江苏生地所在超高分辨率遥感图像分类及最新集成学习算法构建方面获取进展澳门线上真人博彩官网大全

哪个赌博平台口碑好,在城市管理、生态环境分析、规划以及景观分析方面,高质量且精细地表信息图发挥着至关重要的作用,卫星、飞机、无人机平台获取的高分辨率、超高分辨率遥感图像则可以以直观、时效、低成本方式提供高质量且精细的地表信息。然而,受城区地表结构复杂、多光谱影像辐射分辨率较低及成像几何畸变等因素影响,高分辨率尤其是超高分辨率遥感图像的高精度解译一直是个具有挑战性的问题。

邓媛媛 2019-01-11 11:33 分类:资讯 阅读()

通常在超高分辨率遥感图像分类中加入纹理、面向对象、形态学剖面等空间特征可大大提高其分类精度,但以上这些方法依然存在一定的缺陷,例如:1)纹理算子移动窗口大小、方向的选择对纹理特征的有效性直观重要,且一个移动窗口作用于正副图像其效果不一致;2)面向对象方法受限于所采用的图像分割算法,且分割算法的最优参数直接由所要处理的图像尺度、分辨率、复杂度等决定;3)传统形态学剖面(Morphological
profiles, MPs)及扩展的形态学剖面(Extended morphological profiles,
EMPs)不能有效提取纹理信息;4)部分重构的形态学剖面(Morphological
profile with partial reconstruction,
MPPR)会过度重构细节特征;5)形态学剖面、扩展的形态学剖面以及部分重构的形态学剖面采用的基本结构算子(Structural
elements,
SEs)数量、结构、尺度有限,不可能完全正确匹配整副超高分辨率遥感图像中所有结构特征。

第4期,总第87期2010年12月15日

澳门线上正规赌场,针对上述问题,中国科学院新疆生态与地理研究所研究员吉力力·阿不都外力团队成员阿里木·赛买提利用最大稳定极限区域(Maximally
stable extremal region,
MSER)提取方法提取了城区超高分辨率遥感图像中的所有最大稳定区域,并将这些稳定区域作为结构算子一次性匹配整副图像中的所有结构特征,提出了最大稳定极限区域引导的形态学剖面构建方法。此外,首次将极限扰动决策树(Extremely
randomized decision tree,
ERDT)及其集成形式ExtraTrees引入到超高分辨率遥感图像的分类,提出了极限扰动旋转森林(Extremely
randomized rotation forest,
ERRF)集成学习算法,并成功应用于城区超高分辨率遥感图像的高精度分类。

国土资源遥感

相关研究以Classification of VHR Multispectral Images Using ExtraTrees
and Maximally Stable Extremal Region-Guided Morphological Profile

为题发表于遥感期刊IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH
OBSERVATIONS AND REMOTE
SENSING
。研究得到了国家自然科学基金青年基金、中科院西部之光B类、新疆维吾尔自治区高层次人才引进工程等的资助。

No.4,2010Dec.,2010

文章链接

REMOTESENSINGFORLAND&RESOURCES

面向对象的高分辨率影像农用地分类

邓媛媛,巫兆聪,易俐娜,胡忠文,龚正娟

(武汉大学遥感信息工程学院,武汉430079)

摘要:采用面向对象的影像分类方法,结合多尺度分割技术,以QuickBird影像为实验数据,进行农用地的精细自动分类。[wwW.NiUBB.NEt)首先,根据地物大小,选择最优分割尺度,构建多尺度分割等级网;然后,综合利用高分辨率影像的光谱信纹理和形状特征,建立各个对象的特征集;最后,通过目视解译建立隶属度函数,实现地物的分层提取。实验表息、

明,该方法能有效区分农作物种类,相对于传统的像素级分类方法,该方法明显提高了高分辨率影像的分类精度,“椒盐”且避免了噪声的产生。

关键词:面向对象;高分辨率影像;多尺度分割;农用地分类中图分类号:TP79

文献标识码:A

文章编号:1001-070X04-0117-05

0引言

在农业遥感应用中,利用遥感影像准确提取农

澳门网上投注,并用野外采样数了武汉江夏区的农用地自动分类,

据进行精度验证,分析评价面向对象方法在农用地分类中的效果。

用地信息对农业资源调查、遥感估产以及灾害监测

等具有重要意义。传统基于像素的分类方法仅依靠光谱特征提取地物,容易造成地物的错分和漏分,难以满足实际应用的需要

澳门线上真人博彩官网大全,[1]

1研究区概况和数据

。面向对象的分类方法

以武汉江夏区为研究区域,该区位于东经114°

14’42″~114°15’35″,北纬30°20’49″~30°21’22″之间,耕地占总面积的65%,其余主要为山林、果园以及少量的水体、建筑物和道路。实验数据源为2007年11月27日获取的QuickBird影像,具有4个多光

空间分辨率分别为2.44m谱波段和1个全色波段,

和0.61m。影像成像质量较好,实验区晴朗无云,

可假设影像各部分的大气状况基本一致,不对影像进行大气校正。选取农作物多样且典型的588像元×423像元大小的子区为实验区

澳门网上投注 1

以多尺度分割为基础,根据生成的多边形对象的属性信息,采用模糊逻辑分类方法,实现类别信息的自动提取

[2]

。其明显优势是充分挖掘高分辨率影像

除利用常用的地物光谱特征之外,结合对象的信息,的纹理、形状和拓扑关系,有效地改善了分类的细化程度,提高了分类精度了图像的分类精度

[4]

[3]

。王海君等利用基于纹理

的分割方法,对南京市水田信息进行模糊分类,提高

;YuQian等采用面向对象的分

类方法,分析了纹理、灰度、几何和位置等52个特征在植被精细分类中重要性,选择最有效特征用最邻近将植被分为林地、灌木和草地等,显著提高了分类器,分类精度

[5]

;Carleer等用Bhattacharyya距离法选择

不同对象的最相关特征,结合专题图和DEM等辅助信息,对甚高分辨率遥感影像进行城市用地分类,改善了分类效果

[6]

。然而,国内还较少有人采用面向对

象的方法进行农用地精细分类。

本文采用面向对象的分类方法,统计地物的光谱信息和纹理信息,建立各对象的特征集,综合使用

实现最邻近距离分类器和基于规则的模糊分类器,

Fig.1

图1

研究区QuickBird假彩色影像

PseudocolorQuickBirdimageofstudyarea

收稿日期:2009-12-07;修订日期:2010-02-09

“863”基金项目:国家自然科学基金项目(编号:40771157)、国家计划项目(编号:2007AA12Z143)、中央高校基本科研业务费专项(编

号:20102130201000134)以及武汉大学2008年博士研究生自主科研项目(编号:20082130201000048)共同资助。

邓媛媛 面向对象的高分辨率影像农用地分类_邓媛媛

·118·

国土资源遥感2010年

f=w·hcolor+hshape

2研究方法

对耕地、水体、建筑物等光谱特征明显且差异较

f为异质性大小;w为光谱权值(0<w<式中,

1);hcolor和hshape分别为对象合并产生的光谱异质性值和形状异质性值;hshape由对象的光滑度和紧凑度组成。(Www.nIuBB.neT)

影像分割的目的是将影像划分为有意义的多边形,形成初级的影像对象,为下一步分类提供信息载因此,分割的好坏直接决定着后续分类的精度。体,

最佳分割尺度应使影像对象的平均异质性最小化,使分割后的多边形能清楚区分地物边界。对面积较小、空间特征复杂的类别,适宜选择较小尺度分割;对于面积较大、纹理均匀的类别,易用大尺度进行分割。实验区既有林地和果园等大型地物,又有道路、房屋和耕地等相对较小的地物,因而对实验区进行不同尺度的分割。在分割尺度为30~100的区间内,设置增长步长为5,进行重复实验,对分割结果

得出不同地物最适宜的分割参数,在进行分析比较,

此基础上构建了具有3个层次的多尺度影像分割等

级网,如表2所示。

表2

Tab.2

多尺度分割参数设置

形状因子

0.20.40.2

紧致度0.80.70.8

大的地物,主要以光谱统计信息为基础,辅以纹理特征和形状特征,构建成员函数进行提取;各种林地故利用纹理信息进行和果园的光谱特征尤为相似,

区分。选择最邻近分类方法进行自动分类,具体技术流程如图2所示

澳门网上投注 2

Parametersettingsofmulti-scalesegmentation

图2Fig.2

技术流程

Technicalflowchart

分割等级提取地物分割尺度

145水田/菜地/居民点

602道路/水体

3

桔园/林地

80

2.1农用地分类体系

以第二次全国土地利用调查土地利用现状分类

澳门网上投注 3