CN114254707B 一种基于GlobeLand30的历史地表覆盖快速重建方法 （南京大学）

一种基于GlobeLand30的历史地表覆盖快速本发明涉及一种基于GlobeLand30的历史地GlobeLand30的有效斑块提取：利用形态学运算2第二步、基于形态学开运算构建对地表覆盖产品土地斑块的优化从而获得斑块单元：将地表覆盖产品GlobeLand30按照类别划分为若干二值图层，同时对每一层二值图像进行计算当前斑块单元内其他像元的归一化差值光谱向量NDSV到第k个聚类中心μk的欧式距离，并根据该欧式距离设置对应像元的抽样权重，根据抽样权重随机抽取第k+1个聚类中合，对于任意斑块单元，将所有像元的归一化差值光谱向量NDSV输入K-means算法进行聚差比准则VRC对应的簇数Kj作为当前斑块单元内聚第二步获得的所有斑块单元，对各个斑块单元内的所有像元使用第四步方法获得聚类中第七步、根据地表覆盖产品确定地表覆盖类别体系，对每一μ2分别为两个分布的均值向量，∑1、∑2分布为两个分布的协方差向1第八步、采用迭代期望最大化EM算法估算每个高斯混合模型3第九步、利用变化检测与分类方法完成目标历史时相的地表覆盖2.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在3.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在其中yd代表影像中第d个像元的光谱特征向量，为第d个像元第bi个波段的反射率，4.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在5.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在6.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在7.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在于：第九步中随机森林RF分类器参数设置为决策树的数量Ntree设置为500,基分类器的特征子集维度Mtry设置为输入分类器的特征集维48.根据权利要求1所述的基于GlobeLand30的历史地表覆盖快速重建方法，其特征在5[0001]本发明涉及一种基于GlobeLand30的历史地表覆盖快速重建方法，属于遥感智能[0004]本发明要解决的技术问题是：克服历史地表覆盖分类任务中训练样本获取难度[0005]为了解决以上技术问题，本发明提供的一种基于GlobeLand30的历史地表覆盖快6[0009]第四步、将每一个斑块单元作为聚类计算单元，采用K-means算法进行无监督聚机选择一个像元的归一化差值光谱向量NDSV作为第一个簇的聚类中心，当目前有k个聚类中心时，计算当前斑块单元内其他像元的归一化差值光谱向量NDSV到第k个聚类中心μk的方差比准则VRC对应的簇数Kj作为当前斑块单元1,∑1)与p(y|μ2,∑2)分别为第一与第二个高斯分布密度函数。以上{(αj,μj,[0015]第八步、采用迭代期望最大化EM算法估算每个高斯混合斑块信息的角度来初步降低产品的地表覆盖信息不确定性。本发明引入改进的K-means算7历史地表覆盖重建方法，为遥感影像智能解译和地表覆盖动态制图问题提供了解决思路。[0033]本实施案例基于GlobeLand30的历史地表覆盖快速重建方法(图1)，包括以下步8记为ξ。为了保证在优化斑块的同时尽可能保留产品信息，将ξ设置阈[0040]第四步：将每一个斑块单元作为聚类计算单元，采用K-means算法进行无监督聚9归一化差值光谱向量到聚类中心的欧式距离，结果的基础上，获得当前聚类结果下的总体簇间方差SSB(overallbetween-cluster[0048]计算当前聚类结果下的总体簇内方差S[0051]方差比准则通过计算总体簇间方差和总体簇内反差的比值来衡量聚类效果的好覆盖产品类别信息赋予该簇。通过并行计算对试验区所有斑块单元完成伪样本推选算法，[0061]选择归一化植被指数(NormalizedDifferenceVegetationIndex,NDVI)作为林[0065]利用Matlab编程实现多层二类高斯混合模型的构建(图3)，通过将整体影像的的伪样本则通过坡度构建的高斯混合模型进行分解优化。二类高斯混合模型的构建采用Matlab统计与机器学习工具箱中的fitgmdist函数编程1,∑1)与p(y|μ2,∑2)分别为第一与第二个高斯分布密度函数。以上{(αj,μj,采用马氏距离作为权重，使用权重采样的方式完成EM算法的初始化，然后实行EM算法的E≤10-6林(RandomForest)分类器，RF分类器采用开源代码实现(Classificationandregressionbasedonaforestoftreesusingrandominputs,basedonBreiman方差的集合，将集合内的极大值对应的阈值T作为最佳阈值。对于灰度级为{0,1