發(fā)布時(shí)間：2022-01-09 15:11

　　針對(duì)土地覆蓋數(shù)據(jù)更新的任務(wù),該文提出了訓(xùn)練樣本的動(dòng)態(tài)獲取的方法�；谧兓瘷z測(cè)的原理和相對(duì)保守的分割閾值獲取到的特定數(shù)量不變像元,在繼承了歷史土地覆蓋標(biāo)簽后可以作為目標(biāo)影像分類的訓(xùn)練樣本。然而,分割閾值的確定具有較大隨意性。該文的方法逐步增加不變像元的規(guī)模（即每種地類中不變像元所占地類像元總數(shù)的百分比）,同時(shí)不斷執(zhí)行目標(biāo)影像監(jiān)督分類;以前后兩次監(jiān)督分類結(jié)果一致性水平作為不變像元規(guī)模是否合理的依據(jù),當(dāng)一致性水平達(dá)到設(shè)定水平時(shí),提取過程結(jié)束。實(shí)驗(yàn)結(jié)果表明,該方法克服了訓(xùn)練樣本選取時(shí)閾值設(shè)定的主觀性,同時(shí)可以避免訓(xùn)練樣本中地類缺失的可能性。 

【文章來源】：測(cè)繪科學(xué). 2020,45(02)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

訓(xùn)練樣本的自動(dòng)提取的流程圖

將2015和2017年的影像數(shù)據(jù)進(jìn)行預(yù)處理得到反射率影像,將兩期反射率影像進(jìn)行變化檢測(cè),得到全局變化強(qiáng)度影像。在繼承2015年土地覆蓋圖的地類標(biāo)簽后,得到地類變化強(qiáng)度,對(duì)其進(jìn)行歸一化處理,得到地類歸一化變化強(qiáng)度影像。通過地類像元總數(shù)的百分比來設(shè)定閾值,對(duì)地類歸一化變化強(qiáng)度進(jìn)行閾值分割,得到各地類的訓(xùn)練樣本。使用J-M距離(圖2)評(píng)價(jià)訓(xùn)練樣本。從圖2中,可以看出耕地和草地、草地和林地等之間的J-M距離較小,即地類間的可分離性較低,其訓(xùn)練樣本的質(zhì)量較差。隨著訓(xùn)練樣本的增加,建筑物與其他5種地類的可分離性不斷降低,造成訓(xùn)練樣本的精度降低。而其他的地類間的可分離性隨著訓(xùn)練樣本的增加而提高。但在取不變像元占該地類像元總數(shù)的0.8%之后,訓(xùn)練樣本引入了越來越多的變化像元,造成其地類間的可分離性降低和訓(xùn)練樣本的代表性降低,即訓(xùn)練樣本間的J-M距離降低。

使用所得的訓(xùn)練樣本分別對(duì)目標(biāo)反射率影像(2017年)進(jìn)行監(jiān)督分類,得到土地覆蓋分類結(jié)果。以前后兩次分類結(jié)果的一致性(圖3)為依據(jù),判斷提取的訓(xùn)練樣本是否最合理。從圖3中可以看出,隨著訓(xùn)練樣本的增加,前后兩次分類結(jié)果的一致性也在增大。在不變像元占地類像元總數(shù)的百分比取0.7%和0.8%時(shí),這兩次土地覆蓋分類結(jié)果的一致性達(dá)到最大99.637 0%。而在不變像元占地類像元總數(shù)的百分比取0.8%之后土地覆蓋分類結(jié)果的一致性略有降低。

【參考文獻(xiàn)】：
期刊論文
[1]多時(shí)相遙感影像變化檢測(cè)的現(xiàn)狀與展望[J]. 張良培,武辰.  測(cè)繪學(xué)報(bào). 2017(10)
[2]多源數(shù)據(jù)的土地覆被樣本自動(dòng)提取[J]. 黃亞博,廖順寶.  遙感學(xué)報(bào). 2017(05)
[3]遙感影像變化檢測(cè)算法綜述[J]. 佟國(guó)峰,李勇,丁偉利,岳曉陽.  中國(guó)圖象圖形學(xué)報(bào). 2015(12)
[4]面向?yàn)?zāi)害應(yīng)急土地覆被分類的樣本自動(dòng)選擇方法研究[J]. 溫奇,夏列鋼,李苓苓,吳瑋.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(07)
[5]前期土地覆被數(shù)據(jù)輔助下的分類樣本自動(dòng)選取[J]. 劉錕,楊曉梅,張濤.  地球信息科學(xué)學(xué)報(bào). 2012(04)

博士論文
[1]遙感影像多層次信息變化檢測(cè)研究[D]. 武辰.武漢大學(xué) 2015



本文編號(hào)：3578951