耦合多源地理数据的多分辨率遥感影像场景分类方法研究

高分辨率遥感影像场景分类近年来已经成为遥感科学领域的一个研究热点,是跨越底层特征与高层语义信息之间语义鸿沟的有效途径。由于高分辨率遥感影像中地物种类繁多、分布复杂且同一地物的不同空间组合也可能代表不同的场景类别,直接基于底层特征进行场景分类不能很好地表达场景语义信息。因此,目前场景分类的代表性方法主要包括基于中层特征的场景分类和基于深度学习的场景分类。针对现有遥感影像场景分类方法存在的局限性,进行了耦合多源地理数据的多分辨率遥感影像场景分类方法研究:(1)在模型层面,针对单一分辨率遥感影像特征表达能力有限的问题,将超分辨率重建思想引入遥感影像场景分类领域,提出了一个新的SRGAN-CNN框架。通过从低分辨率重建到高分辨率,在提升遥感影像分辨率的同时,融入不同分辨率遥感影像的特征,提升了场景影像的特征表达能力。(2)在应用层面,针对仅根据遥感影像的特征进行场景分类往往不足以投入实际应用的问题,在遥感影像场景分类中耦合了多源地理数据。使用Open Street Map路网分割原始遥感影像,并融入兴趣点数据(POI)、人口时序数据(RTUD)和夜间灯光等多源地理数据,提升了场景分类模型的实际应用价值。(3)在数据层面,自制了一个综合性的遥感影像场景分类数据集。所提出的耦合多源地理数据的多分辨率遥感影像场景分类方法在SIRI-WHU公开场景数据集和自制的武汉市多分辨率场景数据集上进行了实验,验证了方法的有效性。