[发明专利]基于EAGLE矩阵的地表覆盖产品整合或融合方法

摘要

本发明公开了一种基于EAGLE矩阵的地表覆盖产品整合或融合方法，通过已经存在的地表覆盖产品，采用EAGLE矩阵对各地表覆盖产品图例进行语义翻译，并利用条形码法进行赋值，根据不同的EAGLE矩阵元素计算出各种地表覆盖源产品与目标产品图例的重叠矩阵；地表覆盖源数据产品各类型属于目标图例各类型的条件概率；源数据产品各个类型各自的精度；采用模糊集的理论实现地表覆盖产品整合。本发明可以解决利用EAGLE矩阵计算源数据与目标图例的重叠性、在获得源数据各类型属于目标图例各类型的条件概率、源数据产品各个类型各自的精度基础上通过整合获得新的地表覆盖产品等技术问题。

主权项

1.基于EAGLE矩阵的地表覆盖产品整合或融合方法，其特征在于，通过已经存在的地表覆盖产品，采用EAGLE矩阵对各地表覆盖产品图例进行语义翻译，并利用条形码法进行赋值，根据不同的EAGLE矩阵元素计算出各种地表覆盖源产品与目标产品图例的重叠矩阵；地表覆盖源数据产品各类型属于目标图例各类型的条件概率；源数据产品各个类型各自的精度；采用模糊集的理论实现地表覆盖产品整合；具体步骤如下：选择源数据，至少选择两种及以上源数据；1)根据整合的需求，定义目标图例的分类体系和各类型的属性定义；2)EAGLE矩阵进行图例翻译，第一步，辨别类定义中表明地表覆盖成分、土地利用及进一步特征的术语和表达；第二步，辨别LCCs、LUA、CH模块中与第一步中类定义提取信息相对应的矩阵元素；第三步，对地表覆盖产品中的每个类，在矩阵中建立一个行，输入类的代码；第四步，沿线对整个给定的类用编码值填充矩阵单元，完成子线中特殊LCC、LUA、CH赋值；编码值的含义如下：n/a——矩阵元素逻辑不发生，可以排除此元素；X——矩阵元素在类定义中被明显排除；0——矩阵元素在类定义时未提及，尽管在某些情况下是逻辑发生的；或者：矩阵元素因不重要而不是可能会存在，在类定义时未提及；1——矩阵元素在类定义中作为例子被提到(在一个非详尽的列表中)，在类定义中扮演次要角色。对于这个条码值，必须考虑类的规模和应用的最小测图单元。2——该元素在类定义中被明确地定义。它是一种选择性强制性元素，与其他具有相同编码值的元素是或的关系。3——这个矩阵元素在类定义中被明确地定义，是一种强制性元素。它是一种累积元素，与其他具有编码值(2,3,4)的定义元素是和的关系。4——这个矩阵元素在类定义中被明确地定义。他们属于一组定义该类的强制性元素，不能作为独立的元素出现。至少有两个或多个(但不一定全部)赋值4的编码元素必须存在于分配给这个类的土地单位中。3)计算源数据之间的重叠性；采用相关系数与区间重叠比例相结合的方法来进行重叠性计算；地表覆盖产品中某一类型的连续属性用连续的区间形式，采用区间重叠比例法计算源数据之间的重叠性，计算公式为(1)；其中，c_i＝(r_i1,r_i2,...,r_in)和c_j＝(r_j1,r_j2,...,r_jn)为两个地表覆盖类i类，j类所具有的n个EAGLE矩阵元素编码值；r_i1,r_i2,...,r_in为c_i类型的各编码值，r_j1,r_j2,...,r_jn为c_j类型各编码值；O(c_i,c_j)表示类型c_i和c_j间的重叠性；l_i＝[l_il,l_iu]，l_j＝[l_jl,l_ju]表示编码值是连续的区间值，l_i∩l_j表示其区间长度的重叠值；Max()表示取区间最大值，Min()表示取区间最小值；地表覆盖产品中某一类型的离散属性表示的是类型归属，取值为编码值，采用相关系数法,计算公式为公式(2)；其中Cov(C_i,C_j)＝E[(C_i‑E[C_i])(C_j‑E[C_j])]  (3)最终的重叠性按公式(6)进行计算：其中，π_k表示这EAGLE矩阵元素在计算重叠矩阵时的权重，如设定LCC、LUA、CH三个模块中的矩阵元素的权重为1/3；K表示LCC、LUA、CH三个模块，分别用值1、2、3表示；当计算连续属性的重叠性时，要先对连续属性的重叠性相加再平均，使其归一化，然后再按照LCC、LUA、CH三个模块权重进行计算；离散属性的矩阵元素按照相关系数，设定权重，如1/3进行计算；最后，再按照公式(6)进行计算；4)计算源数据与目标图例的重叠性在某个地表覆盖数据中i类与目标图例y类之间的相似分数，通过平均i类和在其他地表覆盖数据中与y有直接相应关系的类之间重叠矩阵的值来估计；5)条件概率利用源数据和目标数据间的混淆矩阵的accuracy参数来计算源数据各类型属于目标图例类型的条件概率，先选择适量的样本点，采用目视解译或利用已有的地面采集的验证点来对样本点进行验证，判断源数据各类型属于目标图例类型中的哪个类型，从而获得混淆矩阵的精度accuracy值；6)源数据产品精度源数据产品各类型的精度同样采用混淆矩阵利用验证点进行精度评价；采用目视解译或利用已有的地面采集的验证点来对样本点进行验证，判断源数据各类型的正确与否，从而获得混淆矩阵的精度accuracy值；7)判别函数判别函数由三部分组成，即重叠矩阵、条件概率、源数据产品精度；假设x是某个像元，它同时存在于n个地表覆盖产品中，设其具有n个值c₁,c₂...,c_n,其中c₁代表第一个地表覆盖产品，依次类推到第n个地表覆盖产品；g_y(x)是源数据像元x属于y类的概率,y为目标图例的某种类型，y∈Ω(1,2,3...m),m为目标图例的类型总数；O^k(c_k(x),y)是源数据某种类型与目标图例中y类的重叠性，用公式(6)计算；P^k(y|c_k(x))是源数据类型c_k与目标图例类型y之间的条件概率；U(c_k(x))是源数据某类型的精度；则像元x的可能类型为：G(x)＝argmax_y∈Ωg_y(x)           (8)公式(7)中三者的乘积再求和，该值代表了像元在某个地表覆盖产品中代表的类和目标图例中类y的归属程度；公式(8)表示取g_y(x)的最大值时x属于的y类为最终的类；逐个像元进行计算和判断，直至结束。