遥感影像下垫面提取方法.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CN112131912A(43)申请公布日2020.12.25(21)申请号201910555254.2(22)申请日2019.06.25(71)申请人北京尚水信息技术股份有限公司地址100085北京市海淀区上地五街7号昊海大厦303室(72)发明人曲兆松谢宗彦王希花(51)Int.Cl.G06K9/00(2006.01)G06T7/45(2017.01)权利要求书3页说明书7页附图4页(54)发明名称遥感影像下垫面提取方法(57)摘要本发明涉及了遥感影像下垫面提取方法，它包括选择已知的若干个遥感图像中若干个具有代表性的像素点（A），在某波段内以上述一个像素点（A）为中心生成灰度共生矩阵，计算出像素点（A）在该波段内能量纹理、熵、对比度、逆差距、非相似性和协同性参数，根据上述参数运用随机森林模型，构建决策树模型，根据上述决策树模型，对未知遥感图像进行逐点扫描，最终得到下垫面类别，对分类结果中的下垫面类别进行色彩渲染。CN112131912ACN112131912A权利要求书1/3页1.一种遥感影像下垫面提取方法，包括以下步骤：（一）、提取数据选择已知的若干个遥感图像中若干个具有代表性的像素点（A）来提取的波段数据（DN1，DN2，DN3），代表性的像素点（A）包括c个下垫面类别，c个下垫面类别包括：道路、绿地、铺装、水体、裸地和屋顶；（二）、以上述一个像素点（A）为中心生成灰度共生矩阵（I）、为减小灰度共生矩阵的大小，指定灰度值的最大值为，将遥感图像中一个波段的灰度值缩小至；其中为原始波段灰度值的最大值，为缩小后的像素点的灰度值，为缩小前的像素点的灰度值；（II）、在该像素点（A）所在的一个波段内，以上述像素点（A）为几何中心，取长度为个像素点和宽度为个像素点的窗口，以该窗口最左下角的像素点为坐标原点，以长度为个像素点为X轴、以宽度为个像素点为Y轴建立一个窗口坐标，找出该窗口坐标内所有像素点的灰度值，并且沿着X轴方向和平行于X轴方向、沿着Y轴方向和平行于Y轴方向或者沿着与X轴和Y轴的夹角为45°的对角线和平行于该对角线的方向，找出相邻两个像素点对的灰度值，并且找出该窗口中的相邻两个像素点对的个数；（III）、建立一个具有k行和k列的灰度共生矩阵，将上述窗口中的相邻两个像素点对的灰度值出现的次数记录在k行和k列的灰度共生矩阵中，即相邻两个像素点对的灰度值在k行和k列的灰度共生矩阵中的行和列记录为1，将上述窗口中所有的相邻两个像素点对的灰度值均记录在灰度共生矩阵中；（IV）、对灰度共生矩阵中的数据进行归一化处理，即将灰度共生矩阵中所得到的次数除以该窗口的相邻两个像素点对的个数，得到灰度值对出现的概率；（三）、根据灰度共生矩阵计算出像素点（A）在该波段内能量纹理、熵、对比度、逆差距、非相似性和协同性参数像素点（A）能量纹理的计算公式：像素点（A）熵的计算公式：像素点（A）对比度的计算公式：像素点（A）非相似性的计算公式：像素点（A）相关性的计算公式：2CN112131912A权利要求书2/3页其中是均值，以及，是标准差像素点（A）逆差距的计算公式：其中为归一化后的灰度共生矩阵中第i行第j列的值；（四）、找出若干个遥感图像中若干个具有代表性的像素点（A）的所有数据重复步骤（二）和步骤（三），找出像素点（A）各波段下的（，，，，，），以像素点（A）的波段数据（DN1，DN2，DN3）以及各波段下的（，，，，，）作为一个样本数据，在一个样本数据中包括n=21个属性，以此类推，找出若干个遥感图像中若干个具有代表性的像素点（A）的波段数据（DN1，DN2，DN3）以及各波段下的（，，，，，）组成训练样本集；（五）、运用随机森林模型，构建决策树模型（1）、在训练样本集中有放回地随机选取a个样本，建立一棵决策树，训练样本的属性为，n=21,计算当前样本集合中下垫面类别为的样本所占比例为,则的信息增益为：----公式（1）（2）、在a个训练样本中，按照样本的某一属性进行划分，在某一属性将a个训练样本分成个分支，V为（）；是第个分支所包含的样本集，则某一属性对该样本集进行划分所产生的信息增益量为：----公式（2）计算样本集合中下垫面类别为的样本所占比例为,则的信息增益为：----公式（3）重复上述步骤，计算出按照训练样本的每一个属性划分a个训练样本的信息增益量，比较训练样本的21个属性的信息增益量的大小，以信息增益量最大值的属性作为第一个节点；（3）、以第一个节点属性下的个分支为分支，并且在每个分支上标注出其取值或取值范围，然后，重复步骤（2），分别计算出在第个分支下的样本集中，用其余的20个3CN112131912A权利要求书3/3页属性进行划分的信息增益量，分别比较在第个