本文選題：高分辨率遙感 + 多特征融合��； 參考：《地理與地理信息科學(xué)》2017年05期

【摘要】：在核函數(shù)集成SVM分類框架下,提出一種融合多尺度光譜-空間-語(yǔ)義特征的高分辨率遙感影像分類方法。首先,以多尺度影像分割集為基礎(chǔ),利用潛狄利克雷分配模型對(duì)分割圖斑的語(yǔ)義特征進(jìn)行建模,并結(jié)合原始影像的光譜特征以及分割圖斑內(nèi)的空間均值特征,在不同分割尺度下分別開(kāi)展光譜-空間-語(yǔ)義特征的多核函數(shù)融合分類;然后根據(jù)多數(shù)投票法原則在決策級(jí)集成多尺度分類結(jié)果,通過(guò)最小尺度下的分割影像實(shí)現(xiàn)像素級(jí)分類結(jié)果至面向?qū)ο蠓诸惤Y(jié)果的轉(zhuǎn)化。不同場(chǎng)景和分辨率數(shù)據(jù)下開(kāi)展的實(shí)驗(yàn)結(jié)果表明,該分類方法能夠?qū)崿F(xiàn)分類結(jié)果的自適應(yīng)平滑分類,并在一定程度上提高建筑物和道路等"同譜異物"地物的區(qū)分能力,分類總體精度由基于光譜特征SVM的66.7%和63.7%提升至86.8%和87.2%。
[Abstract]:In the framework of kernel function integrated SVM classification, a high resolution remote sensing image classification method which combines multi scale spectral spatial semantic features is proposed. First, based on the multiscale image segmentation set, the semantic features of the segmented graph spot are modeled by the didikray distribution model, and the spectral features and segmentation of the original image are combined. The spatial mean feature of the image spot is used to carry out the multi kernel function fusion classification of spectral space semantic features at different segmentation scales, and then integrate the multi-scale classification results at the decision level according to the majority voting principle, and realize the transformation of the pixel classification result to the object oriented classification result through the segmentation image under the minimum scale. The experimental results under the same scene and resolution data show that the classification method can realize the adaptive and smooth classification of the classification results, and to some extent improve the distinguishing ability of the "same spectrum" objects, such as buildings and roads, and the overall precision of the classification is raised from 66.7% and 63.7% based on spectral characteristic SVM to 86.8% and 87.2%..
【作者單位】： 西南交通大學(xué)高速鐵路運(yùn)營(yíng)安全空間信息技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室;西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院;
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFB0501403) 國(guó)家自然科學(xué)基金項(xiàng)目(41401374) 國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(2012CB719901) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)(2682016CX079) 國(guó)土資源部航空地球物理與遙感地質(zhì)重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金項(xiàng)目(2016YLF10)
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陳衛(wèi)榮,王超,張紅;基于特征融合的高分辨率SAR圖像道路提取[J];遙感技術(shù)與應(yīng)用;2005年01期

2 夏毅敏;謝紀(jì)東;張振華;;基于KECCA與PLS的水下底質(zhì)回聲識(shí)別[J];湘潭大學(xué)自然科學(xué)學(xué)報(bào);2011年01期

相關(guān)會(huì)議論文 前1條

1 羅昕煒;方世良;;寬帶調(diào)制信號(hào)特征融合方法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前1條

1 劉金梅;多源遙感影像融合及其應(yīng)用研究[D];中國(guó)海洋大學(xué);2014年

，

本文編號(hào)：1997345