98%的值，這樣絕大多數(shù)的異常值會(huì)在拉伸時(shí)舍 掉，顯示出漂亮直觀的效果。
[0047] 并進(jìn)行波段運(yùn)算，獲得增強(qiáng)圖像。
[0048] (3)均勻的選擇較為純凈的訓(xùn)練樣本，要求根據(jù)自己的分類定義繪制的相應(yīng)訓(xùn)練 區(qū)（ROI)在整個(gè)圖像上是分散且均勻展布的，這個(gè)沒有具體的標(biāo)準(zhǔn)，較為純凈同樣也是一個(gè) 相對(duì)的概念，沒有具體的標(biāo)準(zhǔn)來界定，較為純凈是指根據(jù)自己的分類定義繪制的相應(yīng)訓(xùn)練 區(qū)（ROI)時(shí)應(yīng)選擇差異較少、較為干凈的整個(gè)區(qū)域。并進(jìn)行可分離性的計(jì)算，然后對(duì)處理的 結(jié)果執(zhí)行監(jiān)督分類和分類精度的評(píng)價(jià)。
[0049] 可分離性的計(jì)算是指計(jì)算任意類別間的統(tǒng)計(jì)距離，用于確定兩個(gè)類別間的差異性 程度，當(dāng)計(jì)算結(jié)果不合格，將通過結(jié)果對(duì)樣本進(jìn)行二次處理，返回進(jìn)行訓(xùn)練樣本的重選。計(jì) 算結(jié)果合格后，進(jìn)行下一步驟。
[0050] 以1999年岷江上游地區(qū)為例，訓(xùn)練樣本（ROI)數(shù)據(jù)的可分離性參數(shù)如下： 表1999年ROI可分離性（見圖5) 據(jù)可分離性值的大小，從小到大列出感興趣區(qū)組合。這兩個(gè)參數(shù)的值在〇~2. 0之間，大 于1. 9說明樣本之間可分離性好；小于1. 8大于1. 4屬于合格樣本；小于1. 4需要重新選擇 樣本；小于1考慮將兩類樣本合成一類樣本。
[0051] (4)遙感影像的分類后處理 將執(zhí)行監(jiān)督分類后的結(jié)果依次經(jīng)過主要分析，將較大類別中的虛假像元?dú)w到該類中， 定義一個(gè)變換核尺寸，用變換核中占主要地位的像元類別代替中心像元的類別；聚類分析， 將被選的分類用一個(gè)擴(kuò)大操作合并到一塊，然后用參數(shù)對(duì)話框中指定了大小的變換核對(duì)分 類圖像進(jìn)行侵蝕操作；合并子集，將河谷的類別合并合并到一類；統(tǒng)計(jì)計(jì)算；計(jì)算每一類的 點(diǎn)數(shù)、最小值、最大值、平均值以及類的每個(gè)波段的標(biāo)準(zhǔn)差。
[0052] (5)以分類后結(jié)果與和遙感影像圖為參考制作河谷范圍內(nèi)的掩膜文件。
[0053] (6)利用掩膜文件進(jìn)行裁剪。
[0054] (7)將裁剪后的圖像進(jìn)一步處理，包括將裁剪后的圖像進(jìn)行多面分解，即把提取出 來的部分打散，進(jìn)行小斑消除，將細(xì)小圖斑合并到周圍的圖斑中，然后進(jìn)行線面平滑。形成 需要的干旱河谷范圍。
[0055] 本發(fā)明中的分類精度的評(píng)價(jià)采用混淆矩陣，用于比較分類結(jié)果和地表真實(shí)信息， 如圖4所示。
[0056] 其中圖中的相關(guān)參數(shù)說明如下： 總體分類精度（Overall Accuracy) 等于被正確分類的像元總和除以總像元數(shù)。被正確分類的像元數(shù)目沿著混淆矩陣的對(duì) 角線分布，總像元數(shù)等于所有真實(shí)參考源的像元總數(shù)。
[0057] Kappa 系數(shù)（Kappa Coefficient) 它是通過把所有真實(shí)參考的像元總數(shù)（N)乘以混淆矩陣對(duì)角線（XKK)的和，再減去某 一類中真實(shí)參考像元數(shù)與該類中被分類像元總數(shù)之積之后，再除以像元總數(shù)的平方減去某 一類中真實(shí)參考像元總數(shù)與該類中被分類像元總數(shù)之積對(duì)所有類別求和的結(jié)果。
[0058] kappa計(jì)算結(jié)果為_1~1，但通常kappa是落在0~1間，可分為五組來表示不 同級(jí)別的一致性：〇. 〇~〇. 20極低的一致性（slight)、0. 21~0. 40 -般的一致性（fair)、 0· 41~0· 60 中等的一致性（moderate)、0· 61~0· 80 高度的一致性（substantial)和 0· 81~1 幾乎完全一致（almost perfect)。
[0059] 錯(cuò)分誤差（Commission) 指被分為用戶感興趣的類，而實(shí)際屬于另一類的像元，它顯示在混淆矩陣?yán)锩妗?br>[0060] 漏分誤差（Omission) 指本身屬于地表真實(shí)分類，當(dāng)沒有被分類器分到相應(yīng)類別中的像元數(shù)。
[0061] 制圖精度（Prod. Acc) 是指分類器將整個(gè)影像的像元正確分為A類的像元數(shù)(對(duì)角線值)與A類真實(shí)參考總數(shù) (混淆矩陣中A類列的總和）的比率。
[0062] 用戶精度（User. Acc) 是指正確分到A類的像元總數(shù)(對(duì)角線值)與分類器將整個(gè)影像的像元分為A類的像元 總數(shù)(混淆矩陣中A類行的總和）比率。
[0063] 本發(fā)明中的主要分析為：采用類似于卷積濾波的方法將較大類別中的虛假像元?dú)w 到該類中，定義一個(gè)變換核尺寸，用變換核中占主要地位(像元素最多）的像元類別代替中 心像元的類別。如果使用次要分析(Minority Analysis)，將用變換核中占次要地位的像元 的類別代替中心像元的類別。如圖1，主要分析效果圖。
[0064] 由于分類圖像經(jīng)常缺少空間連續(xù)性(分類區(qū)域中斑點(diǎn)或洞的存在)。低通濾波雖然 可以用來平滑這些圖像，但是類別信息常常會(huì)被臨近類別的編碼干擾，本發(fā)明中采用聚類 分析處理解決了這個(gè)問題。首先將被選的分類用一個(gè)擴(kuò)大操作合并到一塊，然后用參數(shù)對(duì) 話框中指定了大小的變換核對(duì)分類圖像進(jìn)行侵蝕操作。如圖2,聚類分析效果圖。
[0065] 上述為本發(fā)明示例性說明，不代表本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，按如下步驟進(jìn)行， (1) 制定干旱河谷的界定標(biāo)準(zhǔn)； (2) 遙感影像預(yù)處理和圖像增強(qiáng)處理，包括校正處理、彩色合成，并進(jìn)行波段運(yùn)算；獲得 增強(qiáng)圖像； (3) 均勻的選擇較為純凈的訓(xùn)練樣本，并進(jìn)行可分離性的計(jì)算，然后對(duì)處理的結(jié)果執(zhí)行 監(jiān)督分類和分類精度的評(píng)價(jià)； (4) 遙感影像的分類后處理 將執(zhí)行監(jiān)督分類后的結(jié)果依次經(jīng)過主要分析、聚類分析、合并子集、統(tǒng)計(jì)計(jì)算過程； (5) 以分類后結(jié)果與和遙感影像圖為參考制作河谷范圍內(nèi)的掩膜文件； (6) 利用掩膜文件進(jìn)行裁剪； (7) 將裁剪后的圖像進(jìn)一步處理后形成需要的干旱河谷范圍。2. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的遙感影像預(yù)處理和圖像增強(qiáng)處理包括幾何校正、拼接鑲嵌、圖像裁剪、影像融合。3. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的遙感影像預(yù)處理和圖像增強(qiáng)處理包括將影像進(jìn)行2%拉伸圖像拉伸，以舍掉絕大多 數(shù)的異常值，得到漂亮直觀的圖片效果。4. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的彩色合成時(shí)選擇5, 4,NDVI。5. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 在步驟7中的進(jìn)一步處理包括將裁剪后的圖像進(jìn)行多面分解，即把提取出來的部分打散， 進(jìn)行小斑消除，將細(xì)小圖斑合并到周圍的圖斑中，然后進(jìn)行線面平滑。6. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的制定干旱河谷的界定標(biāo)準(zhǔn)；具體為：河谷內(nèi)沒有植被或植被較少的地區(qū)評(píng)定為干旱 河谷；更具體地：在山谷里植被較茂盛的區(qū)域不屬于干旱河谷，在山谷以外有較少植被的 區(qū)域同樣不是干旱河谷。7. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的均勻的選擇較為純凈的訓(xùn)練樣本，具體為，所述的均勻是指根據(jù)自己的分類定義繪 制的相應(yīng)訓(xùn)練區(qū)在整個(gè)圖像上是分散且均勻展布的； 所述的較為純凈是指根據(jù)自己的分類定義繪制的相應(yīng)訓(xùn)練區(qū)時(shí)應(yīng)選擇差異較少、較為 干凈的整個(gè)區(qū)域。8. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的可分離性的計(jì)算是指計(jì)算任意類別間的統(tǒng)計(jì)距離，用于確定兩個(gè)類別間的差異性程 度。9. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 在步驟3中進(jìn)行的可分離性的計(jì)算，計(jì)算結(jié)果不合格，通過結(jié)果對(duì)樣本進(jìn)行二次處理。10. 如權(quán)利要求1所述的制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其特征在于， 所述的主要分析為：將較大類別中的虛假像元?dú)w到該類中，定義一個(gè)變換核尺寸，用變換核 中占主要地位的像元類別代替中心像元的類別； 所述的聚類分析為：將被選的分類用一個(gè)擴(kuò)大操作合并到一塊，然后用參數(shù)對(duì)話框中 指定了大小的變換核對(duì)分類圖像進(jìn)行侵蝕操作； 所述的合并子集為：將河谷的類別合并合并到一類； 所述的統(tǒng)計(jì)計(jì)算為：計(jì)算每一類的點(diǎn)數(shù)、最小值、最大值、平均值以及類的每個(gè)波段的 標(biāo)準(zhǔn)差。
【專利摘要】本發(fā)明為制備高精度掩膜文件進(jìn)行干旱河谷提取的方法，其步驟為：首先制定干旱河谷的界定標(biāo)準(zhǔn)；然后對(duì)遙感影像預(yù)處理和圖像增強(qiáng)處理，獲得增強(qiáng)圖像，再均勻的選擇較為純凈的訓(xùn)練樣本進(jìn)行可分離性的計(jì)算，并對(duì)處理的結(jié)果執(zhí)行監(jiān)督分類和分類精度的評(píng)價(jià)，將執(zhí)行監(jiān)督分類后的結(jié)果依次經(jīng)過主要分析、聚類分析、合并子集、統(tǒng)計(jì)計(jì)算過程，最后制作河谷范圍內(nèi)的掩膜文件，經(jīng)掩膜裁剪后形成需要的干旱河谷范圍。本方法可用于利用區(qū)域遙感影像進(jìn)行干旱河谷的選擇與制備，為區(qū)域重點(diǎn)研究提供準(zhǔn)確的基礎(chǔ)資料。
【IPC分類】G06T7/40, G06T3/40
【公開號(hào)】CN104915925
【申請(qǐng)?zhí)枴緾N201510322167
【發(fā)明人】丁明濤, 黃英, 王俊, 廟成, 周鵬
【申請(qǐng)人】西南科技大學(xué)
【公開日】2015年9月16日
【申請(qǐng)日】2015年6月12日