一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及露天礦生產(chǎn)領(lǐng)域，是一種基于無(wú)人機(jī)影像的露天礦典型地物面向?qū)ο?分類方法。
【背景技術(shù)】
[0002] 隨著遙感技術(shù)、計(jì)算機(jī)技術(shù)以及相關(guān)技術(shù)的快速發(fā)展，通過(guò)高空飛行的各類傳感 器獲得的影像無(wú)論在時(shí)間分辨率還是空間分辨率上都有很大的提高，近年來(lái)無(wú)人機(jī)遙感的 快速發(fā)展是對(duì)衛(wèi)星遙感的很好的補(bǔ)充和豐富。無(wú)人機(jī)遙感系統(tǒng)與傳統(tǒng)航空航天遙感系統(tǒng)相 比具有機(jī)動(dòng)靈活、作業(yè)成本低、攜帶方便、應(yīng)用廣泛等多方面顯著特點(diǎn)，使得無(wú)人機(jī)遙感系 統(tǒng)快速成為國(guó)家應(yīng)急救災(zāi)、國(guó)土資源監(jiān)察、礦山勘測(cè)、數(shù)字城市建設(shè)和新農(nóng)村測(cè)繪保障便捷 高效的數(shù)據(jù)獲取手段。
[0003] 長(zhǎng)期以來(lái)，目視解譯和面向像元分類方法是進(jìn)行遙感影像信息提取的基本方法。 目視解譯方法目前仍被廣泛應(yīng)用于精度要求較高的信息提取中，特別是在高分辨率的遙感 信息提取。但是，目視解譯既需要豐富的地學(xué)知識(shí)和目視判讀經(jīng)驗(yàn)，又需要花費(fèi)大量的時(shí)間 去目視判讀，其勞動(dòng)強(qiáng)度大，信息獲取周期長(zhǎng)，解譯質(zhì)量受目視判讀者的經(jīng)驗(yàn)、對(duì)解譯區(qū)域 的熟悉程度等各種因素限制，具有很大的主觀性。
[0004] 面向像元分類是以像元作為基本單元進(jìn)行地物提取，主要包括監(jiān)督分類和非監(jiān) 督分類，常用的監(jiān)督分類有最大似然法、最短距離法、馬式距離法等，常用的非監(jiān)督分類有 IS0DATA聚類法、K均值法等。但面向像元分類方法主要根據(jù)像元的光譜信息進(jìn)行分類，然 而，高分辨率遙感數(shù)據(jù)通常包含較少波段，光譜信息不如空間特征豐富，分類時(shí)不能僅靠光 譜特征，因?yàn)楦叻直媛视跋竦匚锏膸缀谓Y(jié)構(gòu)和紋理信息更加明顯，意味著地物的空間破碎 性更加明顯，增加了不確定性，同時(shí)，遙感影像的數(shù)據(jù)量隨著空間分辨率的增加以指數(shù)級(jí)增 長(zhǎng)，高分辨率影像信息提取對(duì)計(jì)算機(jī)的軟、硬件都提出了更高的要求，以面向像元分類方法 對(duì)高分辨率影像進(jìn)行信息提取的速度較慢，不能滿足遙感信息快速提取的需要。
[0005] 針對(duì)傳統(tǒng)分類方法無(wú)法滿足對(duì)高分辨率影像的分類要求，針對(duì)高分辨率遙感影像 的特點(diǎn)，如何充分挖掘高分辨率遙感影像所包含的信息，是高分辨率遙感影像信息提取成 敗的關(guān)鍵，針對(duì)高分辨率遙感影像處理難的特點(diǎn)，BaatzΜ和SchapeA提出了面向?qū)ο蟮?物分類方法，此方法是針對(duì)高分辨率遙感影像的分類技術(shù)，利用地物的光譜、顏色、紋理和 形狀等特征將擁有相似特征的像素合并到一個(gè)子區(qū)域中，最后對(duì)子區(qū)域?qū)ο筮M(jìn)行分類。此 方法打破了傳統(tǒng)的基于像素的分類方法，充分利用了圖像幾何信息，提高了分類精度。對(duì)于 高分辨率影像，不同地物間的差異是漸進(jìn)性的，相同地物內(nèi)部光譜值也并不很一致，這使得 地物具有了更高的細(xì)節(jié)化，各地物光譜重疊，因此光譜分布更具有變化性，面向?qū)ο蠓诸惙?法目前雖然可以基本解決這些問(wèn)題，但分類方法也不是很具有普適性，需要操作人員的大 量實(shí)驗(yàn)來(lái)確定最適合的分類特征和閾值，且針對(duì)露天礦的無(wú)人機(jī)影像，礦山地物間復(fù)雜性 強(qiáng)，地物間差異不明顯等問(wèn)題，已有的面向?qū)ο蠓诸惙椒ㄒ膊皇峭耆m用于無(wú)人機(jī)影像的 露天礦典型地物的分類。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明是一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，在露天礦的典型地物 分類中，對(duì)典型地物進(jìn)行更有效的分類，大大規(guī)避錯(cuò)分和地物不完整現(xiàn)象，為礦山的環(huán)境監(jiān) 測(cè)及地物的變化檢測(cè)提供了有效的技術(shù)方法。
[0007] 為達(dá)到上述目的，本發(fā)明的技術(shù)內(nèi)容包括：
[0008] -種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，其特征在于，包括步驟：
[0009] A)通過(guò)對(duì)露天礦無(wú)人機(jī)影像進(jìn)行多尺度分割，得到不同尺度分割的影像層，選取 適合每類地物提取的影像層；
[0010]B)對(duì)露天礦典型地物的所有特征進(jìn)行相關(guān)性分析，剔除相關(guān)性較大、不利于分類 的特征，得到去相關(guān)之后的特征集后對(duì)特征進(jìn)行歸一化處理，對(duì)歸一化后的特征提取不符 合正態(tài)分布規(guī)律的特征，進(jìn)一步優(yōu)化特征集；
[0011] C)從最終優(yōu)化得到的特征集中根據(jù)地物特點(diǎn)選取5個(gè)特征建立分類函數(shù)，利用特 征符合正態(tài)分布的規(guī)律確定分類閾值，進(jìn)行分類；
[0012] D)對(duì)初次分類得到的結(jié)果進(jìn)行類別合并、邊緣光滑化、錯(cuò)分類別調(diào)整等優(yōu)化處理， 得到最終分類結(jié)果。
[0013] 所述的一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，其所述A)步，將影像分 割得到一系列空間上相鄰、同質(zhì)性較好的分割對(duì)象，多尺度分割可以根據(jù)目標(biāo)地物的不同 選擇不同的分割尺度，通常對(duì)于小面積分布且類別紋理復(fù)雜的地物采用較小的分割尺度； 而分布面積大且類別紋理簡(jiǎn)單均勻的地類采用較大的尺度，利用不同的分割尺度提取不同 的地物對(duì)分類精度有很大提高。
[0014] 所述的一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，其所述B)步，無(wú)人機(jī)影 像中地物的各類特征豐富，除了光譜特征還有紋理特征、形狀特征、結(jié)構(gòu)特征等，選擇最適 合分類的特征是分類的難題及關(guān)鍵，本發(fā)明首先采用特征相關(guān)性分析，相關(guān)性越大，特征的 可分性越小，剔除相關(guān)性大的特征，優(yōu)化特征集，如果對(duì)象特征不符合正態(tài)分布規(guī)律，說(shuō)明 特征分離性差，不考慮用于分類，這樣進(jìn)一步優(yōu)化特征集。
[0015] 所述的一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，其所述C)步，地物不 同適合分類的特征也就不同，根據(jù)具體的地物選擇最適合的5個(gè)特征建立分類函數(shù)，例如 NDVI指數(shù)是提取植被的最佳選擇，但對(duì)于無(wú)人機(jī)影像沒有近紅外波段，根據(jù)NDVI指數(shù)，利 用1波段和3波段定義NDSI指數(shù)，利用特征值符合正態(tài)分布規(guī)律，來(lái)為每個(gè)特征確定分類 閾值，大大減少了多次試驗(yàn)確定閾值的工作量。
[0016] 所述的一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，其所述D)步，對(duì)分類后 的結(jié)果將相鄰的同類地物進(jìn)行合并，可以提高地物的完整性，對(duì)每類地物單獨(dú)進(jìn)行平滑處 理，對(duì)每類地物邊緣不足一個(gè)像素的對(duì)象，判斷真正的其隸屬性，使邊緣更加的光滑，也提 高的分類結(jié)果的精度。
[0017] 本發(fā)明提出的一種基于無(wú)人機(jī)影像的露天礦典型地物分類方法，是一種能夠保證 高精度分類和減少人工目視解譯的無(wú)人機(jī)影像的露天礦典型地物分類方法，該方法通過(guò)多 尺度分割，充分考慮了不同地物在高分辨率影像中尺度問(wèn)題，通過(guò)剔除相關(guān)性大的特征，從 而提高了特征選取的效率和分類精度。
【附圖說(shuō)明】
[0018] 圖1為本發(fā)明的技術(shù)流程圖；
[0019] 圖2實(shí)驗(yàn)區(qū)原始無(wú)人機(jī)影像；
[0020] 圖3a分割尺度為80的分割結(jié)果圖；
[0021] 圖3b分割尺度為100的分割結(jié)果圖；
[0022] 圖3c分割尺度為130的分割結(jié)果圖；
[0023] 圖3d分割尺度為150的分割結(jié)果圖；
[0024] 圖3e分割尺度為200的分割結(jié)果圖；
[0025] 圖3f分割尺度為250的分割結(jié)果圖；
[0026] 圖4實(shí)驗(yàn)區(qū)露天礦典型地物分類結(jié)果（包括：植被、道路、裸土）。
【具體實(shí)施方式】
[0027] 本發(fā)明的目的在于實(shí)現(xiàn)一種保證較高的分類精度和提高自動(dòng)化效率的無(wú)人機(jī)影 像的露天礦典型地物的分類方法。本方法主要步驟如下：首先采用多尺度分割算法對(duì)無(wú)人 機(jī)露天礦影像進(jìn)行分割，得到不同分割尺度對(duì)應(yīng)的影像層，選擇適合每種地物提取的對(duì)象 層，對(duì)地物特征進(jìn)行去相關(guān)優(yōu)化，確定分類特征集，為每類地物選擇最適合的5個(gè)特征建立 分類函數(shù)，并確定特征的分類閾值，最后對(duì)分類后的結(jié)果進(jìn)行優(yōu)化。本發(fā)明的流程圖如圖1 所示。
[0028] 本分類方法采用的是多尺度分割，由于多尺度分析的方法能夠綜合考慮不同尺度 的影像信息，當(dāng)設(shè)定多個(gè)分割尺度對(duì)影像進(jìn)行分割后，形成了由分割尺度參數(shù)所決定的影 像對(duì)象層次體系，影像對(duì)