1.一种基于超分辨图像的红树林识别方法,其特征在于,包括以下步骤:S1、对待识别树林图像进行双三次插值处理,得到超分辨树林图像;
S2、提取超分辨树林图像对应的检测数据集合,并根据检测数据集合中各个像素点的偏差系数,为各个像素点生成更新像素值;
S3、根据各个像素点对应的更新像素值,筛选待识别树林图像的红树林区域;
所述S2包括以下子步骤:
S21、将超分辨树林图像中所有像素点的像素值作为检测数据集合;
S22、根据检测数据集合,确定各个像素点的偏差系数;
S23、根据各个像素点的偏差系数,确定更新像素值;
所述S22包括以下子步骤:
S221、根据像素点的像素值,利用局部离群因子算法提取各个像素点在检测数据集合的离群度;
S222、根据各个像素点在检测数据集合的离群度,确定各个像素点的偏差系数;
所述S222中,像素点的偏差系数的计算公式为:;
式中,表示像素点在检测数据集合的离群度,表示所有像素点在检测数据集合的离群度标准差,表示局部离群因子算法为像素点设定的最近邻数量,表示局部离群因子算法为所有像素点设定的最近邻数量的最大值,表示一个极小数;
所述S23包括以下子步骤:
S231、根据各个像素点的偏差系数和像素值,为各个像素点匹配吸引像素点;
S232、根据各个像素点以及其对应的吸引像素点,为各个像素点确定更新像素值;
所述S232中,第个像素点的更新像素值的计算公式为:;
式中,表示第个像素点的像素值,表示第个像素点与其匹配的吸引像素点之间经过归一化处理后的距离,表示指数函数,表示第个像素点的偏差系数,表示随机扰动参数,表示在0-1之间产生随机数;
所述S3中,将满足的像素点作为红树林区域,其中,表示第个像素点的像素值,表示第个像素点的更新像素值,表示表示第个像素点周围四邻域的像素点像素值总和。
2.根据权利要求1所述的基于超分辨图像的红树林识别方法,其特征在于,所述S231中,为第个像素点匹配吸引像素点的方法为:在偏差系数大于第个像素点的偏差系数的像素点集合中,提取最大像素值的像素点作为第个像素点的吸引像素点。