遥感图像分类技术综述.docx

遥感图像分类技术综述摘要：近年来遥感图像相关的图像处理技术得到了飞速发展在遥感图像的分析中人们可以获取的信息越来越丰富也越来越全面进而关于遥感图像分类技术的专利申请量也随之大幅增加文章通过对中文专利库的相关专利的统计分析和对重要申请人的相关专利的分析从中了解遥感图像分类器及其分类方法的发展历程并挖掘专利申请背后的信息把握相关领域的技术发展。关键词：遥感图像；检索；分类器；训练集；监督1遥感图像分类技术概述遥感技术应用的核心是根据地物辐射电磁辐射强弱在遥感图像上表现的特征来识别地物类属及其分布情况。其取决于遥感探测通道、地物光谱特征、大气传播特征及传感器响应特征等因素。只要了解这些因素对遥感图像特征的影响即可据其判断识别地物属性及其分布范围实现分类识别。对遥感图像进行分类便于对某地域环境情况掌握和了解便于进行相关研究。2遥感图像专利分析图1显示遥感图像专利申请量随年份的变换情况。自2003年至2010年遥感图像分类专利申请基本保持增长的态势。在2010年至2014年内更是迅猛发展。图2则是对遥感图像分类专利主要申请人进行的分析。相关专利申请共涉及141个企业或院校、研究所。其中主要是分布在各大重点高校和知名研究所。中国科学院下的各个相关研究所占有最多的发明专利申请其次是西安电子科技大学和武汉大学。3遥感图像分类方法如图3所示主要分析了遥感图像分类新方法中的主要几种情况。其中6%的申请涉及决策树的分类方法7%的申请涉及人工神经网络的分类方法而支撑向量机的分类方法占据了70%的席位。以下主要列举了百分比较大的两类分类器――支撑向量机与面向对象分类器相关发明专利申请。3.1支撑向量机支撑向量机算法的主要思想是建立一个超平面作为决策曲面使得正例和反例之间的隔离边缘被最大化。同理在多维空间假定训练数据可以被一个超平面分开如果这个向量集合能被超平面没有错误地分开并且离超平面最近的向量与超平面之间的距离最大则称这个向量集合被这个最优超平面最大分开。例如：申请号：201310461044发明名称：基于安全半监督支持向量机的遥感影像变化检测方法简要说明：该专利申请公开了基于安全半监督支持向量机的遥感影像变化检测方法该方法分为两个层次：（1）采用主成分（PCA）变换与相关系数融合法相结合的方式构造差异影像；（2）利用S4VM对差异影像进行二分类并实现多光谱遥感影像的变化检测。该检测方法可以提高遥感图像的分类精度进而提高变化检测的精度。3.2面向对象在面向对象的影像分析中只要明确城市绿地的背景为城市地区就可以轻松地区分绿地与湿地而在基于像元的分类中这种背景信息几乎不可利用。面向对象的影像分析技术是在空间信息技术长期发展的过程中产生的在遥感影像分析中具有巨大的潜力要建立与现实世界真正相匹配的地表模型面向对象的方法是目前为止较为理想的方法。例如：申请号：2008010227007发明名称：利用遥感影像探测和计数城市道路车辆的方法简要说明：该专利申请公开了利用遥感影像进行对象探测的方法其中包含以下四个步骤：步骤一：基于道路中心线生成城区道路掩膜限制车辆探测在道路区域进行；步骤二：对上个步骤中生成的道路掩膜的影像进行二次不同尺度的分割以获得道路车道条带目标层和车辆探测对象基本层；步骤三：在车辆探测对象基本层构建面向对象的模糊分类器对该车辆探测基本层的对象进行分类以确定该对象为车辆还是非车辆；步骤四：在被分类的车辆探测对象基本层上融合相邻的同类对象生成车辆探测融合对象层在该车辆探测融合对象层上对车辆进行分类最终获得完成车辆探测的影像。4重点申请人专利分析――中国科学院在分析的专利中中国科学院的申请量最大所占比例为16%。以中国科学院旗下各个研究院为代表的研究单位一直致力于研发遥感图像分类技术。中国科学院对各种分类方式均有研究。且不限于对各种单个的分类器与分类算法进行研究其在近几年的研究中更多的侧重于对集成分类器、多分类器的研究其引领了遥感图像分类方法的发展潮流通过不断改进分类方式与分类算法逐步提高分类的精确度与准确性。同时也发现中国科学院的专利申请大部分都被授予专利权其专利申请的超高的被授权率延续至今。5结束语（1）前几年遥感图像应用技术中人们使用的较多的分类技术仍是传统的监督分类和非监督分类两类分类方法。但是近几年来得益于计算机图像数据处理技术的爆炸式发展专家系统和神经网络等一些原先在工程实践中实现起来较为困难的新方法也在遥感图像处理中逐渐开始发挥起其优势作用。同时多分类器集