融合时间特征的遥感影像分类

doi:10.6046/gtzyyg.2017.01.06

摘要
参考文献
相关文章
Metrics

全文: PDF(2969 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

为了克服基于光谱纹理特征的影像分类法的不足，提出一种融合时间特征的遥感影像分类方法。以历史时期土地利用矢量图为辅助数据，对新时期遥感影像进行带约束的影像分割以获取像斑；采用迭代统计的方法计算新时期遥感影像的地物类别转移概率；利用地物类别转移概率表达时间特征，将其融入到像斑的后验概率中，构建顾及时间特征的像斑联合概率；依据后验概率最大原则获取影像分类结果。采用QuickBird遥感影像进行的实验结果表明：与基于光谱纹理特征的分类方法相比，所提出的方法能够显著提高影像分类的精度，总体分类精度与kappa系数分别提高了9.8%和17.9%，验证了所提方法的可行性和可靠性。

	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
	张永梅
	杨飞
	许静

关键词 ：夹角链码, 变长夹角链码, 曲线描述, 特征提取, 港口检测, 图像处理

Abstract：

In order to overcome the shortcomings of the traditional image classification based on spectral and texture, the authors propose an image classification method considering temporal features in this paper. Land use vector map in historical period was used as auxiliary data. The objects were extracted by image segmentation under the constraint of land use vector map. The land cover transition probability which represents temporal feature was calculated by iterative statistic method. The joint probability of object based on temporal feature was built after integrating the land cover transition probability into the traditional maximum posteriori probability. The image classification map was obtained by the maximum posteriori probability theory. The experimental results based on the QuickBird image show that the proposed method can improve the accuracy of the image classification result. Compared with things of the traditional classifier using spectral and texture features, the overall classification accuracy and kappa coefficient of the proposed method are increased by 9.8% and 17.9% respectively.

Key words： angle chain code length variable angle chain code curve description feature extraction port detecting image processing

收稿日期: 2015-09-25 出版日期: 2017-01-23

TP751.1

基金资助:

测绘地理信息公益性行业科研专项项目“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）及四川省测绘地理信息局科技计划项目“基于Web的四川省地理国情监测数据成果展示方法与实现”（编号：J2014ZC16）共同资助。

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

引用本文:

李亮, 周亚光, 梁彬, 徐庆. 融合时间特征的遥感影像分类[J]. 国土资源遥感, 2017, 29(1): 36-42.
LI Liang, ZHOU Yaguang, LIANG Bin, XU Qing. Remote sensing image classification based on fusion of temporal features. REMOTE SENSING FOR LAND & RESOURCES, 2017, 29(1): 36-42.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2017.01.06 或 https://www.gtzyyg.com/CN/Y2017/V29/I1/36

[1] 白穆,刘慧平,乔瑜,等.高分辨率遥感图像分类方法在LUCC中的研究进展[J].国土资源遥感,2010,22(1):19-23.doi:10.6046/gtzyyg.2010.01.03. Bai M,Liu H P,Qiao Y,et al.New progress in the classification of high spatial resolution satellite images for LUCC[J].Remote Sensing for Land and Resources,2010,22(1):19-23.doi:10.6046/gtzyyg.2010.01.03.
[2] 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.
[3] 杨胜,李敏,彭振国,等.一种新的多波段遥感影像变化检测方法[J].中国图像图形学报,2009,14(4):572-578. Yang S,Li M,Peng Z G,et al.A novel multi-band remote sensing image change detection algorithm[J].Journal of Image and Graphics,2009,14(4):572-578.
[4] 万幼川,宋杨.基于高分辨率遥感影像分类的地图更新方法[J].武汉大学学报:信息科学版,2005,30(2):105-109. Wang Y C,Song Y.Application of maps revision based on classification of high resolution satellite images[J].Geomatics and Information Science of Wuhan University,2005,30(2):105-109.
[5] 徐涵秋.基于SFIM算法的融合影像分类研究[J].武汉大学学报:信息科学版,2004,29(10):920-923. Xu H Q.Classification of fused imagery base on the SFIM algorithm[J].Geomatics and Information Science of Wuhan University,2004,29(10):920-923.
[6] 崔炳德.支持向量机分类器遥感图像分类研究[J].计算机工程与应用,2011,47(27):189-191. Cui B D.Remote sensing image classification based on SVM classifier[J].Computer Engineering and Applications,2011,47(27):189-191.
[7] 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.
[8] Zhao Y D,Zhang L P,Li P X,et al.Classification of high spatial resolution imagery using improved Gaussian Markov random-field-based texture features[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45(4):1458-1468.
[9] 张楼香,阮仁宗,夏双.洪泽湖湿地纹理特征参数分析[J].国土资源遥感,2015,27(1):75-80.doi:10.6046/gtzyyg.2015.01.12. Zhang L X,Ruan R Z,Xia S.Parameter analysis of image texture of wetland in the Hongze lake[J].Remote Sensing for Land and Resources,2015,27(1):75-80.doi:10.6046/gtzyyg.2015.01.12.
[10] 谭熊,余旭初,张鹏强,等.基于MKSVM和MRF的高光谱影像分类方法[J].国土资源遥感,2015,27(3):42-46.doi:10.6046/gtzyyg.2015.03.08. Tan X,Yu X C,Zhang P Q,et al.Hyperspectral images classification based on MKSVM and MRF[J].Remote Sensing for Land and Resources,2015,27(3):42-46.doi:10.6046/gtzyyg.2015.03.08.
[11] 乔程,沈占锋,吴宁,等.空间邻接支持下的遥感影像分类[J].遥感学报,2011,15(1):88-99. Qiao C,Shen Z F,Wu N,et al.Remote sensing image classification method supported by spatial adjacency[J].Journal of Remote Sensing,2011,15(1):88-99.
[12] 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.
[13] Bruzzone L,Serpico S B.An iterative technique for the detection of land-cover transitions in multitemporal remote-sensing images[J].IEEE Transactions on Geoscience and Remote Sensing,1997,35(4):858-867.
[14] Demir B,Bovolo F,Bruzzone L.Detection of land-cover transitions in multitemporal remote sensing images with active-learning-based compound classification[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(5):1930-1941.
[15] 李雪,舒宁,王琰,等.利用土地利用状态转移分析的变化检测[J].武汉大学学报:信息科学版,2011,36(8):952-955. Li X,Shu N,Wang Y,et al.Change detection based on land-use status transition analysis[J].Geomatics and Information Science of Wuhan University,2011,36(8):952-955.
[16] 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.
[17] 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 remot sensing image based on object oriented and class rules[J].Geomatics and Information Science of Wuhan University,2006,31(4):316-320.
[18] Byun Y G,Han Y K,Chae T B.A multispectral image segmentation approach for object-based image classification of high resolution satellite imagery[J].KSCE Journal of Civil Engineering,2013,17(2):486-497.
[19] Tang Y Q,Zhang L P,Huang X.Object-oriented change detection based on the Kolmogorov-Smirnov test using high-resolution multispectral imagery[J].International Journal of Remote Sensing,2011,32(20):5719-5740.

[1]	曲海成, 王雅萱, 申磊. 多感受野特征与空谱注意力结合的高光谱图像超分辨率算法[J]. 自然资源遥感, 2022, 34(1): 43-52.
[2]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[3]	栗旭升, 刘玉锋, 陈冬花, 刘赛赛, 李虎. 结合图像特征的支持向量机高分一号云检测[J]. 国土资源遥感, 2020, 32(3): 55-62.
[4]	张兴航, 朱琳, 王威, 孟利山, 李小娟, 任应超. 基于对象的地裂缝分步提取方法研究与应用[J]. 国土资源遥感, 2019, 31(1): 87-94.
[5]	魏英娟, 郑雄伟, 雷兵, 甘宇航. 基于样本模型的高分一号遥感影像云雾自动提取[J]. 国土资源遥感, 2017, 29(s1): 39-45.
[6]	张永梅, 杨飞, 许静. 改进的变长夹角链码算法及在码头识别中的应用[J]. 国土资源遥感, 2016, 28(4): 164-169.
[7]	李孚煜, 叶发茂. 基于SIFT的遥感图像配准技术综述[J]. 国土资源遥感, 2016, 28(2): 14-20.
[8]	刘鹏程. 基于水平集理论的海岸线轮廓特征提取[J]. 国土资源遥感, 2015, 27(2): 75-79.
[9]	常睿春, 王璐, 王茂芝. FastICA在高光谱遥感矿物信息提取中的应用[J]. 国土资源遥感, 2013, 25(4): 129-132.
[10]	陈依国. 基于红外热成像技术的建筑物表面裂缝探测[J]. 国土资源遥感, 2013, 25(2): 53-56.
[11]	於雪琴, 左小清, 黄亮. 一种融合数学形态学运算的多尺度建筑物分割算法[J]. 国土资源遥感, 2012, 24(2): 41-44.
[12]	李婷, 詹庆明, 喻亮. 基于地物特征提取的车载激光点云数据分类方法[J]. 国土资源遥感, 2012, 24(1): 17-21.
[13]	崔林林, 罗毅, 包安明. NWFE结合纹理特征的SVM土地覆被分类方法研究[J]. 国土资源遥感, 2012, 24(1): 36-42.
[14]	沈照庆, 陶建斌. 基于模糊核主成分分析的高光谱遥感影像特征提取研究[J]. 国土资源遥感, 2009, 21(3): 41-44.
[15]	赵凌, 张祖荫, 郭伟. 基于数学形态学的毫米波图像边缘检测方法[J]. 国土资源遥感, 2006, 18(4): 19-22.

Viewed

Full text

Abstract

Cited

Shared

Discussed