資源描述:
《基于多尺度特征融合和支持向量機(jī)的高分辨率遙感影像分類》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第11卷第1期遙感學(xué)報(bào)Vol.11,No.12007年1月JOURNALOFREMOTESENSINGJan.,2007文章編號(hào):100724619(2007)0120048207基于多尺度特征融合和支持向量機(jī)的高分辨率遙感影像分類黃昕,張良培,李平湘(武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北武漢430079)摘要:相對(duì)傳統(tǒng)的中低分辨率遙感數(shù)據(jù)而言,高空間分辨率遙感影像同一地物內(nèi)部豐富的細(xì)節(jié)得到表征,空間信息更加豐富,地物的尺寸、形狀以及相鄰地物的關(guān)系得到更好的反映,但其光譜統(tǒng)計(jì)特性不如中低分辨率影像穩(wěn)定,類內(nèi)光譜差異較大,而傳
2、統(tǒng)分類方法僅依據(jù)像元的光譜值,因此在高分辨率影像分類中,傳統(tǒng)方法往往不能獲得好的結(jié)果。在此背景下,提出了一種多尺度空間特征融合的分類方法,旨在利用不同尺度的空間鄰域特征彌補(bǔ)傳統(tǒng)方法的不足。其基本過(guò)程是:首先針對(duì)不同尺度特點(diǎn),用小波變換壓縮空間鄰域特征,并結(jié)合支持向量機(jī)得到不同尺度下的分類結(jié)果,然后根據(jù)尺度選擇因子為每個(gè)像元選擇最佳的類別。文中QuickBird和IKONOS影像實(shí)驗(yàn)證明該算法能有效提高高分辨率影像解譯的精度。關(guān)鍵詞:多尺度;融合;支持向量機(jī);高分辨率中圖分類號(hào):TP751.1文獻(xiàn)標(biāo)識(shí)碼:AClassification
3、ofHighSpatialResolutionRemotelySensedImageryBasedUponFusionofMultiscaleFeaturesandSVMHUANGXin,ZHANGLiang2pei,LIPing2xiang(NationalKeyLaboratoryforInformationEngineeringinSurveying,MappingandRemoteSensing,WuhanUniversity,HubeiWuhan430079,China)Abstract:Anewclassificatio
4、nalgorithmforhighspatialresolutionremotelysensedimageryisproposed,whichintegratesneighborhoodinformationofmultiscalesuchas2×2,4×4,8×8and16×16windowsizesaroundthecentralpixel.Inordertocompresstheinformationofthemultiscalespatialfeatures,awaveletcoefficientsfusionalgorit
5、hmisemployedtoreducethedimensionbutretainthespatialinformationatthesametime.Afterthestageofmultiscaleneighborhoodfeatureextraction,agoodtoolofpatternrecognition:SVMisemployedtoprocessthemultiscalefeatures,inthisalgorithm,fourgroupsofspatialfeaturesbasedonfourscalesprod
6、ucefourclassificationmaps.Andthen,thesemaps,whichrepresentmultiscaleclassificationresults,arefusedbyascaleselectionparameter.Thefinalfusionmapistheresultofmultiscalefeaturesclassificationandshowsanobviousadaptabilitytoobjectsofdifferentscales.ExperimentsofQuickBirdandI
7、konosshowthattheproposedclassificationalgorithmofmultiscalefeaturesfusioncanachievebetterresultsandbetteraccuraciesthantheconventionalper2pixelmultispectralmethod.Keywords:multiscale;featurefusion;SVM;highspatialresolution收稿日期:2005211229;修訂日期:2006201206基金項(xiàng)目:國(guó)家自然科學(xué)基金(編號(hào)
8、:40471088,40523005),國(guó)家973計(jì)劃資助項(xiàng)目(編號(hào):2006CB701302)。作者簡(jiǎn)介:黃昕(1982—),男,博士研究生,主要從事高分辨率遙感影像模式識(shí)別、神經(jīng)網(wǎng)絡(luò)原理、遙感應(yīng)用等方面的研究。E2mail:hua