善现有技术中所存在的不足，提供一种基于信息熵的遥感影像特征离散化方法及系统。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种基于信息熵的遥感影像特征离散化方法，包括以下步骤：

列出遥感影像中被选中样本在各个波段的像元值和所属类别，并建立基于像元值和所属类别的影像信息决策表；

基于信息熵的区间分隔模型计算区间信息熵，基于信息熵进行区间分割；

对所述影像信息决策表进行离散化，并分别计算离散化前、后影像信息表的不可分辨关系差异度；

根据所述不可分辨关系差异度对离散化的结果进行评估，选择最优的离散化方案。

另一方面，本发明实施例还提供了一种基于信息熵的遥感影像特征离散化系统，包括：

影像信息决策表建立单元，用于列出遥感影像中被选中样本在各个波段的像元值和所属类别，并建立基于像元值和所属类别的影像信息决策表；

信息熵计算单元，用于基于信息熵的区间分隔模型计算区间信息熵，并基于信息熵进行区间分割；