本文關(guān)鍵詞：融合像元形狀和光譜信息的高分遙感圖像分類(lèi)新方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：在高空間分辨率(簡(jiǎn)稱(chēng)"高分")遙感圖像分類(lèi)中,由于存在"同譜異物"等現(xiàn)象,僅依靠光譜信息進(jìn)行分類(lèi)的誤差較大。為提高圖像分類(lèi)精度,提出一種融合像元形狀和光譜特征信息的高分多光譜遙感圖像分類(lèi)新方法。首先利用像元及其鄰域的關(guān)系來(lái)描述其空間結(jié)構(gòu),計(jì)算并提取像元同質(zhì)區(qū)域(pixel homogeneous regions,PHR);然后以所提取的同質(zhì)區(qū)域?yàn)榛A(chǔ),分別計(jì)算中心像元的長(zhǎng)/寬比(length-width ratio,LW)和面積/周長(zhǎng)比(area-perimeter ratio,PAI)這2個(gè)像元形狀特征;最后將歸一化后的像元形狀特征和光譜特征融合,并利用支持向量機(jī)分類(lèi)方法進(jìn)行分類(lèi)。以2個(gè)區(qū)域的Quick Bird高分遙感圖像對(duì)該算法進(jìn)行驗(yàn)證,將實(shí)驗(yàn)結(jié)果與僅利用光譜信息分類(lèi)和僅使用像元形狀指數(shù)(pixel shape index,PSI)分類(lèi)的結(jié)果進(jìn)行比較。結(jié)果表明,所提出的方法得到的分類(lèi)精度最高,該方法能有效地提高高分遙感圖像的分類(lèi)精度。
【作者單位】： 武漢大學(xué)遙感信息工程學(xué)院;中國(guó)礦業(yè)大學(xué)(徐州)環(huán)境與測(cè)繪學(xué)院;
【關(guān)鍵詞】： 像元同質(zhì)區(qū)域(PHR) 像元形狀指數(shù)(PSI) 閾值 高空間分辨率遙感圖像
【分類(lèi)號(hào)】：TP751
【正文快照】： 0引言傳統(tǒng)的基于像元的遙感數(shù)據(jù)監(jiān)督分類(lèi)算法主要根據(jù)地物光譜數(shù)據(jù),統(tǒng)計(jì)以像元為基本單元的圖像在不同光譜數(shù)據(jù)組合中的差別,對(duì)圖像進(jìn)行分類(lèi)。但由于“同譜異物”現(xiàn)象和大量混合像元的存在,基于像元光譜特征的分類(lèi)方法往往不能達(dá)到滿(mǎn)意的分類(lèi)效果。近年來(lái)國(guó)內(nèi)外遙感研究人員提

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉慶生,劉高煥,藺啟忠,王志剛;基于邏輯斯蒂模型的遙感圖像分類(lèi)[J];國(guó)土資源遙感;2001年01期

2 譚衢霖,邵蕓;雷達(dá)遙感圖像分類(lèi)新技術(shù)發(fā)展研究[J];國(guó)土資源遙感;2001年03期

3 杜鳳蘭,田慶久,夏學(xué)齊;遙感圖像分類(lèi)方法評(píng)析與展望[J];遙感技術(shù)與應(yīng)用;2004年06期

4 李石華,王金亮,畢艷,陳姚,朱妙園,楊帥,朱佳;遙感圖像分類(lèi)方法研究綜述[J];國(guó)土資源遙感;2005年02期

5 付小勇;楊建祥;譚靖;;基于統(tǒng)計(jì)的遙感圖像分類(lèi)方法[J];林業(yè)調(diào)查規(guī)劃;2005年06期

6 王一達(dá);沈熙玲;謝炯;;遙感圖像分類(lèi)方法綜述[J];遙感信息;2006年05期

7 李華;曹衛(wèi)彬;劉姣娣;;土地監(jiān)測(cè)中提高遙感圖像分類(lèi)精度的方法研究[J];安徽農(nóng)學(xué)通報(bào);2008年22期

8 岳昔娟;張勇;黃國(guó)滿(mǎn);;改進(jìn)的直方圖均衡化在遙感圖像分類(lèi)中的應(yīng)用[J];四川測(cè)繪;2008年04期

9 曾聯(lián)明;吳湘濱;劉鵬;;感興趣區(qū)域遙感圖像分類(lèi)與支持向量機(jī)應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年06期

10 金良;于鳳鳴;;計(jì)算機(jī)遙感圖像分類(lèi)法在天然草原土地利用現(xiàn)狀研究中的應(yīng)用[J];科技資訊;2010年36期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 周軍其;張紅;孫家b

本文編號(hào)：505868