融合像素—多尺度区域特征的高分辨率遥感影像分类算法

被引：23

作者：

刘纯 ^{[1
,2
]}

洪亮 ^{[1
,2
,3
,4
]}

陈杰 ^{[3
]}

楚森森 ^{[1
,2
]}

邓敏 ^{[3
]}

机构：

[1] 云南师范大学旅游与地理科学学院

[2] 西部资源环境地理信息技术教育部工程研究中心

[3] 中南大学地球科学与信息物理学院地理信息系

[4] 中国矿业大学江苏省资源环境信息工程重点实验室

来源：

遥感学报 | 2015年 / 19卷 / 02期

基金：

国家高技术研究发展计划(863计划);

关键词：

高分辨率遥感影像; 融合; 多尺度; 像元形状指数; 支持向量机;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术]; TP751.1 [数字处理];

学科分类号：

1404 ; 081002 ;

摘要：

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。

引用

页码：228 / 239

页数：12

共 16 条

[1]

Boundary-constrained multi-scale segmentation method for remote sensing images.[J].Xueliang Zhang;Pengfeng Xiao;Xiaoqun Song;Jiangfeng She.ISPRS Journal of Photogrammetry and Remote Sensing.2013,

[2]

LIBSVM.[J].Chih-Chung Chang;Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology (TIST).2011, 3

[3]

Object based image analysis for remote sensing.[J].T. Blaschke.ISPRS Journal of Photogrammetry and Remote Sensing.2009, 1

[4]

Mapping land cover from detailed aerial photography data using textural and neural network analysis.[J].R. Cots-Folch;M. J. Aitkenhead;J. A. Martinez-Casasnovas.International Journal of Remote Sensing.2007, 7

[5] Comparison of pixel-based and object-oriented image classification approaches - a case study in a coal fire area, Wuda, Inner Mongolia, China [J].