本文選題：地理國(guó)情監(jiān)測(cè)　切入點(diǎn)：地表覆蓋信息提取　出處：《應(yīng)用科學(xué)學(xué)報(bào)》2016年04期

【摘要】：針對(duì)地理國(guó)情監(jiān)測(cè)中地表覆蓋信息的提取,提出了一種基于條件隨機(jī)場(chǎng)的高分辨率遙感影像自動(dòng)分類方法.與面向?qū)ο蟮膫鹘y(tǒng)分類方法不同,該方法基于概率圖模型分別計(jì)算像素級(jí)和對(duì)象級(jí)的勢(shì)函數(shù),以及像素與它所屬對(duì)象之間的層間勢(shì)函數(shù),將所得勢(shì)函數(shù)統(tǒng)一到一個(gè)CRF模型中進(jìn)行圖割求解.該方法較充分地表達(dá)了像素與對(duì)象之間的關(guān)系,從而降低了對(duì)象分割誤差傳遞對(duì)影像分類結(jié)果的影響.以"高分1號(hào)"遙感影像為實(shí)驗(yàn)數(shù)據(jù),借鑒地理國(guó)情普查中地表覆蓋分類體系進(jìn)行實(shí)驗(yàn)驗(yàn)證.分類總體精度和平均精度分別達(dá)到91.08%和86.95%,遠(yuǎn)高于基于面向?qū)ο蟮姆诸惤Y(jié)果.
[Abstract]:An automatic classification method of high resolution remote sensing images based on conditional random field is proposed for the extraction of ground cover information in the monitoring of geographical conditions.Different from the traditional object-oriented classification method, based on the probabilistic graph model, the potential functions at pixel level and object level are calculated, respectively, and the interlayer potential functions between pixels and objects to which they belong are calculated, respectively.The obtained potential function is unified into a CRF model for graph cutting solution.The relationship between pixels and objects is fully expressed, and the effect of object segmentation error transmission on image classification results is reduced.Taking the remote sensing image of "Gao Fen 1" as experimental data, the classification system of ground cover in the survey of geographical conditions is used for reference.The total and average accuracy of classification are 91.08% and 86.95% respectively, which is much higher than that of object-oriented classification.
【作者單位】： 西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院;武漢大學(xué)遙感信息工程學(xué)院;北京吉威時(shí)代軟件股份有限公司;
【基金】：國(guó)家自然科學(xué)基金(No.41101410)資助
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李良軍;武彥斌;;開采沉陷遙感監(jiān)測(cè)中多維紋理特征影像分類方法[J];煤田地質(zhì)與勘探;2008年06期

2 劉瑞;陳小濤;;城郊地區(qū)面向?qū)ο蟮亩鄠鞲衅饔跋穹诸怺J];測(cè)繪與空間地理信息;2013年02期

3 趙銀娣;張良培;李平湘;;廣義馬爾可夫隨機(jī)場(chǎng)及其在多光譜紋理影像分類中的應(yīng)用[J];遙感學(xué)報(bào);2006年01期

4 秦永;宋偉東;;遙感影像特征提取與選擇及在影像分類中的應(yīng)用[J];測(cè)繪科學(xué);2008年01期

5 李明詩(shī),彭世揆,李海濤,王洪良;從遙感TM影像分類圖提取小班界限的算法實(shí)現(xiàn)[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年05期

6 鐘燕飛;張良培;龔健雅;李平湘;;基于資源限制性人工免疫系統(tǒng)的多光譜遙感影像分類方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年01期

7 李淼;張繼賢;張永紅;;支持向量機(jī)在MODIS影像分類中的方法研究[J];測(cè)繪與空間地理信息;2007年03期

8 關(guān)澤群,劉繼琳,崔衛(wèi)紅;利用地物的幾何屬性改進(jìn)影像分類效果[J];國(guó)土資源遙感;2001年01期

9 杜燁;郭長(zhǎng)青;文寧;葛春青;黃峰;;基于多時(shí)相COSMO-SkyMed SAR數(shù)據(jù)對(duì)水稻信息提取方法的研究與應(yīng)用[J];遙感信息;2014年03期

10 鄭宏;鄭肇葆;;基于危險(xiǎn)理論的影像紋理調(diào)制模板的優(yōu)化[J];測(cè)繪學(xué)報(bào);2008年01期

相關(guān)碩士學(xué)位論文 前1條

1 周國(guó)瓊;面向?qū)ο蟮腡M影像分類[D];昆明理工大學(xué);2012年

，

本文編號(hào)：1710403