(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210581575.1 (22)申请日 2022.05.26 (71)申请人 湖北省国土测绘院 地址 430014 湖北省武汉市江岸区澳门路 199号 申请人 中国地质大 学 （武汉） (72)发明人 帅爽　张志　马梓程　王亚毛　 彭艳鹏　熊忠招　谢菲　王旭　 龚元夫　陈思　肖瑶　谢翠容　 岳常海　孙天成　孟丹　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 徐瑛 (51)Int.Cl. G06K 9/62(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/40(2022.01) (54)发明名称 多源遥感数据多特征融合的岩性自动分类 方法及系统 (57)摘要 本发明公开一种多源遥感数据多特征融合 的岩性自动分类方法及系统， 方法包括： 获取多 源遥感数据； 提取多尺度光学遥感特征， 构建光 谱与纹理特征空间并进行光谱与纹理特征优选； 提取雷达遥感特征， 并面向岩性识别进行雷达遥 感特征优选； 提取多类型地形因子， 并面向岩性 识别进行地形因子优选； 结合优选后的光谱与纹 理特征、 雷达遥感特征及地形因子特征， 构建岩 性分类特征空间， 并基于岩性分类特征空间， 结 合监督分类算法和各岩性单元训练样本建立岩 性自动分类模 型， 实现多源遥感数据多特征融合 的岩性自动分类。 本发明解决岩石像元间的 “特 征相异性 ”和“特征相似性 ”对基于单一类型遥感 特征岩性分类精度的影响以及多源遥感特征特 征冗余问题。 权利要求书2页 说明书14页 附图13页 CN 114662626 A 2022.06.24 CN 114662626 A 1.多源遥感数据多特 征融合的岩性自动分类方法， 其特 征在于， 包括： 获取多源遥感数据； 提取多尺度光学遥感特 征， 构建光谱与纹 理特征空间并进行光谱与纹 理特征优选； 提取雷达遥感特征， 并面向岩性识别进行 雷达遥感特征优选； 提取多类型地形因子， 并面向岩性识别进行地形因子优选； 结合优选后的光谱与纹理特征、 雷达遥感特征及地形因子特征， 构建岩性分类特征空 间， 并基于岩性分类特征空间， 结合监督分类算法和各岩性单元训练样本建立岩性自动分 类模型， 实现多源遥感数据多特 征融合的岩性自动分类。 2.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法， 其特征在于， 获 取多源遥感数据进一步包括： 分别采集多光谱 数据、 高分数据、 雷达遥感数据和D EM数据； 对 采集的高分数据和多光谱数据依次进行辐射校正、 大气校正、 正射校正、 裁剪， 得到预处理 后的高分数据和多光谱反射率数据； 对采集的雷达遥感数据进行热噪声去除、 边界噪声去 除、 定标、 Speckle滤波和多普勒地形校正， 得到预 处理后的后向散射数据； 将预 处理后的高 分数据、 多光谱反射率数据、 后向散射数据和DEM数据重采样至同一空间分辨率下， 并进行 空间位置配准。 3.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法， 其特征在于， 构 建光谱与 纹理特征空间， 进一步包括： 利用高分数据和多光谱反射率数据提取多类型光谱 特征， 形成多类型光谱特征集； 利用高分数据提取多尺度纹理特征， 形成多尺度纹理特征 集； 将多类型光谱特 征集和多尺度纹 理特征集进行合并， 形成光谱与纹 理特征空间。 4.根据权利要求3所述多源遥感数据多特征融合的岩性自动分类方法， 其特征在于， 对 光谱与纹理特征进 行优选， 进一步包括： 引入广义正态分布优化算法， 结合各岩性单元训练 样本， 对光谱与纹 理特征进行优选 。 5.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法， 其特征在于， 提 取雷达遥感特征， 并面向岩性识别进 行雷达遥感特征优选， 进一步包括： 对雷达遥感数据进 行极化分解， 获得极化分解特征； 基于各岩性单元训练样 本， 计算后向散射系数和极化分解 特征的各岩性单元训练样本像元均值， 并对比同一特征上各岩性单元训练样本像元均值， 选取各岩性单 元像元均值差异大的雷达 遥感特征作为优选后的雷达 遥感特征。 6.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法， 其特征在于， 提 取多类型地形因子， 并面向岩性识别进行因子优选， 进一步包括： 提取地形因子， 基于各岩 性单元训练样本， 计算地形因子中各岩性单元训练样本像元均值， 并对比各地形因子上各 岩性单元训练样本像元均值， 选取同一地形因子上各岩性单元训练样本像元均值差异大的 地形因子作为优选后的地形因子 。 7.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法， 其特征在于， 所 述方法进一步包括： 选取工作区域各岩性单元训练样 本区， 以分层随机采样的方式， 按照1: 1的比例， 将各岩性单元训练样本区随机 分为训练样本和验证样本， 其中训练样本用于岩性 自动分类模型的训练， 验证样本用于分类结果精度评价。 8.多源遥感数据多特 征融合的岩性自动分类系统， 其特 征在于， 包括： 获取模块， 用于获取多源遥感数据； 特征提取模块， 用于基于预处理后的多源遥感数据， 提取多尺度光学遥感特征、 雷达遥权　利　要　求　书 1/2 页 2 CN 114662626 A 2感特征及多类型地形因子特 征； 特征优选模块， 用于对提取的多尺度光学遥感特征、 雷达遥感特征及多类型地形因子 特征进行优选； 特征组合模块， 用于将优选后的光谱与纹理特征空间、 雷达遥感特征及地形因子特征 进行组合， 形成岩性分类特 征空间； 岩性分类模块， 用于基于岩性分类特征空间， 结合监督分类算法和各岩性单元训练样 本建立岩性自动分类模型， 实现多源遥感数据多特 征融合的岩性自动分类。 9.根据权利要求8所述多源遥感数据多特征融合的岩性自动分类系统， 其特征在于， 所 述获取模块进一步包括： 采集模块， 用于分别采集多光谱数据、 高分数据、 雷达遥感数据和 DEM数据； 光谱数据预处理模块， 用于对采集的高分数据和多光谱数据依次进行辐射校正、 大气校正、 正射校正、 裁剪， 得到预处理后的高分数据和多光谱反射率数据； 雷达数据预处 理模块， 用于对采集的雷达遥感数据进 行热噪声去除、 边界 噪声去除、 定标、 Speckle滤波和 多普勒地形校正， 得到预处理后的后向散射数据； 配准模块， 用于将预处理后的高分数据、 多光谱反射率数据、 后向散射数据和D EM数据重采样至同一空间分辨率下， 并进 行空间位置 配准。权　利　要　求　书 2/2 页 3 CN 114662626 A 3