一種基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法
【專利摘要】本發(fā)明公開了一種基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法，首先，利用常用的像元級(jí)空間相關(guān)性特征描述方法(空間吸引力模型)以簡(jiǎn)單快速無(wú)迭代的方式從鄰域像元的軟分類信息(類別比例)中提取像元級(jí)空間相關(guān)性特征；其次，利用普遍使用的亞像元級(jí)空間相關(guān)性特征描述方法(指數(shù)衰減模型)從亞像元制圖迭代結(jié)果中提取亞像元級(jí)的相關(guān)性特征；然后，將像元級(jí)和亞像元級(jí)的空間相關(guān)性特征進(jìn)行歸一化融合得到綜合的空間相關(guān)性特征值用于亞像元類別屬性的確定；最后，根據(jù)綜合的空間相關(guān)性特征值利用經(jīng)典二值分支定界的整數(shù)規(guī)劃算法獲得所有類別空間相關(guān)性特征值總和最大的亞像元在混合像元中的最優(yōu)空間布局。本發(fā)明計(jì)算速度快、模擬精度高。
【專利說(shuō)明】一種基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞 像元制圖方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種亞像元制圖方法，屬于地球空間信息【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 近年來(lái)，從數(shù)字遙感影像提取土地利用/ 土地覆被專題地圖（影像分類）是遙感 技術(shù)研究中的熱點(diǎn)領(lǐng)域。然而在遙感影像獲取過(guò)程中，由于地表的復(fù)雜性、外部環(huán)境的影 響以及傳感器自身的局限性，使得影像中普遍存在混合像元（Mixed Pixel)。在遙感分類 過(guò)程中，傳統(tǒng)硬分類方法僅賦予每個(gè)像元一種地物類別，在處理混合像元時(shí)會(huì)造成結(jié)果的 不準(zhǔn)確并限制其深入應(yīng)用。軟分類方法被提出用于獲取混合像元內(nèi)部各地物的類別比例 (也稱百分比、軟信息、分?jǐn)?shù)影像），卻無(wú)法指定各地物類別在混合像元內(nèi)部的具體位置。因 此，因此，遙感亞像元制圖技術(shù)（Sub-pixel Mapping or Super-resolution Mapping)被 提出用于進(jìn)一步解決混合像元的問題，實(shí)現(xiàn)了比原始輸入空間分辨率更精細(xì)的硬分類圖 (Atkinson，1997)。亞像元制圖能夠進(jìn)一步細(xì)化和精確影像分類結(jié)果，使遙感技術(shù)應(yīng)用從像 元尺度進(jìn)入到亞像元尺度，而亞像元制圖也成為必要且有意義的研究?jī)?nèi)容。
[0003] 亞像元制圖是在空間相關(guān)性原理的基礎(chǔ)上利用低分辨率的軟分類結(jié)果獲得比輸 入遙感影像更高空間分辨率的土地覆被圖。如何精確地描述地物的空間相關(guān)性特征是獲得 高精度亞像元制圖結(jié)果的關(guān)鍵。目前的亞像元制圖方法主要有兩種描述空間相關(guān)性特征的 方式。第一種是從鄰域亞像元中提取的亞像元級(jí)空間相關(guān)性特征，包括利用HNN獲取亞像 元結(jié)果的最小能量函數(shù)（Tatem et al.，2001)，借助GA優(yōu)化亞像元相關(guān)性特征（Mertens et al·，2003)，基于像元交換的亞像元制圖算法（Atkinson, 2005)，采用Markov Random Field 提取亞像兀最優(yōu)空間布局（Ardila et al.，2011 ;Kasetkasem et al.，2005)等。第 二種是從鄰域像元中提取的像元級(jí)空間相關(guān)性特征，包括利用kriging模型提取空間相關(guān) 性特征參數(shù)（Verhoeye and De Wulf，2002)，基于空間吸引力模型（SAM)的亞像元制圖方法 (Mertens et al.，2006)，利用鄰域像元繪制各地物在混合像元內(nèi)部邊界的GSPM(Ge，2013 ; Ge et al·，2009)，基于人工智能算法Adaptive Differential Evolution定位亞像兀最佳 位置（Zhong and Zhang，2012)等。第一種方式通常需要耗費(fèi)相對(duì)較長(zhǎng)時(shí)間來(lái)逐步迭代獲得 制圖結(jié)果，第二種方式效率較高常無(wú)需迭代。然而，這兩種方式僅是獲取了單一級(jí)別（像元 級(jí)或亞像元級(jí)）的空間相關(guān)性特征，均未能充分有效地利用空間相關(guān)性特征，這勢(shì)必會(huì)限 制亞像元制圖的精度。因?yàn)椋狈ο裨?jí)特征的亞像元級(jí)空間相關(guān)性信息能有效描述局部 信息卻難表達(dá)結(jié)構(gòu)性的信息，進(jìn)而造成不連續(xù)的地物斑塊（例如，斷裂的線狀地物）。而缺 乏亞像元級(jí)特征的像元級(jí)空間相關(guān)性信息能夠保持結(jié)構(gòu)性特征卻易造成如"椒鹽"狀的噪 聲。最近，已有部分研究嘗試在SAM結(jié)果的基礎(chǔ)上，考慮亞像元級(jí)的空間相關(guān)性特征對(duì)SAM 結(jié)果進(jìn)行后處理，包括利用 Pixel-swapping 算法（PSA) (Shen et al.，2009)和 Particle Swarm Optimization 算法（PS0)對(duì) SAM 結(jié)果進(jìn)行后處理（Wang et al.，2012b)。然而，這兩 種方法均是將兩種空間相關(guān)性特征分開利用而未同時(shí)綜合考慮，包括Wang et al. (2012a) 和Ling et al. (2013)也是以像元為單位從其內(nèi)部的亞像元中獲取空間相關(guān)性特征而代替 像元級(jí)空間相關(guān)性特征，從某種意義上可以認(rèn)為是從亞像元制圖結(jié)果中提取出的空間相關(guān) 性特征，并且也增加了計(jì)算的復(fù)雜性。
[0004] 針對(duì)上述問題，本發(fā)明提出一種基于分支定界的綜合利用像元級(jí)和亞像元級(jí)空間 相關(guān)性特征的亞像元制圖方法（BBSPM)，用于克服當(dāng)前亞像元制圖領(lǐng)域僅利用單一空間相 關(guān)性特征的局限性，將像元級(jí)和亞像元級(jí)空間相關(guān)性兩種特征一并應(yīng)用與亞像元制圖過(guò)程 中，從而充分利用兩者的優(yōu)勢(shì)，提升亞像元制圖的精度。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明解決的技術(shù)問題：提供一種基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的 遙感亞像元制圖方法，首先，利用經(jīng)典的像元級(jí)空間相關(guān)性特征描述方法（空間吸引力模 型）以簡(jiǎn)單快速無(wú)迭代的方式一次提取像元級(jí)空間相關(guān)性特征（空間吸引力）；其次，利用 兩種經(jīng)典的亞像元級(jí)空間相關(guān)性特征描述方法（均值卷積模板和指數(shù)衰減模型）從每次亞 像元制圖結(jié)果中提取亞像元級(jí)的相關(guān)性特征；然后，將像元級(jí)和亞像元級(jí)的空間相關(guān)性特 征進(jìn)行歸一化融合得到綜合的空間相關(guān)性特征值用于亞像元類別屬性的確定；最后，根據(jù) 綜合的空間相關(guān)性特征值利用一種二值分支定界的整數(shù)規(guī)劃算法獲得所有類別空間相關(guān) 性特征值總和最大的最優(yōu)亞像元布局，獲得較像元尺度的分類方法更精細(xì)和準(zhǔn)確的地物分 布信息，從而提高遙感影像分類的分辨率和分類精度。
[0006] 本發(fā)明的技術(shù)方案：一種基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像 元制圖方法包括如下步驟：
[0007] 步驟1、獲取基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法 的輸入數(shù)據(jù)：對(duì)遙感影像進(jìn)行校正去噪等預(yù)處理，利用軟分類方法獲取遙感影像每個(gè)像元 內(nèi)每種地物類別所占的組分比例，也稱為豐度或分?jǐn)?shù)影像；
[0008] 步驟2、初始化亞像元的類別屬性：直接利用常用的空間吸引力模型亞像元制圖 結(jié)果作為基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法的初始值；
[0009] 步驟3、計(jì)算像元級(jí)空間相關(guān)性特征：利用空間吸引力模型的8鄰域模式計(jì)算亞像 元在鄰域像元影響下相對(duì)于各種地物類別的空間相關(guān)性特征值，即空間吸引力值；
[0010] 步驟4、計(jì)算亞像元級(jí)空間相關(guān)性特征：利用指數(shù)衰減模型從當(dāng)前亞像元制圖結(jié) 果中計(jì)算各亞像元與相鄰亞像元之間相對(duì)于各種地物類別的亞像元級(jí)空間相關(guān)性特征 值；
[0011] 步驟5、計(jì)算綜合像元級(jí)和亞像元級(jí)的空間相關(guān)性特征：先分別將像元級(jí)和亞像 元級(jí)的空間相關(guān)性特征進(jìn)行歸一化處理，然后將歸一化的兩種空間相關(guān)性特征進(jìn)行加權(quán)融 合得到綜合的空間相關(guān)性特征值；
[0012] 步驟6、確定亞像元的最優(yōu)類別屬性：根據(jù)綜合的空間相關(guān)性特征值，利用經(jīng)典二 值分支定界的整數(shù)規(guī)劃算法在分?jǐn)?shù)影像的約束下以亞像元各類別空間相關(guān)性特征值總和 最大為目標(biāo)，獲得亞像元在混合像元中的最優(yōu)類別屬性，即亞像元的最優(yōu)空間布局。
[0013] 進(jìn)一步的，所述步驟3利用在亞像元制圖領(lǐng)域比較流行的空間吸引力模型來(lái)獲得 像元級(jí)空間相關(guān)性以刻畫結(jié)構(gòu)性特征，該模型具有在計(jì)算中簡(jiǎn)單快速無(wú)迭代，且不需要額 外信息的特征，能降低算法的時(shí)間復(fù)雜度，空間吸引力模型的計(jì)算公式如下：
[0014]

【權(quán)利要求】
1. 一種基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法，其特征在 于：步驟如下： 步驟1、獲取基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法的輸 入數(shù)據(jù)：對(duì)遙感影像進(jìn)行校正去噪預(yù)處理，利用軟分類方法獲取遙感影像每個(gè)像元內(nèi)每種 地物類別所占的組分比例，也稱為豐度或分?jǐn)?shù)影像； 步驟2、初始化亞像元的類別屬性：直接利用常用的空間吸引力模型亞像元制圖結(jié)果 作為基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元制圖方法的初始值； 步驟3、計(jì)算像元級(jí)空間相關(guān)性特征：利用空間吸引力模型的八鄰域模式計(jì)算亞像元 在鄰域像元影響下相對(duì)于各種地物類別的空間相關(guān)性特征值，即空間吸引力值； 步驟4、計(jì)算亞像元級(jí)空間相關(guān)性特征：利用指數(shù)衰減模型從當(dāng)前亞像元制圖結(jié)果中 計(jì)算各亞像元與相鄰亞像元之間相對(duì)于各種地物類別的亞像元級(jí)空間相關(guān)性特征值； 步驟5、計(jì)算綜合像元級(jí)和亞像元級(jí)的空間相關(guān)性特征：先分別將像元級(jí)和亞像元級(jí) 的空間相關(guān)性特征進(jìn)行歸一化處理，然后將歸一化的兩種空間相關(guān)性特征進(jìn)行加權(quán)融合得 到綜合的空間相關(guān)性特征值； 步驟6、確定亞像元的最優(yōu)類別屬性：根據(jù)綜合的空間相關(guān)性特征值，利用經(jīng)典二值分 支定界的整數(shù)規(guī)劃算法在分?jǐn)?shù)影像的約束下以亞像元各類別空間相關(guān)性特征值總和最大 為目標(biāo)，獲得亞像元在混合像元中的最優(yōu)類別屬性，即亞像元的最優(yōu)空間布局。
2. 根據(jù)權(quán)利要求1所述的基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元 制圖方法，其特征在于：所述步驟3利用在亞像元制圖領(lǐng)域比較流行的空間吸引力模型來(lái) 獲得像元級(jí)空間相關(guān)性以刻畫結(jié)構(gòu)性特征，該模型具有在計(jì)算中簡(jiǎn)單快速無(wú)迭代，且不需 要額外信息的特征，能降低算法的時(shí)間復(fù)雜度，空間吸引力模型的計(jì)算公式如下：
其中，Ap(H)表示亞像元Vi對(duì)應(yīng)于第k類的像元級(jí)空間相關(guān)性特征值（即空間吸引力 值）；Fk(V)表示鄰域像元V對(duì)應(yīng)于第k類的類別比例，即分?jǐn)?shù)值；d(Vi，V)表示亞像元\與 像元V之間的距離；N表示鄰域像元的個(gè)數(shù)。
3. 根據(jù)權(quán)利要求1所述的基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元 制圖方法，其特征在于：所述步驟4利用指數(shù)衰減模型來(lái)獲得亞像元級(jí)空間相關(guān)性特征，該 模型在亞像元制圖領(lǐng)域中被公認(rèn)為一種有效的描述局部細(xì)節(jié)的方法。指數(shù)衰減模型的計(jì)算 公式如下：
其中，A5(V1)表示亞像元Vi對(duì)應(yīng)于第k類的亞像元級(jí)空間相關(guān)性特征值；Xk(V)表示鄰 域亞像元V對(duì)應(yīng)于第k類的類別屬性值；d(Vi，V)表示亞像元Vi與亞像元V之間的距離；a 表示指數(shù)衰減模型參數(shù);M表示鄰域亞像元的個(gè)數(shù)。
4. 根據(jù)權(quán)利要求1所述的基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元 制圖方法，其特征在于：所述步驟5綜合利用像元級(jí)和亞像元級(jí)空間相關(guān)性特征各自的特 點(diǎn)，將像元級(jí)和亞像元空間相關(guān)性特征進(jìn)行融合應(yīng)用于亞像元制圖過(guò)程中，從而充分利用 了兩者的優(yōu)勢(shì)；因?yàn)?，缺乏像元?jí)特征的亞像元級(jí)空間相關(guān)性信息能有效描述局部信息卻 難表達(dá)結(jié)構(gòu)性的信息，會(huì)造成不連續(xù)的地物斑塊（例如，斷裂的線狀地物），而缺乏亞像元 級(jí)特征的像元級(jí)空間相關(guān)性信息能夠保持結(jié)構(gòu)性特征卻易造成如"椒鹽"的噪聲。綜合的 空間相關(guān)性特征計(jì)算如下：
其中，《表示像元級(jí)空間相關(guān)性特征的權(quán)重。
5. 根據(jù)權(quán)利要求1所述的基于綜合像元級(jí)和亞像元級(jí)空間相關(guān)性特征的遙感亞像元 制圖方法，其特征在于：所述步驟6將經(jīng)典的分支定界優(yōu)化方法應(yīng)用于亞像元制圖優(yōu)化過(guò) 程，從而避免智能算法（遺傳算法和模擬退火算法）的局部最優(yōu)和模型參數(shù)調(diào)優(yōu)過(guò)程。
【文檔編號(hào)】G06K9/62GK104268581SQ201410546394
【公開日】2015年1月7日 申請(qǐng)日期:2014年10月15日 優(yōu)先權(quán)日:2014年10月15日
【發(fā)明者】陳躍紅, 葛詠, 江昱, 胡建龍 申請(qǐng)人:中國(guó)科學(xué)院地理科學(xué)與資源研究所