基于特征增强技术的面向对象分类方法

被引：7

作者：

曹宝

秦其明

张自力

马海建

邱云峰

机构：

[1] 不详

[2] 北京大学遥感与地理信息系统研究所

[3] 不详

来源：

水土保持研究 | 2008年 / 01期

关键词：

特征增强; 面向对象; 分类方法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对传统基于像元的分类方法不能满足对高分辨率影像(HRI)进行分类的矛盾,提出基于特征增强技术的面向对象分类方法(FETCOOCA)。并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类。最后,对FETCOOCA与传统基于像元的分类方法进行对比分析。结果表明:提出的FETCOOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息。

引用

页码：135 / 138

页数：4

共 10 条

[1] Classification of mediterranean crops with multisensor data: per-pixel versus per-object statistics and image segmentation. Lobo A, Chic O, Casterad A. International Journal of Remote Sensing . 1996
[2] Object-Oriented and multi-scale image analysis in semantic networks. Baatz M,Sehape A. Proc of the 2nd International Symposium on Operationalization of Remote Sensing . 1999
[3] Fuzzy Classification of Spatially Degraded Thematic Mapper Data for the Estimation of Sub-Pixel Components. Maselli F, Rudolt A, Conese C. International Journal of Remoter Sensing . 1996
[4] Advances in Remote Sensing and GIS Analysis. Aplin P,Atkinson P,and Curran P. Wiley&Sons . 1999
[5] Performance of Neural Network:Mapping Forests Using GIS and Remotely Sensed Data. Skidmore, A,Turner, B,Brinkhof, W. E, et al. ISPRS Journal ofPhotogrammetric Engineering&Remote Sensing . 1997
[6] 分形与神经网络方法在卫星数字图像分类中的应用
秦其明
陆荣建
[J]. 北京大学学报(自然科学版), 2000, (06) : 858 - 864
[7] 基于尺度空间的分层聚类方法及其在遥感影像分类中的应用
骆剑承
梁怡
周成虎
[J]. 测绘学报, 1999, (04) : 319 - 324
[8] Environmental Information for Planning. Blaschke T,Lang S,Lorup E,et al. Metropilis-Verlag . 2000
[9] Multiresolution Segmenta-tion-an opti mization approach for high quality multi-scale i mage segmentation. BAATZ M A SCH PE. Strobl,Blaschke&Greisebener:Angewandte Geographische Informa-tionsverarbeitung XI.Beit rage zum AGIT-Symposi-um Salzburg 1999 . 2000
[10] 遥感图像地学理解与分析. 周成虎等. 科学出版社 . 2001

← 1 →