利用融合纹理与形态特征进行地震倒塌房屋信息自动提取

被引：8

作者：

李祖传 ^{[1
,2
]}

马建文 ^{[1
]}

张睿 ^{[3
,2
]}

李利伟 ^{[1
]}

机构：

[1] 中国科学院对地观测与数字地球科学中心

[2] 中国科学院研究生院

[3] 中国科学院遥感应用研究所

来源：

武汉大学学报(信息科学版) | 2010年 / 04期

关键词：

高空间分辨率; 纹理特征; 形态特征; 特征选择;

D O I：

10.13203/j.whugis2010.04.012

中图分类号：

P315.9 [工程地震];

学科分类号：

070801 ;

摘要：

提出了一种以震后单一时相高空间分辨率光学遥感影像为基础,融合纹理特征和形态特征的地震倒塌房屋自动提取方法,研究了不同尺度纹理特征和形态特征在倒塌房屋提取中的作用和表现。以5.12汶川地震作为研究实例,结果表明,本方法能够有效提取地震倒塌房屋。倒塌房屋产品精度和用户精度分别为86.65%和86.35%,Kappa系数为0.790 6。

引用

页码：446 / 450

页数：5

共 4 条

[1] A multiscale texture analysis procedure for improved forest stand classification [J].

Coburn, CA ;

Roberts, ACB .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2004, 25 (20) :4287-4308

[2]

Grey level co-occurrence integrated algorithm （GLCIA）: a superior computational method to rapidly determine co-occurrence probability texture features[J] . David A. Clausi,Yongping Zhao.Computers and Geosciences . 2003 (7)

[3] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

[4] An analysis of co-occurrence texture statistics as a function of grey level quantization [J].

Clausi, DA .

CANADIAN JOURNAL OF REMOTE SENSING, 2002, 28 (01) :45-62

← 1 →