本發(fā)明涉及一種圖像領(lǐng)域的數(shù)據(jù)處理方法及系統(tǒng)，具體地，涉及一種對目標進行分類的數(shù)據(jù)處理方法及系統(tǒng)。

背景技術(shù)：

目前各種形式的數(shù)據(jù)采集系統(tǒng)在各行各業(yè)得到了廣泛的應(yīng)用，隨著計算機技術(shù)、微電子技術(shù)、通信技術(shù)以及信息技術(shù)的發(fā)展，各種智能系統(tǒng)越來越廣泛地應(yīng)用于數(shù)據(jù)處理中，對多樣化數(shù)據(jù)進行處理，例如最小距離法、最大似然法、神經(jīng)元網(wǎng)絡(luò)等。然而目前基于上述單一的手段對數(shù)據(jù)進行處理，通常會影響到數(shù)據(jù)處理的多樣化信息提取、以及準確度和精度，因此如何利用多樣化信息進行數(shù)據(jù)處理，仍然是一個亟待解決的問題。

技術(shù)實現(xiàn)要素：

為了解決上述問題，本發(fā)明的目的在于提供一種圖像領(lǐng)域的數(shù)據(jù)處理方法及系統(tǒng)，可用于對目標進行分類的數(shù)據(jù)處理方法及系統(tǒng)，例如對地物目標進行分類的數(shù)據(jù)處理方法及系統(tǒng)。該方法及系統(tǒng)提出了有效的復(fù)合方式，能夠?qū)⒍鄻踊畔⑦M行有效地復(fù)合和優(yōu)化，提出了高效的數(shù)據(jù)處理方法，提取多樣化的樣本數(shù)據(jù)，并對數(shù)據(jù)進行補償和判斷，以及對數(shù)據(jù)進行交互驗證，從而提高多種數(shù)據(jù)的特征利用，提高數(shù)據(jù)的處理速度，提高對目標分類的準確度和精度。

發(fā)明采用的技術(shù)方案如下：

本發(fā)明公開了一種用于對目標進行分類驗證的數(shù)據(jù)處理方法，包括：數(shù)據(jù)收集步驟，數(shù)據(jù)處理步驟，判斷步驟，提取步驟，交互驗證步驟，分類步驟，輸出步驟。

所述數(shù)據(jù)收集步驟，包括收集實地調(diào)查數(shù)據(jù)以及傳感器數(shù)據(jù)。

所述數(shù)據(jù)處理步驟，包括將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)進行處理得到粗分辨率的分類圖數(shù)據(jù)。

所述判斷步驟，包括對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷。

所述提取步驟，包括分別提取判斷步驟中判斷為純像元的像元數(shù)據(jù)，作為訓(xùn)練及驗證樣本，記作樣本解譯數(shù)據(jù)。

所述交互驗證步驟，包括將實地調(diào)查數(shù)據(jù)和樣本解譯數(shù)據(jù)的各類參數(shù)進行n重交叉驗證。

所述分類步驟，包括如果各類參數(shù)的誤差矩陣在自定義范圍內(nèi)，則選取該參數(shù)針對數(shù)據(jù)處理后的數(shù)據(jù)對目標物進行分類，并對分類結(jié)果進行評估。

優(yōu)選地，所述數(shù)據(jù)收集步驟中所述實地調(diào)查數(shù)據(jù)來自于人工測量數(shù)據(jù)，所述傳感器數(shù)據(jù)來自于衛(wèi)星數(shù)據(jù)。

優(yōu)選地，所述數(shù)據(jù)處理步驟，包括將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)選取均勻區(qū)域，面積最優(yōu)法進行聚合，得到粗分辨率的分類圖數(shù)據(jù)。

優(yōu)選地，所述判斷步驟，包括對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷，判斷是否是純像元，如果判斷結(jié)果為是，則進入提取步驟，如果判斷結(jié)果為否，則丟棄該像元，如果判斷結(jié)果為疑似，則對疑似像元結(jié)合實地調(diào)查數(shù)據(jù)進行分析，確認結(jié)果為是則進入提取步驟，確認結(jié)果為否則丟棄該像元。

本發(fā)明還公開了一種用于對目標進行分類驗證的數(shù)據(jù)處理系統(tǒng)，包括：數(shù)據(jù)收集單元，數(shù)據(jù)處理單元，判斷單元，提取單元，交互驗證單元，分類單元，輸出單元，

所述數(shù)據(jù)收集單元，收集實地調(diào)查數(shù)據(jù)以及傳感器數(shù)據(jù)。

所述數(shù)據(jù)處理單元，將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)進行處理得到粗分辨率的分類圖數(shù)據(jù)。

所述判斷單元，對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷。

所述提取單元，分別提取判斷步驟中判斷為純像元的像元數(shù)據(jù)，作為訓(xùn)練及驗證樣本，記作樣本解譯數(shù)據(jù)。

所述交互驗證單元，將實地調(diào)查數(shù)據(jù)和樣本解譯數(shù)據(jù)的各類參數(shù)進行n重交叉驗證。

所述分類單元，如果各類參數(shù)的誤差矩陣在自定義范圍內(nèi)，則選取該參數(shù)針對數(shù)據(jù)處理后的數(shù)據(jù)對目標物進行分類，并對分類結(jié)果進行評估。

所述輸出單元，將不同輸入?yún)?shù)得到的驗證結(jié)果進行輸出顯示。

優(yōu)選地，所述數(shù)據(jù)收集單元中所述實地調(diào)查數(shù)據(jù)來自于人工測量數(shù)據(jù)，所述傳感器數(shù)據(jù)來自于衛(wèi)星數(shù)據(jù)。

優(yōu)選地，所述數(shù)據(jù)處理單元，將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)選取均勻區(qū)域，面積最優(yōu)法進行聚合，得到粗分辨率的分類圖數(shù)據(jù)。

優(yōu)選地，所述判斷單元，對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷，判斷是否是純像元，如果判斷結(jié)果為是，則進入提取步驟，如果判斷結(jié)果為否，則丟棄該像元，如果判斷結(jié)果為疑似，則對疑似像元結(jié)合實地調(diào)查數(shù)據(jù)進行分析，確認結(jié)果為是則進入提取步驟，確認結(jié)果為否則丟棄該像元。

附圖說明

下面結(jié)合附圖及實施方式對本發(fā)明作進一步詳細的說明：

圖1為數(shù)據(jù)處理方法的流程圖。

圖2為數(shù)據(jù)處理系統(tǒng)的示意圖。

具體實施方式

在下文中更詳細地描述了本發(fā)明以有助于對本發(fā)明的理解。

應(yīng)當理解的是，在說明書和權(quán)利要求書中使用的術(shù)語或詞語不應(yīng)當理解為具有在字典中限定的含義，而應(yīng)理解為在以下原則的基礎(chǔ)上具有與其在本發(fā)明上下文中的含義一致的含義：術(shù)語的概念可以適當?shù)赜砂l(fā)明人為了對本發(fā)明的最佳說明而限定。

本發(fā)明公開了一種用于對目標進行分類驗證的數(shù)據(jù)處理方法，該方法包括：數(shù)據(jù)收集步驟，數(shù)據(jù)處理步驟，判斷步驟，提取步驟，交互驗證步驟，分類步驟，輸出步驟。

進一步地，所述數(shù)據(jù)收集步驟，包括收集實地調(diào)查數(shù)據(jù)以及傳感器數(shù)據(jù)，其中，所述實地調(diào)查數(shù)據(jù)來自于人工測量數(shù)據(jù)，所述傳感器數(shù)據(jù)來自于衛(wèi)星數(shù)據(jù)。

進一步地，所述數(shù)據(jù)處理步驟，包括將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)選取均勻區(qū)域，面積最優(yōu)法進行聚合，得到粗分辨率的分類圖數(shù)據(jù)。

進一步地，所述判斷步驟，包括對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷，判斷是否是純像元，如果判斷結(jié)果為是，則進入提取步驟，如果判斷結(jié)果為否，則丟棄該像元，如果判斷結(jié)果為疑似，則對疑似像元結(jié)合實地調(diào)查數(shù)據(jù)進行分析，確認結(jié)果為是則進入提取步驟，確認結(jié)果為否則丟棄該像元。

進一步地，所述提取步驟，包括分別提取判斷步驟中判斷為純像元的像元數(shù)據(jù)，作為訓(xùn)練及驗證樣本，記作樣本解譯數(shù)據(jù)。

進一步地，所述交互驗證步驟，包括將實地調(diào)查數(shù)據(jù)和樣本解譯數(shù)據(jù)的各類參數(shù)進行n重交叉驗證。

進一步地，所述分類步驟，包括如果各類參數(shù)的誤差矩陣在自定義范圍內(nèi)，則選取該參數(shù)針對數(shù)據(jù)處理后的數(shù)據(jù)對目標物進行分類，并對分類結(jié)果進行評估。

進一步地，所述輸出步驟，包括將不同輸入?yún)?shù)得到的驗證結(jié)果進行輸出顯示。

進一步地，所述將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，具體為：

xs′(l，i，j)＝xs(l，i，j)+[xs(l，i，j)/∑l(cl·xs(l，i，j))]·(q(i，j)-∑l(cl·xs(l，i，j)))

其中，xs(l，i，j)為復(fù)合前多光譜影像像素值，xs′(l，i，j)為復(fù)合后多光譜影像像素值，l為波段序號，(i，j)表示像素位置，cl為像素(i，j)的數(shù)據(jù)塊的多元線性回歸參數(shù)，q(i，j)為選取的其他影像像素值。

進一步地，所述交互驗證步驟具體為：將訓(xùn)練及驗證樣本隨機m等分，訓(xùn)練樣本用1份，驗證樣本用m-1份，交互驗證共設(shè)m次，取其均值與方差，得到各類參數(shù)的誤差矩陣。

本發(fā)明還公開了一種用于對目標進行分類驗證的數(shù)據(jù)處理方法，該方法包括：數(shù)據(jù)收集步驟，數(shù)據(jù)處理步驟，判斷步驟，提取步驟，交互驗證步驟，分類步驟，輸出步驟。

進一步地，所述數(shù)據(jù)收集步驟，包括收集實地調(diào)查數(shù)據(jù)以及傳感器數(shù)據(jù)，其中，所述實地調(diào)查數(shù)據(jù)來自于人工測量數(shù)據(jù)，所述傳感器數(shù)據(jù)來自于衛(wèi)星數(shù)據(jù)。

進一步地，所述數(shù)據(jù)處理步驟，包括將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)選取均勻區(qū)域，面積最優(yōu)法進行聚合，得到粗分辨率的分類圖數(shù)據(jù)。

進一步地，所述判斷步驟，包括對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷，判斷是否是純像元，如果判斷結(jié)果為是，則進入提取步驟，如果判斷結(jié)果為否，則丟棄該像元，如果判斷結(jié)果為疑似，則對疑似像元結(jié)合實地調(diào)查數(shù)據(jù)進行分析，確認結(jié)果為是則進入提取步驟，確認結(jié)果為否則丟棄該像元。

進一步地，所述提取步驟，包括分別提取判斷步驟中判斷為純像元的像元數(shù)據(jù)，作為訓(xùn)練及驗證樣本，記作樣本解譯數(shù)據(jù)。

進一步地，所述交互驗證步驟，包括將實地調(diào)查數(shù)據(jù)和樣本解譯數(shù)據(jù)的各類參數(shù)進行n重交叉驗證。

進一步地，所述分類步驟，包括如果各類參數(shù)的誤差矩陣在自定義范圍內(nèi)，則選取該參數(shù)針對數(shù)據(jù)處理后的數(shù)據(jù)對目標物進行分類，并對分類結(jié)果進行評估。

進一步地，所述輸出步驟，包括將不同輸入?yún)?shù)得到的驗證結(jié)果進行輸出顯示。

進一步地，所述將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，具體為：

xs′(l，i，j)＝xs(l，i，j)+[xs(l，i，j)/∑l(cl·xs(l，i，j))]·(q(i，j)-∑l(cl·xs(l，i，j)))

其中，xs(l，i，j)為復(fù)合前多光譜影像像素值，xs′(l，i，j)為復(fù)合后多光譜影像像素值，l為波段序號，(i，j)表示像素位置，cl為像素(i，j)的數(shù)據(jù)塊的多元線性回歸參數(shù)，q(i，j)為選取的其他影像像素值。

進一步地，所述判斷步驟在判斷是否是純像元前還包括通過誤差算法對像元位置進行補償：

δx＝a0+a1x+a2y

δy＝b0+b1x+b2y

其中，δx和δy為像元坐標(x，y)對應(yīng)的系統(tǒng)誤差補償值，包括數(shù)據(jù)在行和列方向上的補償參數(shù)，以減小傳感器的測量誤差，(a0，a1，a2，b0，b1，b2)為未知的補償參數(shù)，通過設(shè)定n個及以上目標控制點計算得到，n＞＝3。

進一步地，所述交互驗證步驟具體為：將訓(xùn)練及驗證樣本隨機m等分，訓(xùn)練樣本用1份，驗證樣本用m-1份，交互驗證共設(shè)m次，取其均值與方差，得到各類參數(shù)的誤差矩陣。

本發(fā)明還公開了一種用于對目標進行分類驗證的數(shù)據(jù)處理系統(tǒng)，該系統(tǒng)包括：數(shù)據(jù)收集單元，數(shù)據(jù)處理單元，判斷單元，提取單元，交互驗證單元，分類單元，輸出單元。

進一步地，所述數(shù)據(jù)收集單元，收集實地調(diào)查數(shù)據(jù)以及傳感器數(shù)據(jù)，其中，所述實地調(diào)查數(shù)據(jù)來自于人工測量數(shù)據(jù)，所述傳感器數(shù)據(jù)來自于衛(wèi)星數(shù)據(jù)。

進一步地，所述數(shù)據(jù)處理單元，將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)選取均勻區(qū)域，面積最優(yōu)法進行聚合，得到粗分辨率的分類圖數(shù)據(jù)。

進一步地，所述判斷單元，對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷，判斷是否是純像元，如果判斷結(jié)果為是，則進入提取步驟，如果判斷結(jié)果為否，則丟棄該像元，如果判斷結(jié)果為疑似，則對疑似像元結(jié)合實地調(diào)查數(shù)據(jù)進行分析，確認結(jié)果為是則進入提取步驟，確認結(jié)果為否則丟棄該像元。

進一步地，所述提取單元，分別提取判斷步驟中判斷為純像元的像元數(shù)據(jù)，作為訓(xùn)練及驗證樣本，記作樣本解譯數(shù)據(jù)。

進一步地，所述交互驗證單元，將實地調(diào)查數(shù)據(jù)和樣本解譯數(shù)據(jù)的各類參數(shù)進行n重交叉驗證。

進一步地，所述分類單元，如果各類參數(shù)的誤差矩陣在自定義范圍內(nèi)，則選取該參數(shù)針對數(shù)據(jù)處理后的數(shù)據(jù)對目標物進行分類，并對分類結(jié)果進行評估。

進一步地，所述輸出單元，將不同輸入?yún)?shù)得到的驗證結(jié)果進行輸出顯示。

進一步地，所述將數(shù)據(jù)收集單元中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，具體為：

xs′(l，i，j)＝xs(l，i，j)+[xs(l，i，j)/∑l(cl·xs(l，i，j))]·(q(i，j)-∑l(cl·xs(l，i，j)))

其中，xs(l，i，j)為復(fù)合前多光譜影像像素值，xs′(l，i，j)為復(fù)合后多光譜影像像素值，l為波段序號，(i，j)表示像素位置，cl為像素(i，j)的數(shù)據(jù)塊的多元線性回歸參數(shù)，q(i，j)為選取的其他影像像素值。

進一步地，所述交互驗證單元訓(xùn)練及驗證樣本隨機m等分，訓(xùn)練樣本用1份，驗證樣本用m-1份，交互驗證共設(shè)m次，取其均值與方差，得到各類參數(shù)的誤差矩陣。

本發(fā)明還公開了一種用于對目標進行分類驗證的數(shù)據(jù)處理系統(tǒng)，該系統(tǒng)包括：數(shù)據(jù)收集單元，數(shù)據(jù)處理單元，判斷單元，提取單元，交互驗證單元，分類單元，輸出單元。

進一步地，所述數(shù)據(jù)收集單元，收集實地調(diào)查數(shù)據(jù)以及傳感器數(shù)據(jù)，其中，所述實地調(diào)查數(shù)據(jù)來自于人工測量數(shù)據(jù)，所述傳感器數(shù)據(jù)來自于衛(wèi)星數(shù)據(jù)。

進一步地，所述數(shù)據(jù)處理單元，將數(shù)據(jù)收集步驟中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，將收集的衛(wèi)星數(shù)據(jù)中的分類圖數(shù)據(jù)選取均勻區(qū)域，面積最優(yōu)法進行聚合，得到粗分辨率的分類圖數(shù)據(jù)。

進一步地，所述判斷單元，對高質(zhì)量的衛(wèi)星數(shù)據(jù)和粗分辨率的分類圖數(shù)據(jù)中的像元進行判斷，判斷是否是純像元，如果判斷結(jié)果為是，則進入提取步驟，如果判斷結(jié)果為否，則丟棄該像元，如果判斷結(jié)果為疑似，則對疑似像元結(jié)合實地調(diào)查數(shù)據(jù)進行分析，確認結(jié)果為是則進入提取步驟，確認結(jié)果為否則丟棄該像元。

進一步地，所述提取單元，分別提取判斷步驟中判斷為純像元的像元數(shù)據(jù)，作為訓(xùn)練及驗證樣本，記作樣本解譯數(shù)據(jù)。

進一步地，所述交互驗證單元，將實地調(diào)查數(shù)據(jù)和樣本解譯數(shù)據(jù)的各類參數(shù)進行n重交叉驗證。

進一步地，所述分類單元，如果各類參數(shù)的誤差矩陣在自定義范圍內(nèi)，則選取該參數(shù)針對數(shù)據(jù)處理后的數(shù)據(jù)對目標物進行分類，并對分類結(jié)果進行評估。

進一步地，所述輸出單元，將不同輸入?yún)?shù)得到的驗證結(jié)果進行輸出顯示。

進一步地，所述將數(shù)據(jù)收集單元中收集的衛(wèi)星數(shù)據(jù)進行復(fù)合和優(yōu)化，得到高質(zhì)量的衛(wèi)星數(shù)據(jù)，具體為：

xs′(l，i，j)＝xs(l，i，j)+[xs(l，i，j)/∑l(cl·xs(l，i，j))]·(q(i，j)-∑l(cl·xs(l，i，j)))

其中，xs(l，i，j)為復(fù)合前多光譜影像像素值，xs′(l，i，j)為復(fù)合后多光譜影像像素值，l為波段序號，(i，j)表示像素位置，cl為像素(i，j)的數(shù)據(jù)塊的多元線性回歸參數(shù)，q(i，j)為選取的其他影像像素值。

進一步地，所述交互驗證單元訓(xùn)練及驗證樣本隨機m等分，訓(xùn)練樣本用1份，驗證樣本用m-1份，交互驗證共設(shè)m次，取其均值與方差，得到各類參數(shù)的誤差矩陣。

進一步地，所述判斷單元在判斷是否是純像元前還包括通過誤差算法對像元位置進行補償：

δx＝a0+a1x+a2y

δy＝b0+b1x+b2y

其中，δx和δy為像元坐標(x，y)對應(yīng)的系統(tǒng)誤差補償值，包括數(shù)據(jù)在行和列方向上的補償參數(shù)，以減小傳感器的測量誤差，(a0，a1，a2，b0，b1，b2)為未知的補償參數(shù)，通過設(shè)定n個及以上目標控制點計算得到，n＞＝3。

以上描述了本發(fā)明優(yōu)選實施方式，然其并非用以限定本發(fā)明。本領(lǐng)域技術(shù)人員對在此公開的實施方案可進行并不偏離本發(fā)明范疇和精神的改進和變化。