一种基于无人机影像的露天矿典型地物分类方法

文档序号:9489732阅读:381来源:国知局
一种基于无人机影像的露天矿典型地物分类方法
【技术领域】
[0001] 本发明涉及露天矿生产领域,是一种基于无人机影像的露天矿典型地物面向对象 分类方法。
【背景技术】
[0002] 随着遥感技术、计算机技术以及相关技术的快速发展,通过高空飞行的各类传感 器获得的影像无论在时间分辨率还是空间分辨率上都有很大的提高,近年来无人机遥感的 快速发展是对卫星遥感的很好的补充和丰富。无人机遥感系统与传统航空航天遥感系统相 比具有机动灵活、作业成本低、携带方便、应用广泛等多方面显著特点,使得无人机遥感系 统快速成为国家应急救灾、国土资源监察、矿山勘测、数字城市建设和新农村测绘保障便捷 高效的数据获取手段。
[0003] 长期以来,目视解译和面向像元分类方法是进行遥感影像信息提取的基本方法。 目视解译方法目前仍被广泛应用于精度要求较高的信息提取中,特别是在高分辨率的遥感 信息提取。但是,目视解译既需要丰富的地学知识和目视判读经验,又需要花费大量的时间 去目视判读,其劳动强度大,信息获取周期长,解译质量受目视判读者的经验、对解译区域 的熟悉程度等各种因素限制,具有很大的主观性。
[0004] 面向像元分类是以像元作为基本单元进行地物提取,主要包括监督分类和非监 督分类,常用的监督分类有最大似然法、最短距离法、马式距离法等,常用的非监督分类有 IS0DATA聚类法、K均值法等。但面向像元分类方法主要根据像元的光谱信息进行分类,然 而,高分辨率遥感数据通常包含较少波段,光谱信息不如空间特征丰富,分类时不能仅靠光 谱特征,因为高分辨率影像地物的几何结构和纹理信息更加明显,意味着地物的空间破碎 性更加明显,增加了不确定性,同时,遥感影像的数据量随着空间分辨率的增加以指数级增 长,高分辨率影像信息提取对计算机的软、硬件都提出了更高的要求,以面向像元分类方法 对高分辨率影像进行信息提取的速度较慢,不能满足遥感信息快速提取的需要。
[0005] 针对传统分类方法无法满足对高分辨率影像的分类要求,针对高分辨率遥感影像 的特点,如何充分挖掘高分辨率遥感影像所包含的信息,是高分辨率遥感影像信息提取成 败的关键,针对高分辨率遥感影像处理难的特点,BaatzΜ和SchapeA提出了面向对象地 物分类方法,此方法是针对高分辨率遥感影像的分类技术,利用地物的光谱、颜色、纹理和 形状等特征将拥有相似特征的像素合并到一个子区域中,最后对子区域对象进行分类。此 方法打破了传统的基于像素的分类方法,充分利用了图像几何信息,提高了分类精度。对于 高分辨率影像,不同地物间的差异是渐进性的,相同地物内部光谱值也并不很一致,这使得 地物具有了更高的细节化,各地物光谱重叠,因此光谱分布更具有变化性,面向对象分类方 法目前虽然可以基本解决这些问题,但分类方法也不是很具有普适性,需要操作人员的大 量实验来确定最适合的分类特征和阈值,且针对露天矿的无人机影像,矿山地物间复杂性 强,地物间差异不明显等问题,已有的面向对象分类方法也不是完全适用于无人机影像的 露天矿典型地物的分类。

【发明内容】

[0006] 本发明是一种基于无人机影像的露天矿典型地物分类方法,在露天矿的典型地物 分类中,对典型地物进行更有效的分类,大大规避错分和地物不完整现象,为矿山的环境监 测及地物的变化检测提供了有效的技术方法。
[0007] 为达到上述目的,本发明的技术内容包括:
[0008] -种基于无人机影像的露天矿典型地物分类方法,其特征在于,包括步骤:
[0009] A)通过对露天矿无人机影像进行多尺度分割,得到不同尺度分割的影像层,选取 适合每类地物提取的影像层;
[0010]B)对露天矿典型地物的所有特征进行相关性分析,剔除相关性较大、不利于分类 的特征,得到去相关之后的特征集后对特征进行归一化处理,对归一化后的特征提取不符 合正态分布规律的特征,进一步优化特征集;
[0011] C)从最终优化得到的特征集中根据地物特点选取5个特征建立分类函数,利用特 征符合正态分布的规律确定分类阈值,进行分类;
[0012] D)对初次分类得到的结果进行类别合并、边缘光滑化、错分类别调整等优化处理, 得到最终分类结果。
[0013] 所述的一种基于无人机影像的露天矿典型地物分类方法,其所述A)步,将影像分 割得到一系列空间上相邻、同质性较好的分割对象,多尺度分割可以根据目标地物的不同 选择不同的分割尺度,通常对于小面积分布且类别纹理复杂的地物采用较小的分割尺度; 而分布面积大且类别纹理简单均匀的地类采用较大的尺度,利用不同的分割尺度提取不同 的地物对分类精度有很大提高。
[0014] 所述的一种基于无人机影像的露天矿典型地物分类方法,其所述B)步,无人机影 像中地物的各类特征丰富,除了光谱特征还有纹理特征、形状特征、结构特征等,选择最适 合分类的特征是分类的难题及关键,本发明首先采用特征相关性分析,相关性越大,特征的 可分性越小,剔除相关性大的特征,优化特征集,如果对象特征不符合正态分布规律,说明 特征分离性差,不考虑用于分类,这样进一步优化特征集。
[0015] 所述的一种基于无人机影像的露天矿典型地物分类方法,其所述C)步,地物不 同适合分类的特征也就不同,根据具体的地物选择最适合的5个特征建立分类函数,例如 NDVI指数是提取植被的最佳选择,但对于无人机影像没有近红外波段,根据NDVI指数,利 用1波段和3波段定义NDSI指数,利用特征值符合正态分布规律,来为每个特征确定分类 阈值,大大减少了多次试验确定阈值的工作量。
[0016] 所述的一种基于无人机影像的露天矿典型地物分类方法,其所述D)步,对分类后 的结果将相邻的同类地物进行合并,可以提高地物的完整性,对每类地物单独进行平滑处 理,对每类地物边缘不足一个像素的对象,判断真正的其隶属性,使边缘更加的光滑,也提 高的分类结果的精度。
[0017] 本发明提出的一种基于无人机影像的露天矿典型地物分类方法,是一种能够保证 高精度分类和减少人工目视解译的无人机影像的露天矿典型地物分类方法,该方法通过多 尺度分割,充分考虑了不同地物在高分辨率影像中尺度问题,通过剔除相关性大的特征,从 而提高了特征选取的效率和分类精度。
【附图说明】
[0018] 图1为本发明的技术流程图;
[0019] 图2实验区原始无人机影像;
[0020] 图3a分割尺度为80的分割结果图;
[0021] 图3b分割尺度为100的分割结果图;
[0022] 图3c分割尺度为130的分割结果图;
[0023] 图3d分割尺度为150的分割结果图;
[0024] 图3e分割尺度为200的分割结果图;
[0025] 图3f分割尺度为250的分割结果图;
[0026] 图4实验区露天矿典型地物分类结果(包括:植被、道路、裸土)。
【具体实施方式】
[0027] 本发明的目的在于实现一种保证较高的分类精度和提高自动化效率的无人机影 像的露天矿典型地物的分类方法。本方法主要步骤如下:首先采用多尺度分割算法对无人 机露天矿影像进行分割,得到不同分割尺度对应的影像层,选择适合每种地物提取的对象 层,对地物特征进行去相关优化,确定分类特征集,为每类地物选择最适合的5个特征建立 分类函数,并确定特征的分类阈值,最后对分类后的结果进行优化。本发明的流程图如图1 所示。
[0028] 本分类方法采用的是多尺度分割,由于多尺度分析的方法能够综合考虑不同尺度 的影像信息,当设定多个分割尺度对影像进行分割后,形成了由分割尺度参数所决定的影 像对象层次体系,影像对
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1