【摘要】：遙感影像變化檢測是全球變化研究的重要內(nèi)容。基于兩期遙感影像的變化檢測方法存在數(shù)據(jù)條件要求苛刻、難以充分利用快速發(fā)展的多源遙感影像數(shù)據(jù)等問題。目前許多變化檢測的參考數(shù)據(jù)中包含了一期分類矢量數(shù)據(jù),矢量數(shù)據(jù)中往往包含了位置、形狀、大小和類別屬性等先驗(yàn)信息,充分利用這些先驗(yàn)信息將可提高變化檢測精度。提取變化影像對象是結(jié)合矢量數(shù)據(jù)和遙感影像進(jìn)行變化檢測的核心步驟。本文提出了一種顧及紋理特征貢獻(xiàn)度的變化影像對象提取方法。該方法利用矢量數(shù)據(jù)分割遙感影像,獲取影像對象,計(jì)算影像對象紋理特征值。根據(jù)信息增益原理計(jì)算紋理特征參數(shù)的特征貢獻(xiàn)度,選擇特征參數(shù)。由貢獻(xiàn)度指數(shù)大小確定紋理特征參數(shù)權(quán)重,計(jì)算影像對象與先驗(yàn)要素類別的相似度系數(shù),提取變化影像對象。試驗(yàn)結(jié)果表明,基于紋理特征貢獻(xiàn)度的特征參數(shù)選擇,能有效地提高變化影像對象提取結(jié)果的精度。
[Abstract]:Remote sensing image change detection is an important part of global change research. The change detection method based on two-phase remote sensing image has some problems such as demanding data conditions and making full use of the rapidly developing multi-source remote sensing image data. At present, many reference data for change detection contain one stage classified vector data, which often contain prior information such as position, shape, size and category attributes. The accuracy of change detection can be improved by making full use of these prior information. Extracting change image object is the core step of change detection combining vector data and remote sensing image. In this paper, a method of object extraction based on texture feature contribution is proposed. The method uses vector data to segment remote sensing image, obtains image object, and calculates texture feature value of image object. According to the information gain principle, the feature contribution of texture feature parameters is calculated and the feature parameters are selected. The weight of texture feature parameters is determined by the contribution index, the similarity coefficient between the image object and the prior element category is calculated, and the changing image object is extracted. The experimental results show that the selection of feature parameters based on texture feature contribution can effectively improve the accuracy of the extraction results of changing image objects.
【作者單位】： 中南大學(xué)地球科學(xué)與信息物理學(xué)院;中南林業(yè)科技大學(xué)土木工程學(xué)院;有色金屬成礦預(yù)測與地質(zhì)環(huán)境監(jiān)測教育部重點(diǎn)實(shí)驗(yàn)室(中南大學(xué));有色資源與地質(zhì)災(zāi)害探查湖南省重點(diǎn)實(shí)驗(yàn)室;
【基金】：十三五國家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)(2016YFB0501403) 國家自然科學(xué)基金(41371366)~~
【分類號】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 詹總謙;來冰華;萬杰;李樓;;一種利用紋理特征和樸素貝葉斯分類器檢測近景影像植被的方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年06期

2 馮莉;李滿春;李飛雪;;基于遺傳算法的遙感圖像紋理特征選擇[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

3 金淑英;李德仁;龔健雅;;基于偏最小二乘回歸的紋理特征線性組合[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年05期

4 黃昕;張良培;邵振鋒;李平湘;;基于獨(dú)立分量分析的紋理特征維數(shù)減少[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年12期

5 崔林林;羅毅;包安明;;NWFE結(jié)合紋理特征的SVM土地覆被分類方法研究[J];國土資源遙感;2012年01期

6 付軍;谷東起;;基于光譜與紋理特征融合的灘涂信息提取方法[J];海洋環(huán)境科學(xué);2008年05期

7 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應(yīng)用探討[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

相關(guān)碩士學(xué)位論文 前5條

1 林婉晴;城市不透水面信息提取方法及應(yīng)用研究[D];福建師范大學(xué);2015年

2 蔣丹丹;單極化TerraSAR-X影像支持下面向?qū)ο蟮慕ㄖ䥇^(qū)提取方法研究[D];中國礦業(yè)大學(xué);2016年

3 丁月平;輔以紋理特征的面向?qū)ο筮b感影像土地分類研究[D];南京林業(yè)大學(xué);2014年

4 陳文鋒;基于紋理特征的遙感圖像檢索技術(shù)研究[D];解放軍信息工程大學(xué);2007年

5 王月婷;基于多源遙感數(shù)據(jù)的森林蓄積量估算[D];北京林業(yè)大學(xué);2015年

，

本文編號：2126974