一種基于無人機影像的露天礦典型地物分類方法
【技術領域】
[0001] 本發明涉及露天礦生產領域，是一種基于無人機影像的露天礦典型地物面向對象 分類方法。
【背景技術】
[0002] 隨著遙感技術、計算機技術以及相關技術的快速發展，通過高空飛行的各類傳感 器獲得的影像無論在時間分辨率還是空間分辨率上都有很大的提高，近年來無人機遙感的 快速發展是對衛星遙感的很好的補充和豐富。無人機遙感系統與傳統航空航天遙感系統相 比具有機動靈活、作業成本低、攜帶方便、應用廣泛等多方面顯著特點，使得無人機遙感系 統快速成為國家應急救災、國土資源監察、礦山勘測、數字城市建設和新農村測繪保障便捷 高效的數據獲取手段。
[0003] 長期以來，目視解譯和面向像元分類方法是進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知識和目視判讀經驗，又需要花費大量的時間 去目視判讀，其勞動強度大，信息獲取周期長，解譯質量受目視判讀者的經驗、對解譯區域 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行地物提取，主要包括監督分類和非監 督分類，常用的監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像元的光譜信息進行分類，然 而，高分辨率遙感數據通常包含較少波段，光譜信息不如空間特征豐富，分類時不能僅靠光 譜特征，因為高分辨率影像地物的幾何結構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，遙感影像的數據量隨著空間分辨率的增加以指數級增 長，高分辨率影像信息提取對計算機的軟、硬件都提出了更高的要求，以面向像元分類方法 對高分辨率影像進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] 針對傳統分類方法無法滿足對高分辨率影像的分類要求，針對高分辨率遙感影像 的特點，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 敗的關鍵，針對高分辨率遙感影像處理難的特點，BaatzΜ和SchapeA提出了面向對象地 物分類方法，此方法是針對高分辨率遙感影像的分類技術，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子區域中，最后對子區域對象進行分類。此 方法打破了傳統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。對于 高分辨率影像，不同地物間的差異是漸進性的，相同地物內部光譜值也并不很一致，這使得 地物具有了更高的細節化，各地物光譜重疊，因此光譜分布更具有變化性，面向對象分類方 法目前雖然可以基本解決這些問題，但分類方法也不是很具有普適性，需要操作人員的大 量實驗來確定最適合的分類特征和閾值，且針對露天礦的無人機影像，礦山地物間復雜性 強，地物間差異不明顯等問題，已有的面向對象分類方法也不是完全適用于無人機影像的 露天礦典型地物的分類。
【發明內容】
[0006] 本發明是一種基于無人機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，對典型地物進行更有效的分類，大大規避錯分和地物不完整現象，為礦山的環境監 測及地物的變化檢測提供了有效的技術方法。
[0007] 為達到上述目的，本發明的技術內容包括：
[0008] -種基于無人機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)通過對露天礦無人機影像進行多尺度分割，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)對露天礦典型地物的所有特征進行相關性分析，剔除相關性較大、不利于分類 的特征，得到去相關之后的特征集后對特征進行歸一化處理，對歸一化后的特征提取不符 合正態分布規律的特征，進一步優化特征集；
[0011] C)從最終優化得到的特征集中根據地物特點選取5個特征建立分類函數，利用特 征符合正態分布的規律確定分類閾值，進行分類；
[0012] D)對初次分類得到的結果進行類別合并、邊緣光滑化、錯分類別調整等優化處理， 得到最終分類結果。
[0013] 所述的一種基于無人機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、同質性較好的分割對象，多尺度分割可以根據目標地物的不同 選擇不同的分割尺度，通常對于小面積分布且類別紋理復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 的地物對分類精度有很大提高。
[0014] 所述的一種基于無人機影像的露天礦典型地物分類方法，其所述B)步，無人機影 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、結構特征等，選擇最適 合分類的特征是分類的難題及關鍵，本發明首先采用特征相關性分析，相關性越大，特征的 可分性越小，剔除相關性大的特征，優化特征集，如果對象特征不符合正態分布規律，說明 特征分離性差，不考慮用于分類，這樣進一步優化特征集。
[0015] 所述的一種基于無人機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，根據具體的地物選擇最適合的5個特征建立分類函數，例如 NDVI指數是提取植被的最佳選擇，但對于無人機影像沒有近紅外波段，根據NDVI指數，利 用1波段和3波段定義NDSI指數，利用特征值符合正態分布規律，來為每個特征確定分類 閾值，大大減少了多次試驗確定閾值的工作量。
[0016] 所述的一種基于無人機影像的露天礦典型地物分類方法，其所述D)步，對分類后 的結果將相鄰的同類地物進行合并，可以提高地物的完整性，對每類地物單獨進行平滑處 理，對每類地物邊緣不足一個像素的對象，判斷真正的其隸屬性，使邊緣更加的光滑，也提 高的分類結果的精度。
[0017] 本發明提出的一種基于無人機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人機影像的露天礦典型地物分類方法，該方法通過多 尺度分割，充分考慮了不同地物在高分辨率影像中尺度問題，通過剔除相關性大的特征，從 而提高了特征選取的效率和分類精度。
【附圖說明】
[0018] 圖1為本發明的技術流程圖；
[0019] 圖2實驗區原始無人機影像；
[0020] 圖3a分割尺度為80的分割結果圖；
[0021] 圖3b分割尺度為100的分割結果圖；
[0022] 圖3c分割尺度為130的分割結果圖；
[0023] 圖3d分割尺度為150的分割結果圖；
[0024] 圖3e分割尺度為200的分割結果圖；
[0025] 圖3f分割尺度為250的分割結果圖；
[0026] 圖4實驗區露天礦典型地物分類結果（包括：植被、道路、裸土）。
【具體實施方式】
[0027] 本發明的目的在于實現一種保證較高的分類精度和提高自動化效率的無人機影 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無人 機露天礦影像進行分割，得到不同分割尺度對應的影像層，選擇適合每種地物提取的對象 層，對地物特征進行去相關優化，確定分類特征集，為每類地物選擇最適合的5個特征建立 分類函數，并確定特征的分類閾值，最后對分類后的結果進行優化。本發明的流程圖如圖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，當設定多個分割尺度對影像進行分割后，形成了由分割尺度參數所決定的影 像對象層次體系，影像對