基于像斑直方图G统计量的遥感影像分类

doi:10.6046/gtzyyg.2016.04.11

摘要
参考文献
相关文章
Metrics

全文: PDF(4089 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

为了充分利用像斑的光谱特征，提出一种基于像斑直方图G统计量的影像分类方法。通过多尺度影像分割获取像斑，选择合适的训练样本像斑；依据像斑的光谱属性，自适应地设定光谱直方图的灰度级，提取像斑的光谱直方图；采用G统计量度量测试像斑与各训练样本像斑光谱直方图间的距离，用来表达像斑光谱特征的异质性；利用最小距离分类器获得影像分类结果。遥感影像分类实验结果表明，该方法能有效提高影像的分类精度。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	査达剑
	李乐林
	江万寿
	韩用顺

关键词 ： LiDAR, 三维重建, CSG, 基元分解, 基元识别, 等高线族, 轮廓重建

Abstract：

In order to make full use of the spectral feature of the object, this paper proposes a classification method for remote sensing image based on G statistics of the object histogram. Image objects were obtained by multi-resolution image segmentation method. Then training objects were chosen from these objects. The histogram of the object was obtained with the adaptive gray level according to the spectral property. G statistics was used to measure the histogram distance between test object and training object which describes the heterogeneity of two objects. Minimum distance classifier was employed to get the image classification result. The experiment on the remote sensing image shows that the proposed method can improve the accuracy of the classification.

Key words： LiDAR 3D reconstruction CSG primitive decomposition primitive recognition contour cluster contour reconstruction

收稿日期: 2015-05-05 出版日期: 2016-10-20

TP751.1

基金资助:

测绘地理信息公益性行业科研专项“卫星遥感与地面传感网一体化的湖泊流域地理国情监测关键技术研究”（编号：201512026）、四川省地理国情监测工程技术研究中心资助项目“基于时序遥感影像的土地利用变化检测方法研究”（编号：GC201506）、“川南经济区交通网络综合研究——以泸州市为例”（编号：GC201509）和数字制图与国土信息应用工程国家测绘地理信息局重点实验室开放基金资助项目“基于遥感影像的矢量图更新关键技术研究”（编号：DM2016SC04）共同资助。

作者简介: 李亮(1987-),男,博士,工程师,主要从事遥感影像智能化解译研究。Email:liliang1987wuda@163.com。

引用本文:

李亮, 梁彬, 薛鹏, 应国伟. 基于像斑直方图G统计量的遥感影像分类[J]. 国土资源遥感, 2016, 28(4): 71-76.
LI Liang, LIANG Bin, XUE Peng, YING Guowei. Remote sensing image classification based on G statistics of object histogram. REMOTE SENSING FOR LAND & RESOURCES, 2016, 28(4): 71-76.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2016.04.11 或 https://www.gtzyyg.com/CN/Y2016/V28/I4/71

[1] 赵红蕊,阎广建,邓小炼,等.一种简单加入空间关系的实用图像分类方法[J].遥感学报,2003,7(5):358-363. Zhao H R,Yan G J,Deng X L,et al.A classification method based on spatial information[J].Journal of Remote Sensing,2003,7(5):358-363.
[2] Aguilar M A,Saldaña M M,Aguilar F J.GeoEye-1 and WorldView-2 pan-sharpened imagery for object-based classification in urban environments[J].International Journal of Remote Sensing,2013,34(7):2583-2606.
[3] 杨耘,徐丽,颜佩丽.条件随机场框架下基于随机森林的城市土地利用/覆盖遥感分类[J].国土资源遥感,2014,26(4):51-55.doi:10.6046/gtzyyg.2014.04.09. Yang Y,Xu L,Yan P L.Urban land use/cover classification of remote sensing using random forests under the framework of conditional random fields[J].Remote Sensing for Land and Resources,2014,26(4):51-55.doi:10.6046/gtzyyg.2014.04.09.
[4] Doxani G,Karantzalos K,Tsakiri-Strati M. Monitoring urban changes based on scale-space filtering and object-oriented classification[J].International Journal of Applied Earth Observation and Geoinformation,2012,15:38-48.
[5] 李莎,倪维平,严卫东,等.基于选权迭代估计与非监督分类的多光谱图像变化检测[J].国土资源遥感,2014,26(4):34-40.doi:10.6046/gtzyyg.2014.04.06. Li S,Ni W P,Yan W D,et al.Change detection of multi-spectral images based on iterative estimation with weight selection and unsupervised classification[J].Remote Sensing for Land and Resources,2014,26(4):34-40.doi:10.6046/gtzyyg.2014.04.06.
[6] 孙永军,童庆禧,秦其明.利用面向对象方法提取湿地信息[J].国土资源遥感,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18. Sun Y J,Tong Q X,Qin Q M.The object-oriented method for wetland information extraction[J].Remote Sensing for Land and Resources,2008,20(1):79-82.doi:10.6046/gtzyyg.2008.01.18.
[7] 周林滔,杨国范,赵福强,等.EMD与分形相结合的遥感影像水体信息提取方法[J].国土资源遥感,2014,26(4):41-45.doi:10.6046/gtzyyg.2014.04.07. Zhou L T,Yang G F,Zhao F Q,et al.Water information extraction from remote sensing image using EMD and fraction method[J].Remote Sensing for Land and Resources,2014,26(4):41-45.doi:10.6046/gtzyyg.2014.04.07.
[8] 周前祥,敬忠良.高光谱遥感图像联合加权随机分类器的设计与应用[J].测绘学报,2004,33(3):254-257. Zhou Q X,Jing Z L.Weighted combination random classifier of high spectral remote sensing image:Design and application[J].Acta Geodaetica et Cartographica Sinica,2004,33(3):254-257.
[9] 骆剑承,王钦敏,马江洪,等.遥感图像最大似然分类方法的EM改进算法[J].测绘学报,2002,31(3):234-239. Luo J C,Wang Q M,Ma J H,et al.The EM-based maximum likelihood classifier for remotely sensed data[J].Acta Geodaetica et Cartographica Sinica,2002,31(3):234-239.
[10] Maulik U,Chakraborty D.A self-trained ensemble with semisupervised SVM:An application to pixel classification of remote sensing imagery[J].Pattern Recognition,2011,44(3):615-623.
[11] 张友水,冯学智,阮仁宗,等.Kohonen神经网络在遥感影像分类中的应用研究[J].遥感学报,2004,8(2):178-184. Zhang Y S,Feng X Z,Ruan R Z,et al.Application of Kohonen network in RS image classification[J].Journal of Remote Sensing,2004,8(2):178-184.
[12] Tansey K,Chambers I,Anstee A,et al.Object-oriented classification of very high resolution airborne imagery for the extraction of hedgerows and field margin cover in agricultural areas[J].Applied Geography,2009,29(2):145-157.
[13] 邓媛媛,巫兆聪,易俐娜,等.面向对象的高分辨率影像农用地分类[J].国土资源遥感,2010,22(4):117-121.doi:10.6046/gtzyyg.2010.04.24. Deng Y Y,Wu Z C,Yi L N,et al.Research on object-oriented classification of agricultural land based on high resolution images[J].Remote Sensing for Land and Resources,2010,22(4):117-121.doi:10.6046/gtzyyg.2010.04.24.
[14] 王琰,舒宁,龚龑,等.基于类别光谱变化规律的土地利用变化检测[J].国土资源遥感,2012,24(3):92-96.doi:10.6046/gtzyyg.2012.03.17. Wang Y,Shu N,Gong Y,et al.Land use change detection based on class spectral change rule[J].Remote Sensing for Land and Resources,2012,24(3):92-96.doi:10.6046/gtzyyg.2012.03.17.
[15] 陈秋晓,骆剑承,周成虎,等.基于多特征的遥感影像分类方法[J].遥感学报,2004,8(3):239-245. Chen Q X,Luo J C,Zhou C H,et al.Classification of remotely sensed imagery using multi-features based approach[J].Journal of Remote Sensing,2004,8(3):239-245.
[16] 陈云浩,冯通,史培军,等.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报:信息科学版,2006,31(4):316-320. Chen Y H,Feng T,Shi P J,et al.Classification of remote sensing image based on object oriented and class rules[J].Geomatics and Information Science of Wuhan University,2006,31(4):316-320.
[17] 蔡晓斌,陈晓玲,王涛,等.基于图斑空间关系的遥感专家分类方法研究[J]. 武汉大学学报:信息科学版,2006,31(4):321-324. Cai X B,Chen X L,Wang T,et al.Remote sensing expert classification method based on patch spatial relationship[J].Geomatics and Information Science of Wuhan University,2006,31(4):321-324.
[18] 陈杰,邓敏,肖鹏峰,等.粗糙集高分辨率遥感影像面向对象分类[J].遥感学报,2010,14(6):1139-1155. Chen J,Deng M,Xiao P F,et al.Rough set theory based object-oriented classification of high resolution remotely sensed imagery[J].Journal of Remote Sensing,2010,14(6):1139-1155.
[19] Ojala T,Pietikäinen M.Unsupervised texture segmentation using feature distributions[J].Pattern Recognition,1999,32(3):477-486.
[20] Wang A P,Wang S G,Lucieer A.Segmentation of multispectral high-resolution satellite imagery based on integrated feature distributions[J].International Journal of Remote Sensing,2010,31(6):1471-1483.

[1]	任超锋, 蒲禹池, 张福强. 顾及地理空间信息的无人机影像匹配像对提取方法[J]. 自然资源遥感, 2022, 34(1): 85-92.
[2]	毕卫华, 赵星涛, 杨化超, 卞和方, 张秋昭. 基于智能手机的无人机低空倾斜摄影测量系统及其应用研究[J]. 国土资源遥感, 2021, 33(2): 248-255.
[3]	孟蕾, 林超. 机载LiDAR技术生成DEM的质量检查与解决方案探讨[J]. 国土资源遥感, 2020, 32(1): 7-12.
[4]	朱军桃, 王雷, 赵传, 郑旭东. 基于区域生长算法的复杂建筑物屋顶点云分割[J]. 国土资源遥感, 2019, 31(4): 20-25.
[5]	闫利, 李瑶, 谢洪. 基于机载与车载LiDAR数据的LoD3城市建筑物模型自动重建[J]. 国土资源遥感, 2018, 30(4): 97-101.
[6]	李云帆, 谭德宝, 刘瑞, 邬建伟. 顾及建筑物屋顶结构的改进RANSAC点云分割算法[J]. 国土资源遥感, 2017, 29(4): 20-25.
[7]	李佳俊, 钟若飞. 轻小型机载LiDAR的航线设计[J]. 国土资源遥感, 2017, 29(2): 97-103.
[8]	于海洋, 罗玲, 马慧慧, 李辉. SRTM(1″)DEM在流域水文分析中的适用性研究[J]. 国土资源遥感, 2017, 29(2): 138-143.
[9]	王春林, 孙金彦, 周绍光, 钱海明, 黄祚继. 影像辅助下LiDAR数据建筑物轮廓信息提取[J]. 国土资源遥感, 2017, 29(1): 78-85.
[10]	査达剑, 李乐林, 江万寿, 韩用顺. LiDAR三维重建中基于CSG方法的扩展研究[J]. 国土资源遥感, 2016, 28(4): 35-42.
[11]	王雪, 李培军, 姜莎莎, 刘婧, 宋本钦. 利用机载LiDAR数据和高分辨率图像提取复杂城区建筑物[J]. 国土资源遥感, 2016, 28(2): 106-111.
[12]	董保根, 车森, 解龙根, 单国慧, 何乔. Mode滤波器及其在遥感分类后处理中的应用[J]. 国土资源遥感, 2016, 28(2): 62-66.
[13]	唐菲菲, 阮志敏, 张亚利, 彭丽. 基于机载LiDAR和GIS数据的建筑物变化信息自动检测方法[J]. 国土资源遥感, 2016, 28(1): 57-62.
[14]	肖春蕾, 郭兆成, 郑雄伟, 刘圣伟, 尚博譞. 机载LiDAR技术在地质调查领域中的几个典型应用[J]. 国土资源遥感, 2016, 28(1): 136-143.
[15]	陈洁, 肖春蕾, 李京. 无检校场的机载LiDAR点云数据检校方法[J]. 国土资源遥感, 2015, 27(4): 27-33.

Viewed

Full text

Abstract

Cited

Shared

Discussed