遥感图像的分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110598721A(43)申请公布日2019.12.20(21)申请号201810603097.3(22)申请日2018.06.12(71)申请人何雪梅地址610000四川省成都市武侯区双安南巷1号1栋7楼11号(72)发明人何雪梅(51)Int.Cl.G06K9/62(2006.01)G06K9/00(2006.01)权利要求书1页说明书2页(54)发明名称遥感图像的分类方法(57)摘要本发明公开了遥感图像的分类方法：首先，使用训练分类，利用已知其属性类别的像元样区训练计算机掌握各样类的统计值，并以统计值为依据对逐个像元进行识别分类；主要步骤如下：S1、选择训练样本和提取统计信息；S2、选择分类算法；然后使用聚类分析或点群分析，在没有先验知识，不选取类别样区的情况下，仅根据图像本身的统计特征进行识别分类。在S2中所述的分类算法包括平行算法、最小距离法、最大似然法；根据图像本身的统计特征进行识别分类的方法包括集群法、图形识别法。计算过程巨量并行、高度分布，这使其能以极快的速度处理大量的数据和求解非常复杂的问题。CN110598721ACN110598721A权利要求书1/1页1.遥感图像的分类方法，其特征在于，首先，使用训练分类，利用已知其属性类别的像元样区训练计算机掌握各样类的统计值，并以统计值为依据对逐个像元进行识别分类；主要步骤如下：S1、选择训练样本和提取统计信息；S2、选择分类算法；然后使用聚类分析或点群分析，在没有先验知识，不选取类别样区的情况下，仅根据图像本身的统计特征进行识别分类。2.根据权利要求1所述的遥感图像的分类方法，其特征在于，在S2中所述的分类算法包括平行算法、最小距离法、最大似然法。3.根据权利要求1所述的遥感图像的分类方法，其特征在于，所述根据图像本身的统计特征进行识别分类的方法包括集群法、图形识别法。2CN110598721A说明书1/2页遥感图像的分类方法技术领域[0001]本发明涉及图像分类，具体涉及遥感图像的分类方法。背景技术[0002]遥感图像通过像元灰度值的高低差异反映地物的波谱特性和空间变化反映地物的空间分布来表示不同属性地物目标及其分布状况；根据遥感图像数据特征的差异和变化，通过图像软件处理，自动输出地物目标的识别分类结果。发明内容[0003]本发明利用遥感图像进行识别，提供一种遥感图像的分类方法。[0004]本发明通过下述技术方案实现：[0005]遥感图像的分类方法，[0006]首先，使用训练分类，利用已知其属性类别的像元样区训练计算机掌握各样类的统计值，并以统计值为依据对逐个像元进行识别分类；主要步骤如下：S1、选择训练样本和提取统计信息；S2、选择分类算法；[0007]然后使用聚类分析或点群分析，在没有先验知识，不选取类别样区的情况下，仅根据图像本身的统计特征进行识别分类。[0008]进一步的，在S2中所述的分类算法包括平行算法、最小距离法、最大似然法。[0009]进一步的，根据图像本身的统计特征进行识别分类的方法包括集群法、图形识别法。[0010]本发明与现有技术相比，具有如下的优点和有益效果：[0011]1、本发明遥感图像的分类方法，计算过程巨量并行、高度分布，这使其能以极快的速度处理大量的数据和求解非常复杂的问题；具有自学习、自适应和自组织能力，对外表现为可以适应多种不同的问题空间及能很好地抑制噪声和信息缺失对最优解的影响；对内表现为很好的容错性，即可以通过自适应与自组织来消除坏神经元的影响。具体实施方式[0012]为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。[0013]实施例[0014]本发明遥感图像的分类方法，首先，使用训练分类，利用已知其属性类别的像元样区训练计算机掌握各样类的统计值，并以统计值为依据对逐个像元进行识别分类；主要步骤如下：S1、选择训练样本和提取统计信息；S2、选择分类算法；然后使用聚类分析或点群分析，在没有先验知识，不选取类别样区的情况下，仅根据图像本身的统计特征进行识别分类。3CN110598721A说明书2/2页[0015]实施时，在S2中所述的分类算法包括平行算法、最小距离法、最大似然法；根据图像本身的统计特征进行识别分类的方法包括集群法、图形识别法。。[0016]以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。4