基于混合光谱特征的建筑物高分影像分类样本筛选.PDFVIP

第３４卷 第４期 桂 林 理 工 大 学 学 报 Ｖｏｌ３４Ｎｏ４ ２０１４年１１月 ＪｏｕｒｎａｌｏｆＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｎｏｖ　２０１４  文章编号：１６７４－９０５７（２０１４）０４－０７０４－０７　　　　　 ｄｏｉ：１０３９６９／ｊ．ｉｓｓｎ１６７４－９０５７２０１４０４０１７ 基于混合光谱特征的建筑物高分影像分类样本筛选 ｂ，ｃ ｂ，ｃ 李百寿，陈　婷 ，高玉久 （桂林理工大学 ａ广西矿冶与环境科学实验中心；ｂ广西空间信息与测绘重点实验室； ｃ测绘地理信息学院，广西 桂林　５４１００４） 摘　要：设计了随机样本、感兴趣样本筛选方案，选择典型建筑物样本瓦片通过Ｋｍｅａｎｓ非监督分类获得 核心地类的最小样本信息及提高精度的影响因素。利用二值聚类获取建筑物的错分漏分光谱变化，从光谱 统计角度分析高空间分辨率影像的聚类分割规律，发现地表真实像元的光谱特征与聚类结果类别光谱分布 的内在联系，提出了解决建筑物混合光谱感兴趣区筛选的有效方法。研究表明，该方法可以更好的了解高 分影像分类器性能对样本瓦片先验场景光谱分布的依赖程度，进而提高建筑物的分类精度。 关键词：建筑物；分类样本集；混合光谱特征；场景瓦片；高分遥感 中图分类号：ＴＰ９５３　　　　　　　　　　　　　　　文献标志码：Ａ 建筑物影像细节信息在高空间分辨率图像上 说算法的分类效率会降低，为此 ＴｈａｄｄｅｕｓＴａｒ ［６］ 呈现出混合光谱特征，这对传统分类方法提出了 ｐｅｙ 结合样本数量对 Ｋｍｅａｎｓ算法的分类效率展 很大挑战。为了增加建筑物感兴趣样本集的描述 开了研究。样本数量还关系到分类算法的性 准确性，构建提高高分影像瓦片分类与样本筛选 能［６－７］，而样本内容关系到聚类中心的选择［８－１０］、 ［１１］ 精度的有效方法对目前普遍采用的知识分类方法 聚类参数的设置 。精度和效率是分类分割算法 具有实际意义。城市及郊区高分遥感影像中存在 研究的两个方面，本文将开展样本分类精度的专 大量的建筑物信息，直接处理影像全部像元，很 门研究而忽略样本大小带来的算法效率的改变。 多算法难以使影像局部分类精度提高，需要拆分 针对高分影像，从光谱统计学角度分析获得建筑 成若干影像瓦片，并按某种顺序对影像局部进行 物分类规律，发现地表真实像元的光谱与聚类结 分块处理。由于影像瓦片拆分包含了待解译地物 果图斑在原始影像上圈定的光谱分布有内在联系， 的主要特征和尺度特征［１］，通过局部影像分类瓦 提出解决混合光谱分类感兴趣区样本集筛选方法。 片预测同尺度大数据量高分辨率影像的分类精度， 由于二值聚类在图像粗区提取方面有广泛应用［１２］， 探测算法的实际性能，为监督分类利用非监督分 可以使复杂遥感图像的分析过程简化，有利于分 类结果自动选择感兴趣训练样本作铺垫。目前高 类样本的筛选研究，因此笔者利用二值聚类研究 空间分辨率影像的常规处理步骤如下：先依据纹 最佳分类样本筛选方法。 理或颜色对影像进行预分割。预分割通常采用低 ［２］ ［３－４］ １　原始及随机样本分类 计算复杂度的方法 ，如 Ｋｍｅａｎｓ聚类算法 ， 达到与人眼目视效果一致的分割效果［５］。样本尺 建筑物 ＱｕｉｃｋＢｉｒｄ可见光波段 ＲＧＢ影像样本 寸越小，瓦片数量越多，分类精度越高，通常来 集可以用二维矩阵Ｘ表达为 　收稿日期：２０１３－１１－０７ 　基金项目：国家自然科学基金项目；广西自然科学基金项目（２０１２ＧＸＮＳＦＢＡ０５３１３１）；广西自然科学基金创新研究团队 ２０１２ＧＸＮＳＦＧＡ０６０００１）；广西空间