结合高斯马尔可夫随机场纹理模型与支撑向量机.PDF

第 9 卷 第 3 期 遥 　感 　学 　报 Vol. 9 , No. 3 2005 年 5 月 JOURNAL OF REMOTE SENSING May , 2005 ( ) 文章编号 2005 　　　 结合高斯马尔可夫随机场纹理模型与支撑向量机 在高分辨率遥感图像上提取道路网 汪　闽 ,骆剑承 ,周成虎 , 明冬萍,陈秋晓 ,沈占峰 ( 中国科学院 地理科学与资源研究所,资源与环境信息系统国家重点实验室 ,北京　100101) 摘 　要 : 　在高分辨率遥感图像上 ,道路网的同物异谱现象更为突出 ,因此其提取难度更大。提出了一种马尔 可夫随机场纹理模型与支撑向量机分类相结合的道路网提取方法。其基本过程是 :利用高斯马尔科夫随机场 模型 6 个归一化特征值进行支撑向量机的分类得到道路斑块 ,利用形态学算子对其进行初步连接并提取轴 线 ,然后通过斑块轴线的启发式连接得到最终道路网。试验证明方法是有效的。 关键词 : 　高分辨率遥感 ;马尔科夫随机场纹理模型 ;支撑向量机 ;道路网 ;信息提取 中图分类号: 　TP7511 　　　文献标识码 : 　A 了更大困难。 1 　引　言 正是由于高分辨率图像的复杂光谱特征 ,造成 特征空间中地物目标往往非线性可分。为此 ,如果 由于道路目标复杂的光谱与形状特征,在遥感 采用简单的线性分类模型或单峰高斯分类模型不一 图像上进行道路网提取一直被认为是一项具有相当 定完全能够将特征空间中的各个类别有效地区分开 难度的工作[1 ] 。遥感工作者们对此问题进行了大量 来 ,所以必须采用非线性的复杂映射模型以建立分 不懈的努力 ,如 Barzohar 等[2 ] 提出结合几何特征与 ( 类判别函数。支撑向量机 Support Vector Machine , [3 ] ) 统计模型的道路网检测方法 ;Tupin 等 结合线性形 SVM 是一种进行非线性复杂分类任务的有效工具。 状特征与马尔可夫随机场纹理模型进行 SAR 图像 其基本思想可以概括为 :首先通过非线性变换将输 上的道路网提取 ;文贡坚等[4 ] 结合统计模型的直线 入空间变换到一个高维空间 ,然后在新空间中求取 抽取方式进行道路提取 ; Shackelford 等[5 ] 利用形状 最优分类面 ,而这种非线性变换通过定义适当的内 ( ) [9 ] 与光谱特征进行城市道路网检测等等。但是 ,足够 积函数 核函数 实现 。SVM 具有学习速度快、自 可靠和实用化的软件至今尚未出现。有关这方面的 适应映射能力强等特点。通过设置核函数类型、扩 分类综述性文献 ,可参见文献[6 ] 。 散范围等 SVM 参数后 ,SVM 将样本特征空间的划分 近年来 ,随着 IKONOS 、QuickBird 、SPOT5 等高空 问题转换为高维特征空间的线性分类问题,通过有 间分辨率遥感卫星的相继发射 ,