融合像元形状和光谱信息的高分遥感图像分类新方法

被引：9

作者：

杨青山 ^{[1
]}

张华 ^{[2
]}

机构：

[1] 武汉大学遥感信息工程学院

[2] 中国矿业大学(徐州)环境与测绘学院

来源：

国土资源遥感 | 2016年 / 28卷 / 04期

关键词：

像元同质区域(PHR); 像元形状指数(PSI); 阈值; 高空间分辨率遥感图像;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

在高空间分辨率(简称"高分")遥感图像分类中,由于存在"同谱异物"等现象,仅依靠光谱信息进行分类的误差较大。为提高图像分类精度,提出一种融合像元形状和光谱特征信息的高分多光谱遥感图像分类新方法。首先利用像元及其邻域的关系来描述其空间结构,计算并提取像元同质区域(pixel homogeneous regions,PHR);然后以所提取的同质区域为基础,分别计算中心像元的长/宽比(length-width ratio,LW)和面积/周长比(area-perimeter ratio,PAI)这2个像元形状特征;最后将归一化后的像元形状特征和光谱特征融合,并利用支持向量机分类方法进行分类。以2个区域的Quick Bird高分遥感图像对该算法进行验证,将实验结果与仅利用光谱信息分类和仅使用像元形状指数(pixel shape index,PSI)分类的结果进行比较。结果表明,所提出的方法得到的分类精度最高,该方法能有效地提高高分遥感图像的分类精度。

引用

页码：64 / 70

页数：7

共 9 条

[1]

遥感数据可靠性分类方法研究.[D].张华.中国矿业大学.2012, 06

[2]

基于支持向量机的边缘检测算法研究.[D].付纪刚.西安科技大学.2011, 01

[3]

A shape–size index extraction for classification of high resolution multispectral satellite images.[J].Youkyung Han;Hyejin Kim;Jaewan Choi;Yongil Kim.International Journal of Remote Sensing.2012, 6

[4] 基于分形和灰度共生矩阵纹理特征的种植型药用植物遥感分类 [J].