基于協(xié)同訓(xùn)練半監(jiān)督學(xué)習(xí)的遙感影像水體提取方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及水體遙感技術(shù)領(lǐng)域，特別設(shè)及一種基于協(xié)同訓(xùn)練半監(jiān)督學(xué)習(xí)的遙感影 像水體提取方法及系統(tǒng)。
【背景技術(shù)】
[0002] 傳統(tǒng)的遙感影像水體提取方法包括水體指數(shù)法、譜間關(guān)系法，另外在影像空間分 辨率較高而波段數(shù)目較少的情況下常常使用影像分類法。目前遙感影像水體提取研究中多 采用的是監(jiān)督分類方法，例如最大似然法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)法等等，采取運(yùn)些方法進(jìn) 行水體提取的基本步驟是：
[0003] (1)提取影像每個(gè)像元的特征（W光譜特征和紋理特征為主）組成特征向量；
[0004] 似選取一些訓(xùn)練樣本（標(biāo)注為水體或非水體），并采用某種監(jiān)督學(xué)習(xí)方法對訓(xùn)練 樣本集進(jìn)行學(xué)習(xí)，學(xué)習(xí)目的是達(dá)到最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)或結(jié)構(gòu)風(fēng)險(xiǎn)，最終得到一個(gè)決策函數(shù)或 規(guī)則； 陽0化](3)采取上述決策函數(shù)或規(guī)則對影像中所有的未知類別的像元進(jìn)行分類，判斷為 水體或非水體，W達(dá)到水體提取的目的。
[0006] 當(dāng)影像中背景地物比較復(fù)雜的時(shí)候，由于同物異譜和同譜異物現(xiàn)象的存在，導(dǎo)致 采取傳統(tǒng)監(jiān)督分類法時(shí)往往難W獲取代表性足夠好的訓(xùn)練樣本，從而影響到水體提取的精 度。那么，為了提高水體提取的精度，就必須獲取足夠多甚至是無限多的訓(xùn)練樣本，而且訓(xùn) 練樣本的數(shù)量自然是越多越好，因此獲取大量的訓(xùn)練樣本就成為了最重要的條件。但是人 工標(biāo)注的樣本畢竟是有限的，而且標(biāo)注訓(xùn)練樣本的操作復(fù)雜度是很高的，因此獲取大量標(biāo) 注的樣本是不現(xiàn)實(shí)的，必須尋求其他途徑。

【發(fā)明內(nèi)容】

[0007] 【要解決的技術(shù)問題】
[0008] 本發(fā)明的目的是提供一種基于協(xié)同訓(xùn)練半監(jiān)督學(xué)習(xí)的遙感影像水體提取方法，W 解決目前采用監(jiān)督分類方法進(jìn)行遙感影像水體提取時(shí)，由于人工選擇的樣本數(shù)量不足導(dǎo)致 水體提取精度較差的問題。
[0009] 【技術(shù)方案】
[0010] 本發(fā)明是通過W下技術(shù)方案實(shí)現(xiàn)的。
[0011] 本發(fā)明首先設(shè)及一種基于協(xié)同訓(xùn)練半監(jiān)督學(xué)習(xí)的遙感影像水體提取方法，包括步 驟：
[0012]A、提取遙感影像的光譜特征和紋理特征，所述光譜特征至少包括遙感影像各波段 數(shù)據(jù)X、水體指數(shù)NDWI和植被指數(shù)NDVI，所述紋理特征至少包括遙感影像的灰度共生矩陣 的角二階矩ASM、該灰度共生矩陣的均勻性H0M、該灰度共生矩陣的賭ENT和遙感影像分形 紋理模型的分形維數(shù)抑，其中X=巧1，B2,...，BjT，n為波段數(shù)，Bi為波段i影像的灰度值， 1 <i<η;
[0013] B、根據(jù)步驟A中提取到的遙感影像的光譜特征和紋理特征構(gòu)建如下式所示的雙 視圖：
[0014]
Vi、V2分別是光譜特征和紋理特征組成的 綜合特征向量；
[0015] C、從遙感影像中選擇初始訓(xùn)練樣本并對初始訓(xùn)練樣本進(jìn)行標(biāo)注得到標(biāo)注樣本集 合以從遙感影像剩余像元中隨機(jī)生成未標(biāo)注樣本集合U;
[0016] D、設(shè)置最大迭代次數(shù)，從未標(biāo)注樣本集合U中隨機(jī)取出一個(gè)樣本子集U' ；
[0017]E、使用標(biāo)注樣本集合L的視圖Vi訓(xùn)練一個(gè)分類器h1，使用標(biāo)注樣本集合L的視圖 V2訓(xùn)練一個(gè)分類器h2,使用分類器hi對樣本子集U'中的數(shù)據(jù)進(jìn)行分類并對置信度最高的 P個(gè)樣本進(jìn)行標(biāo)注，使用分類器h,對樣本子集U'中的數(shù)據(jù)進(jìn)行分類并對置信度最高的P個(gè) 樣本進(jìn)行標(biāo)注；
[0018] F、將步驟E中新標(biāo)注的樣本加入到標(biāo)注樣本集合L中，并隨機(jī)從未標(biāo)注樣本集合 U中選擇化個(gè)未標(biāo)注樣本補(bǔ)充到樣本子集U'中；
[0019] G、判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)W及未標(biāo)注樣本集合U是否為空，如果迭 代次數(shù)達(dá)到最大迭代次數(shù)或未標(biāo)注樣本集合U為空，則保存分類器hi和分類器h2并執(zhí)行下 一步驟，反之則返回步驟E進(jìn)行下一次迭代；
[0020] H、使用步驟G得到的分類器hi和分類器h2對遙感影像進(jìn)行分類，提取遙感影像的 水體信息。
[0021] 作為一種優(yōu)選的實(shí)施方式，所述步驟Η具體包括：
[0022] 讀取遙感影像，提取每一像元的特征向量；
[0023] 用分類器hi對像元的視圖Vi進(jìn)行分類，得到置信度曰1;
[0024] 使用分類器h2對像元的視圖V2進(jìn)行分類，得到置信度曰2;
[00巧]若α1〉α2,則該像元為分類器hi預(yù)測的類別，反之，則該像元為分類器h2預(yù)測的 類別。
[00%] 作為另一種優(yōu)選的實(shí)施方式，所述水體指數(shù)
其中Green、 NIR分別是綠光波段、近紅外波段的反射率。
[0027] 作為另一種優(yōu)選的實(shí)施方式，所述水體指數(shù)
其中RecUNIR分 別是紅光波段、近紅外波段的反射率。
[0028] 作為另一種優(yōu)選的實(shí)施方式，所述步驟C中標(biāo)注樣本集合L的樣本數(shù)量與未標(biāo)注 樣本集合U的樣本數(shù)量的比例為1:20~1:10。
[0029] 本發(fā)明還設(shè)及一種基于協(xié)同訓(xùn)練半監(jiān)督學(xué)習(xí)的遙感影像水體提取系統(tǒng)，包括遙感 影像特征提取模塊、雙視圖構(gòu)建模塊、分類器訓(xùn)練模塊和分類模塊，所述分類器訓(xùn)練模塊包 括初始化模塊、樣本標(biāo)注模塊、樣本集合更新模塊和迭代控制模塊，
[0030]所述遙感影像特征提取模塊被配置成提取遙感影像的光譜特征和紋理特征，所述 光譜特征至少包括遙感影像各波段數(shù)據(jù)X、水體指數(shù)NDWI和植被指數(shù)NDVI，所述紋理特征 至少包括遙感影像的灰度共生矩陣的角二階矩ASM、該灰度共生矩陣的均勻性H0M、該灰度 共生矩陣的賭ENT和遙感影像分形紋理模型的分形維數(shù)抑，其中X=怔1，Bz，. . .，BJT，η為 波段數(shù)，Bi為波段i影像的灰度值，1《i《η;
[0031] 所述雙視圖構(gòu)建模塊被配置成根據(jù)遙感影像特征提取模塊提取到的遙感影像的 光譜特征和紋理特征構(gòu)建如下式所示的雙視圖：
[0032]
Vi、V2分別是光譜特征和紋理特征組成的 綜合特征向量；
[0033] 所述初始化模塊被配置成：從遙感影像中選擇初始訓(xùn)練樣本并對初始訓(xùn)練樣本進(jìn) 行標(biāo)注得到標(biāo)注樣本集合以從遙感影像剩余像元中隨機(jī)生成未標(biāo)注樣本集合U，設(shè)置最大 迭代次數(shù)，從未標(biāo)注樣本集合U中隨機(jī)取出一個(gè)樣本子集U' ；
[0034] 所述樣本標(biāo)注模塊被配置成：使用標(biāo)注樣本集合L的視圖Vi訓(xùn)練一個(gè)分類器h1， 使用標(biāo)注樣本集合L的視圖V2訓(xùn)練一個(gè)分類器h2,使用分類器hi對樣本子集U'中的數(shù)據(jù) 進(jìn)行分類并對置信度最高的P個(gè)樣本進(jìn)行標(biāo)注，使用分類器h2對樣本子集U'中的數(shù)據(jù)進(jìn) 行分類并對置信度最高的P個(gè)樣本進(jìn)行標(biāo)注；
[0035] 所述樣本集合更新模塊被配置成：將樣本標(biāo)注模塊中新標(biāo)注的樣本加入到標(biāo)注樣 本集合L中，并隨機(jī)從未標(biāo)注樣本集合U中選擇化個(gè)未標(biāo)注樣本補(bǔ)充到樣本子集U'中；
[0036] 所述迭代控制模塊被配置成：判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)或未標(biāo)注樣本 集合U是否為空，如果迭代次數(shù)達(dá)到最大迭代次數(shù)或未標(biāo)注樣本集合U為空，則保存分類器 hi和分類器h2并將分類器h1和分類器h2發(fā)送至分類模塊，反之則返回樣本標(biāo)注模塊進(jìn)行 下一次迭代；
[0037] 所述分類模塊被配置成：使用得到的分類器hi和分類器h2對遙感影像進(jìn)行分類， 提取遙感影像的水體信息。
[0038] 作為一種優(yōu)選的實(shí)施方式，所述分類模塊包括：
[0039] 遙感影像讀取模塊，其被配置成：讀取遙感影像，提取每一像元的特征向量； W40] 第一分類子模塊，其被配置成：使用分類器hi對像元的視圖Vi進(jìn)行分類，得到置信 度α1;
[0041] 第二分類子模塊，其被配置成：使用分類器h2對像元的視圖V2進(jìn)行分類，得到置信 度α2;
[0042] 類別判斷模塊，其被配置成：若α1〉α2,則該像元為分類器hi預(yù)測的類別，反之， 則該像元為分類器h2預(yù)測的類別。
[0043] 作為另一種優(yōu)選的實(shí)施方式，所述水體指i
其中Green、 NIR分別是綠光波段、近紅外波段的反射率。 W44] 作為另一種優(yōu)選的實(shí)施方式，所述植被指數(shù)
，其中RetNIR分 別是紅光波段、近紅外波段的反射率。
[0045] 作為另一種優(yōu)選的實(shí)施方式，所述初始化模塊中標(biāo)注