發(fā)布時間：2021-10-22 19:26

　　多尺度分析技術(shù)廣泛應(yīng)用于高分辨率遙感影像的特征提取和建模。分解層數(shù)受制于影像的大小,下采樣小波變換實現(xiàn)的影像多尺度表達難以描述大范圍的空間模式,導(dǎo)致分類結(jié)果出現(xiàn)"胡椒鹽"現(xiàn)象;面向?qū)ο蟮挠跋穹治黾夹g(shù)雖避免了"胡椒鹽"現(xiàn)象,但由于僅利用了單尺度的的特征,也難以描述影像多層次的空間模式,導(dǎo)致分類精度較低。為改善分類結(jié)果中的"胡椒鹽"現(xiàn)象和提高分類精度,提出了一種結(jié)合區(qū)域多尺度遙感影像分割和馬爾可夫隨機場的分類方法。首先,獲得原始影像過分割區(qū)域,依據(jù)區(qū)域內(nèi)亮度均值以及區(qū)域間的共享邊界長度信息,提取影像低頻和高頻特征,采用該低頻特征波段代替原始影像,重復(fù)分割與特征波段提取過程,形成影像的區(qū)域多尺度表達。然后,以原始圖像為初始尺度,以分割區(qū)域為處理單元,以更細尺度分類結(jié)果為標記場先驗,以當(dāng)前高頻特征建立特征場,逐層分類、投影,獲得最終尺度分類結(jié)果。合成紋理影像和多光譜遙感影像的實驗表明:相比于小波域多尺度建模方法和單尺度區(qū)域建模方法,本文提出的方法可以有效提高分類精度,并避免"胡椒鹽"現(xiàn)象的產(chǎn)生。 

【文章來源】：遙感學(xué)報. 2020,24(03)北大核心EICSCD

【文章頁數(shù)】：9 頁

【圖文】：

影像的區(qū)域多尺度表達與分類示例

從結(jié)果可以看出，GC方法難以考慮影像紋理的空間結(jié)構(gòu)，結(jié)果易受影像光譜值影響，導(dǎo)致圖2(c）上圖左上角的誤分。單尺度ICM方法因不能獲得影像多個尺度上的特征，所以難以描述影像中的紋理信息，導(dǎo)致圖2(d）下圖右側(cè)和中間的誤分和斑點噪聲。WMRF模型因為在多個尺度上對影像進行分析，所以提高了分類的精度，圖2(e）上圖左上角紋理得以正確識別。但是，WMRF是像素級的多尺度，只能描述局部的紋理，圖2(e）上圖線狀黑點和圖2(e）下圖黑色魚鱗線，WMRF都出現(xiàn)了部分誤分和視覺噪聲。RMRF和OMRF方法均以區(qū)域為基本分析單位，由于均利用了區(qū)域的大小、鄰接關(guān)系等信息，獲得紋理對象的完整性較好，獲得了優(yōu)于前面3組實驗的分類結(jié)果。尤其是RMRF方法，以區(qū)域為基本單位實現(xiàn)多尺度分解，可以在不同尺度上描述空間跨度較大的紋理模式和較高層的影像信息。4.2 合成多光譜遙感影像實驗

選取2幅合成多光譜遙感影像進一步驗證算法的性能。圖3(a）是兩幅256×256的合成遙感影像，包含了城鎮(zhèn)、農(nóng)田、林地、水域等多個地物類別。在這2組實驗中，本文RMRF方法分別進行3層和4層區(qū)域多尺度分解。從分類結(jié)果中可以看出：由于受左下角的建筑陰影（上圖）和林地與水體光譜值接近（下圖）的影響，GC結(jié)果不理想。單尺度ICM和WMRF在影像左上的農(nóng)田和左下的城鎮(zhèn)（上圖），以及影像上方的林地等都存在比較明顯的誤分（下圖）。也就是說，這幾種算法都不能處理地物類內(nèi)光譜差異比較大的情況。而區(qū)域多尺度的RMRF能描述較大范圍的紋理信息，進而較好的分割出不同地物，對于紋理對象的邊界檢測效果要優(yōu)于其他方法。OMRF在地物類內(nèi)光譜差異較大時，如建筑物混雜植被的區(qū)域中（下圖），也會出現(xiàn)誤分。

【參考文獻】：
期刊論文
[1]高光譜影像的引導(dǎo)濾波多尺度特征提取[J]. 王雷光,曹小汪,鄭雅蘭,代沁伶.  遙感學(xué)報. 2018(02)
[2]一種采用Gabor小波的紋理特征提取方法[J]. 張剛,馬宗民.  中國圖象圖形學(xué)報. 2010(02)
[3]遙感科學(xué)與技術(shù)中的一些前沿問題[J]. 宮鵬.  遙感學(xué)報. 2009(01)
[4]高分辨率影像解譯理論與應(yīng)用方法中的一些研究問題[J]. 宮鵬,黎夏,徐冰.  遙感學(xué)報. 2006(01)



本文編號：3451718