一种基于行为特征识别的多源遥感图像分类方法

摘要: 本发明涉及遥感图像智能处理,尤其涉及一种基于行为特征识别的多源遥感图像分类方法。背景技术:1、随着对地观测技术的发展,遥感图像在城市精细解译、生态监测与灾害评估...
一种基于行为特征识别的多源遥感图像分类方法

本发明涉及遥感图像智能处理,尤其涉及一种基于行为特征识别的多源遥感图像分类方法。

背景技术:

1、随着对地观测技术的发展,遥感图像在城市精细解译、生态监测与灾害评估等场景中得到广泛应用。现有多源遥感图像分类方法通常以像素、超像素或对象为分类单元,从各数据源提取光谱、纹理、结构与时序等特征,再采用特征拼接、加权融合或注意力机制实现分类推断,该类方法在数据质量较高且传感器差异较小的条件下能够取得一定效果,但在跨传感器差异明显、数据缺失与噪声并存的情况下仍存在明显不足。

2、一方面,多源遥感数据存在分辨率差异、辐射特性差异与统计分布差异,直接进行特征拼接或简单加权容易产生特征空间不一致问题,导致同一地物在不同数据源下的特征表达难以对齐,出现融合后判别边界漂移与类别混淆;另一方面,光学数据常受云、阴影与大气影响,雷达数据受斑点噪声与几何畸变影响,高程数据可能存在空洞或异常值,多时相数据可能存在观测缺失与时相不一致,现有方法多以整体置信度或统一阈值处理,缺乏面向分类单元与特征块层面的可用性约束与缺失控制机制,导致低质量或缺失数据参与融合并放大误差。

3、因此,如何提供一种基于行为特征识别的多源遥感图像分类方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于行为特征识别的多源遥感图像分类方法,本发明通过分类可用性掩膜与块级掩膜约束实现多源行为特征块级对齐,采用块级正交procrustes对齐获得块级正交变换矩阵,依据对齐残差筛选内点并迭代更新对齐嵌入,构建公共参考行为空间实现多源统一对齐,降低跨传感器差异与缺失数据影响,提升分类精度与分类稳定性。

2、根据本发明实施例的一种基于行为特征识别的多源遥感图像分类方法,包括如下步骤:

3、获取同一目标区域不同传感器来源的遥感数据,并执行预处理,得到多源遥感数据集;

4、从多源遥感数据集中确定分类单元集合,并对每一分类单元生成质量标记与缺失标记,同时转换为分类可用性掩膜;

5、利用分类单元集合与分类可用性掩膜,在每一分类单元处构建行为特征向量,并划分为行为特征块集合;

6、对不同数据源行为特征向量进行配对,形成跨源配对集合,依据分类可用性掩膜生成块级掩膜;

7、选定参考行为空间,在块级掩膜约束下对各非参考数据源进行块级正交procrustes对齐,得到块级正交变换矩阵,并将非参考数据源的行为特征向量映射至参考行为空间,得到对齐嵌入;

8、计算对齐嵌入的对齐残差并筛选内点集合,在内点集合上迭代更新块级正交变换矩阵并重新计算对齐嵌入,直至满足预设内点比例条件与对齐残差条件,得到最终对齐嵌入;

9、由内点集合与最终对齐嵌入构建公共参考行为空间,将各数据源行为特征向量对齐至公共参考行为空间,得到统一对齐嵌入并进行分类计算,输出图像分类结果。

10、可选的,所述多源遥感数据集的得到具体包括:

11、获取同一目标区域在同一坐标基准下的不同传感器来源遥感数据,针对每一种传感器来源遥感数据生成数据源描述信息,依据数据源描述信息对覆盖范围执行一致化裁切,形成原始多源遥感数据集合;

12、对原始多源遥感数据集合中每一种传感器来源遥感数据执行预处理,所述预处理包含辐射定标、大气校正、几何校正、正射校正、配准、重采样,输出统一网格数据;

13、将统一网格数据按传感器来源标识进行组织并写入存储介质,形成多源遥感数据集。

14、可选的,所述分类单元集合与分类可用性掩膜的得到具体包括:

15、读取多源遥感数据集,确定分类单元类型,并按照分类单元类型对多源遥感数据集执行网格划分,生成分类单元,并为每一分类单元分配唯一标识,形成分类单元集合;

16、为分类单元集合的每一分类单元与多源遥感数据集的每一数据源生成质量标记与缺失标记;

17、建立分类可用性掩膜,所述分类可用性掩膜包含掩膜元素,掩膜元素与分类单元集合中分类单元、数据源集合中数据源一一对应,在质量标记取值为一且缺失标记取值为一时,将掩膜元素赋值为一,在质量标记取值为零时或缺失标记取值为零时,将掩膜元素赋值为零,完成掩膜元素赋值后输出分类可用性掩膜。

18、可选的,所述行为特征块集合的得到具体包括:

19、遍历每一分类单元、每一数据源并读取掩膜取值,掩膜取值为一时建立特征缓存区并提取分类单元对应数据;

20、针对掩膜取值为一的分类单元與数据源,执行特征计算并写入特征缓存区;

21、将特征缓存区的特征结果追加写入形成行为特征向量,并记录追加写入索引,形成分段边界表,依据分段边界表切分行为特征向量形成行为特征块集合;

22、可选的,所述块级掩膜与跨源配对集合的得到具体包括:

23、以分类单元集合中分类单元的标识作为配对键,在数据源集合中按数据源标识顺序两两组成数据源对,针对每一数据源对按配对键分别取得数据源对两侧行为特征向量、行为特征块集合、分类可用性掩膜,形成跨源配对集合;

24、对跨源配对集合逐条检查数据源对两侧分类可用性掩膜,分类可用性掩膜均为一时保留跨源配对,分类可用性掩膜存在为零时删除跨源配对,完成删除得到跨源配对集合;

25、对跨源配对集合逐条读取行为特征块集合,按块序号顺序生成块级掩膜,数据源对两侧行为特征块集合中,均能够定位到块序号对应的行为特征块时将块级掩膜设为一,存在无法定位到块序号对应行为特征块时将块级掩膜设为零,完成块序号生成并输出块级掩膜。

26、可选的,所述块级正交变换矩阵与对齐嵌入的得到具体包括:

27、在数据源集合中选取数据源标识最小数据源作为参考数据源,将参考数据源的行为特征向量所在向量空间设定为参考行为空间,将数据源集合中参考数据源以外的数据源设定为非参考数据源;

28、在块级掩膜约束下,在跨源配对集合中选取参考数据源与非参考数据源对应的跨源配对,按块序号顺序筛出块级掩膜设为一的块序号,按筛出的块序号分别从参考数据源的行为特征向量与非参考数据源的行为特征向量中截取参考分量与非参考分量,并按行堆叠形成参考块矩阵与非参考块矩阵;

29、对参考块矩阵、非参考块矩阵分别执行中心化处理,计算列均值向量,将参考块矩阵列均值向量逐元素从参考块矩阵对应列减去,将非参考块矩阵列均值向量逐元素从非参考块矩阵对应列减去,分别得到中心化参考块矩阵、中心化非参考块矩阵;

30、对中心化非参考块矩阵、中心化参考块矩阵执行块级正交procrustes对齐求解,计算中心化非参考块矩阵转置与中心化参考块矩阵乘积矩阵,并对乘积矩阵执行奇异值分解得到左正交矩阵、奇异值对角矩阵、右正交矩阵,计算左正交矩阵与右正交矩阵转置乘积得到初始块级正交变换矩阵,利用初始块级正交变换矩阵计算逐行对齐残差并按升序排序,同时执行截断内点重估机制,按预设比例对排序结果执行截断并得到内点行集合,按内点行集合抽取中心化非参考块矩阵行、中心化参考块矩阵行得到内点非参考块矩阵、内点参考块矩阵,针对内点非参考块矩阵、内点参考块矩阵重复乘积矩阵计算、奇异值分解、矩阵乘积计算,得到块级正交变换矩阵;

31、基于块级掩膜约束从非参考数据源的行为特征向量截取非参考分量,将非参考分量右乘块级正交变换矩阵得到对齐分量,将对齐分量按块序号写回形成对齐嵌入。

32、可选的,所述最终对齐嵌入的得到具体包括:

33、取得跨源配对集合、块级掩膜、对齐嵌入、块级正交变换矩阵,设定预设内点比例条件为内点数量占跨源配对集合数量的最小比例阈值,设定预设对齐残差条件为对齐残差统计量的最大阈值;

34、针对跨源配对集合中每一跨源配对,从对齐嵌入提取参考数据源的对齐嵌入向量、非参考数据源的对齐嵌入向量,执行向量差分得到差分向量,并基于差分向量计算得到对齐残差,形成对齐残差序列;

35、对对齐残差序列按从小到大排序得到排序序列,按预设内点比例条件与跨源配对集合数量计算内点数量,按排序序列选取内点数量对应跨源配对索引形成内点集合;

36、按内点集合从跨源配对集合提取参考数据源的行为特征向量、非参考数据源的行为特征向量并保留块级掩膜约束,对块级正交变换矩阵进行更新,采用更新后的块级正交变换矩阵对非参考数据源的行为特征向量执行映射写回,生成更新对齐嵌入;

37、在内点集合上重新计算对齐残差并汇总得到内点集合平均对齐残差,计算内点集合数量与跨源配对集合数量的比值得到内点比例,当内点比例满足预设内点比例条件且内点集合平均对齐残差满足预设对齐残差条件时,输出最终对齐嵌入,否则以更新对齐嵌入替换对齐嵌入并继续执行对齐残差计算、内点筛选、块级正交变换矩阵更新、对齐嵌入重算,直至输出最终对齐嵌入;

38、可选的,所述图像分类结果的输出具体包括:

39、建立公共参考向量集合,在内点集合中逐项定位最终对齐嵌入对应参考侧对齐向量,并写入公共参考向量集合;

40、对公共参考向量集合执行逐维累加,同时按向量数量执行逐维平均得到公共参考向量,将公共参考向量所在向量空间设定为公共参考行为空间;

41、对分类单元集合中分类单元在数据源集合中数据源下读取行为特征向量与对应块级掩膜,按块序号顺序处理行为特征向量,当块级掩膜设为一时,截取块分量并右乘块级正交变换矩阵得到对齐块分量,当块级掩膜设为零时保持块分量原值,将对齐块分量与保持块分量按块序号写回,生成公共参考行为空间对齐向量;

42、选取同一分类单元在各数据源下的公共参考行为空间对齐向量,执行逐维累加求和、参与数量统计与逐维平均,得到统一对齐嵌入;

43、对统一对齐嵌入执行类别得分计算,选取最大得分对应类别作为分类单元类别标签,按分类单元集合输出类别标签,形成图像分类结果。

44、本发明的有益效果是:

45、本发明通过分类可用性掩膜对分类单元在各数据源下的可用信息进行约束,并在跨源配对基础上生成块级掩膜,使行为特征向量在进入对齐阶段前完成可用性筛选,减少云影遮挡、斑点噪声、空洞缺测等低质量信息对融合分类的干扰,从而提高多源遥感图像分类的稳定性。

46、本发明在块级掩膜约束下执行块级正交procrustes对齐,得到块级正交变换矩阵并将非参考数据源行为特征向量映射至参考行为空间,配合对齐残差计算与内点集合筛选实现迭代更新与重算对齐嵌入,抑制异常配对与外点样本对变换估计的影响,提升跨传感器差异条件下对齐关系的可靠性与分类精度。

47、本发明由内点集合与最终对齐嵌入构建公共参考行为空间,并将各数据源行为特征向量对齐至公共参考行为空间得到统一对齐嵌入,再执行分类计算输出图像分类结果,使多源信息在同一参考体系内可比与可汇聚,降低不同数据源组合变化带来的结果波动,进一步提升多源遥感图像分类的精度与一致性。