一种基于多模型融合的遥感图像分类方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761346A(43)申请公布日2023.03.07(21)申请号202211465646.8(22)申请日2022.11.22(71)申请人山东农业工程学院地址250100山东省济南市历城区农干院路866号(72)发明人吴爽(74)专利代理机构北京正华智诚专利代理事务所(普通合伙)11870专利代理师王玲玲(51)Int.Cl.G06V10/764(2022.01)G06V10/44(2022.01)G06V20/10(2022.01)权利要求书2页说明书6页附图5页(54)发明名称一种基于多模型融合的遥感图像分类方法(57)摘要本发明公开了一种基于多模型融合的遥感图像分类方法，涉及遥感图像分类技术领域，包括遥感平台、图像分类系统和图像分类模型构建模块，所述遥感平台连接有中央处理器，且中央处理器电性连接有数据储存模块和图像分类系统，所述图像分类系统包括图像特征提取模块、图像特征划分模块、图像分类模型构建模块、分类精度检测模块、分类结果检验模块和图像分类执行模块。该基于多模型融合的遥感图像分类方法，图像分类模型分为主体模型和若干支杆模型，通过图像分类模型的方式能够智能化对图像进行分类，并且而且能够实现多个全局图像的分类以及单个图像的分区分类，还能够对图像分类模型进行精度检测和验证，确保分类可靠性。CN115761346ACN115761346A权利要求书1/2页1.一种基于多模型融合的遥感图像分类方法，其特征在于，包括遥感平台(1)、图像分类系统(4)和图像分类模型构建模块(7)，所述遥感平台(1)连接有中央处理器(2)，且中央处理器(2)电性连接有数据储存模块(3)和图像分类系统(4)，所述图像分类系统(4)包括图像特征提取模块(5)、图像特征划分模块(6)、图像分类模型构建模块(7)、分类精度检测模块(8)、分类结果检验模块(9)和图像分类执行模块(10)，所述图像特征提取模块(5)的输出端电性连接有图像特征划分模块(6)，且图像特征划分模块(6)的输出端电性连接有图像分类模型构建模块(7)，所述图像分类模型构建模块(7)的输出端电性连接有分类精度检测模块(8)，且分类精度检测模块(8)的输出端电性连接有分类结果检验模块(9)，所述分类结果检验模块(9)的输出端电性连接有图像分类执行模块(10)。2.根据权利要求1所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述图像特征提取模块(5)包括统计特征值提取模块(501)和图像运算处理模块(502)，且统计特征值提取模块(501)的输出端电性连接有图像运算处理模块(502)。3.根据权利要求2所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述统计特征值提取模块(501)用于提取遥感图像的统计特征值，从而对遥感图像予以识别，所述图像运算处理模块(502)用于对数字图像进行运算处理，包括但不限于比值处理、差值处理、主成分变换以及K‑T变换，进而提取图像特征变量。4.根据权利要求2所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述图像运算处理模块(502)所提取的特征变量包括全局统计特征变量和局部统计特征变量，全局统计特征变量是对整个图像进行变换处理获取特征变量，局部统计特征变量是将数字图像分割成不同的识别单元，获取各单元的特征变量。5.根据权利要求1所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述图像特征划分模块(6)用于根据图像特征提取模块(5)所提取的图像特征对各特征进行划分，选取具有代表性以及区分性的图像特征作为分类依据，所述图像分类模型构建模块(7)用于在图像特征分类的基础上，进行分类模型构建，且图像分类模型构建模块(7)所构建的分类模型包含一个主体模型和若干支杆模型。6.根据权利要求1所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述图像分类模型构建模块(7)包括分类模式制定模块(701)、分类类别确定模块(702)和分类模型构建模块(703)，所述分类模式制定模块(701)的输出端电性连接有分类类别确定模块(702)，且分类类别确定模块(702)的输出端电性连接有分类模型构建模块(703)。7.根据权利要求6所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述分类模式制定模块(701)用于根据分类要求和图像数据的特征，选取合适的图像分类算法，所述分类类别确定模块(702)用于确定图像分类的类别，所述分类模型构建模块(703)用于在确定图像分类类别的基础上，根据不同的分类类别构建图像分类模型。8.根据权利要求7所述的一种基于多模型融合的遥感图像分类方法，其特征在于，所述图像分类模型构建模块(7)还包括模型训练模块(704)和模型优化模块(705