专利名称：一种基于信息熵的纯净和混合像元自动划分方法
一种基于信息熵的纯净和混合像元自动划分方法技术领域：
本发明涉及导航遥感领域，特别是一种基于信息熵的纯净和混合像元自动划分方法。背景技术：
土地覆盖是全球变化的重要研究内容之一，利用遥感手段获取土地利用/覆盖信息是遥感应用的一个重要领域。遥感影像作为地面土地覆盖的一种图像反映，真实记录了地表的情况。遥感影像分类一直以来都是遥感领域的重点研究内容，也是形成各种专题图像或专题地图供地学工作或其他工作使用的一项关键的工作。遥感分类方法常包括硬分类和软分类，但由于遥感影像空间分辨率的限制，混合像元普遍存在，尤其是中分辨率遥感影像。硬分类和软分类均不能很好的解决纯净、混合像元并存造成的分类误差的问题。软硬分类方法集成了软、硬分类各自的优势，可以在一定程度上解决混合像元的问题，在遥感土地覆盖识别中的应用已经初露端倪，其中纯净、混合像元确定的优劣是决定该方法成功与否的关键。目前有学者采用支撑向量机结合线性分解模型进行软硬分类，并结合分类结果的异质性特征进行了纯净、混合像元的划分，但对于纯净、混合像元划分方法的适用性未作深入的分析。
如果将遥感图像定义为以像元为元素构成的集合，则纯净、混合像元子集互为补集，确定混合像元后，纯净像元自然划分出来。混合像元包含两种以上的地物，其光谱由多种地物光谱混合组成，因此像元光谱本身的混乱程度是表达光谱不确定性的关键。
熵是对信息不确定性的定量表达指标,熵越大则不确定性越大,反之不确定性就越小。Foody在1995年提出，信息熵能够在一定程度上反映像元的归属程度，是定量表达像元混乱程度的一个有效指标。
发明内容
本发明针对遥感图像上纯、混像元共存的现象，利用信息熵作为表达像元不确定性的指标，采用基于贝叶斯决策理论的EM(Expectation-miza—tion)方法、基于方差的最大类间方差(OTSU)和K-means聚类方法自动设定阈值，最终确定出混合、纯净像元，并采用高分辨率遥感影像划分的纯净/混合像元作为真值对本发明方法的适用性进行评价。
本发明提出的基于信息熵的纯净和混合像元自动划分方法，包括以下步骤
步骤一、对遥感图像数据建立分类体系并进行样本提取和选择；
步骤二、利用SVM分类法进行分类，获得分类专题图和归属概率图，并得到规则影
步骤三、根据归属概率图，对步骤二中的规则影像计算信息熵得到像元的混乱度 H，进而得到像元混乱度的强度步骤四、利用阈值设定法对像元混乱度的强度图进行阈值确定，将图像划分为纯净像元和混合像元。
优选的，上述步骤一具体是根据图像上反映的各种地物的光谱信息，建立图像分类体系，参照原始影像，考虑各种地物的光谱与纹理特征选取训练样本。
优选的，上述步骤二得到的分类专题图进行降维处理后，计算纯净和混合像元真值，得到误差矩阵，最终得到评估结果。
优选的，上述步骤三利用公式(I)计算信息熵得到像元的混乱度H
权利要求
1.一种基于信息熵的纯净和混合像元自动划分方法，其特征在于包括以下步骤步骤一、对遥感图像数据建立分类体系并进行样本提取和选择；步骤二、利用SVM分类法进行分类，获得分类专题图和归属概率图，并得到规则影像；步骤三、根据归属概率图，对步骤二中的规则影像计算信息熵得到像元的混乱度H，进而得到像元混乱度的强度图；步骤四、利用阈值设定法对像元混乱度的强度图进行阈值确定，将图像划分为纯净像元和混合像元。
2.根据权利要求I所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于 所述步骤一具体是根据图像上反映的各种地物的光谱信息，建立图像分类体系，参照原始遥感影像，考虑各种地物的光谱与纹理特征选取训练样本。
3.根据权利要求I所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于 所述步骤二得到的分类专题图进行降维处理后，计算纯净和混合像元真值，得到误差矩阵， 最终得到评估结果。
4.根据权利要求I所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于 所述步骤三利用公式(I)计算信息熵得到像元的混乱度H
5.根据权利要求I所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于 所述步骤四中确定阈值的方法包括人工经验阈值法和自动阈值法。
6.根据权利要求5所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于所述自动阈值法包括EM(Expectation-maximization)法、最大类间方差(OTSU)法和 Κ-means 法。
7.根据权利要求6所述的基于信息熵的纯净、混合像元自动划分方法，其特征在于所述 EM(Expectation-maximization)法具体为1)假设纯净《。、混合Wh两部分的信息熵服从两个高斯的混合分布2)给定初始信息熵划分阈值，分别计算两个高斯分布参数，包括均值和方差，迭代求得纯净、混合区域最终的高斯分布参数，得到划分阈值。
8.根据权利要求6所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于 所述最大类间方差(OTSU)法具体包括1)采用方差作为划分标准，将信息熵划分为两类，分别对应纯净、混合像元；2)从小到大遍历信息熵值，根据公式(2)求得类间方差，使得该方差最大的信息熵值作为划分阈值。 其中σ为目标区域像元和背景区域像元的类间方差，此处为纯净区域像元信息熵和混合区域两类之间的方差；μ。为目标区域的平均灰度值，此处为纯净区域的信息熵平均值；μ h为背景区域的平均灰度值，此处为混合区域的信息熵平均值；ω。为目标区域像元所占图像的比例，此处为纯净像元占图像的比例；《h为背景区域像元所占图像的比例，此处为混合像元占图像的比例。
9.根据权利要求6所述的基于信息熵的纯净和混合像元自动划分方法，其特征在于 所述K-means法基于聚类方法，将信息熵聚为纯净、混合两类。
全文摘要
本发明提供一种基于信息熵的纯净、混合像元自动划分方法，包括步骤一、获取数据，包括对原始影像进行数据标准化预处理和目视解译处理两种方法；步骤二、利用SVM分类法进行分类，获得分类专题图和归属概率图，并得到规则影像；步骤三、根据归属概率图，对步骤二中的规则影像计算信息熵得到像元的混乱度H，进而得到像元混乱度的强度图；步骤四、利用阈值设定法对像元混乱度的强度图进行阈值确定，将遥感图像划分为纯净像元和混合像元。本发明采用遥感影像的纯净、混合像元共同存在的特征，采用信息熵的方法定义像元混乱度，采用三种阈值划分方法确定纯净、混合像元，从而为进一步采用软硬分类方法进行土地覆盖制图提供基础。
文档编号G06K9/62GK102938069SQ201210193858
公开日2013年2月20日 申请日期2012年6月13日 优先权日2012年6月13日
发明者王晓东, 张锦水, 喻秋艳, 帅冠元, 申克建 申请人:北京师范大学