融入超像素分割的高分辨率影像面向对象分类

摘要：

针对高分辨率遥感影像面向对象分类中容易受分割参数的影响、分类精度不稳定的问题,本文提出了一种融入超像素分割的高分辨率影像面向对象分类方法.该方法通过简单线性迭代聚类(SLIC)算法对原始影像进行聚类生成超像素影像,并在此基础上采用分形网络演化方法(FNEA)进行多尺度分割生成同质性对象,最后利用最邻近分类方法进行地物分类.试验结果表明,该方法不易受多尺度分割参数的影响,分类效果稳定,而且分类精度明显高于传统的面向对象分类方法,对于高分辨率遥感影像的广泛应用具有重要意义.

关键词：高分辨率遥感影像、简单线性迭代聚类、超像素、分形网络演化方法、多尺度分割、面向对象分类

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2021-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：44-49