专利名称：基于对象集成高度信息的面向对象的高光谱分类处理方法
技术领域：
本发明涉及一种高光谱分类处理方法，尤其是涉及一种基于对象集成高度信息的面向对象的高光谱分类处理方法。
背景技术：
为了在光谱库中对待定目标进行快速查找和匹配，可以对光谱进行二值编码，使得光谱可以用简单的0-1序列来表述，使用二值编码法有助于提高图像光谱数据的分析处理效率。根据Mazer等提出的方法，若每个图像对象由η个像素组成，首先计算图像对象每一层(波段)的灰度平均值。在光谱二进制编码方法中，图像的每个空间分辨率元素(也就是像素)用一个L维的向量来表示，
权利要求
1.一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，包括以下步骤1)对HyMap影像和DSM数据进行预处理，包括HyMap影像校正，以及从DSM中找出具有高度的地面对象；2)将HyMap影像与DSM数据进行影像匹配，若匹配成功，执行步骤3)，若匹配不成功， 返回步骤1)；3)采用基于边缘探测的分割方法与FullLambda-Schedule算法将HyMap影像分割成了多个图像对象；4)对每个图像对象的光谱信息进行二进制编码；5)为每个图像对象计算形状因子的值，并将这些值转换成为了二进制编码；6)将从DSM获取的具有高度的地面对象的相对高度信息转换成为二进制码；7)客户端输入对目标对象的描述，系统将目标对象的描述转换成二进制编码；8)用编码匹配算法对图像编码和目标编码进行匹配，确定两者之间的相似度。
2.根据权利要求1所述的一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，所述的步骤1)中的HyMap影像校正包括正射校正、大气校正、辐射校正。
3.根据权利要求1所述的一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，所述的步骤4)的光谱信息包括光谱均值、坡度信息，并用两倍于波段数的二值编码来表示。
4.根据权利要求1所述的一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，所述的5)中的形状因子包括面积、不对称系数、矩形系数、长宽比、紧致度，每个因子用5个编码来表达。
5.根据权利要求1所述的一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，所述的6)的相对高度信息分成三类，类型A 相对高度低于1.5m;类型B 相对高度高于1. 5m低于5m ；类型C 相对高度高于5m，每个类型对应一个二进制编码。
6.根据权利要求1所述的一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，所述的7)中的目标对象的描述包括对光谱、形状与大小、高度的描述， 所述的光谱描述来自于光谱库或数据本身的训练集。
7.根据权利要求1所述的一种基于对象集成高度信息的面向对象的高光谱分类处理方法，其特征在于，所述的8)中的编码匹配算法具体如下使用汉明距计算图像光谱和目标光谱的距离，用以确定光谱信息的近似度，在衡量形状，大小和高度信息的近似度时，使用的是位与操作，通过以下公式计算得到
全文摘要
本发明涉及一种基于对象集成高度信息的面向对象的高光谱分类处理方法，包括以下步骤1)对HyMap影像和DSM数据进行预处理；2)将HyMap影像与DSM数据进行影像匹配，若匹配成功，执行步骤3)；3)将HyMap影像分割成了多个图像对象；4)对每个图像对象的光谱信息进行二进制编码；5)为每个图像对象计算形状因子的值，并将这些值转换成为了二进制编码；6)将从DSM获取的具有高度的地面对象的相对高度信息转换成为二进制码；7)系统将目标对象的描述转换成二进制编码；8)用编码匹配算法对图像编码和目标编码进行匹配。与现有技术相比，本发明具有需要的训练样本更少，却可以获取更高的分类精度等优点。
文档编号G06T9/00GK102222235SQ201010146730
公开日2011年10月19日 申请日期2010年4月14日 优先权日2010年4月14日
发明者童小华, 谢欢 申请人:同济大学