面向对象高分遥感影像典型自然地物半自动提取

摘要：

针对目前高空间分辨率遥感影像(简称高分遥感影像)地物全自动提取无法完全实现的现实,本文结合自然地物的光谱和纹理特征,提出一种面向对象的高分遥感影像典型自然地物半自动提取方法.首先构建最小生成树(Minimum Spanning Tree,MST)进行影像初始分割,根据影像灰度平均归一化值和标准差统计对象的光谱、纹理等特征.用户通过"种子点"交互选取提供前景样本,并基于区域邻接图(Region Adjacency Graph,RAG)寻找合并代价最小的区域扩充前景样本.在自动构建的环形缓冲区内选择背景样本,利用特征空间高斯滤波实现全连接条件随机场中均值场更新.依据全连接条件随机场描述全局信息,结合不同地物的提取准则最终得到自然地物的提取结果.以航空和高分二号(GF-2)遥感影像为实验数据,分别对林地、草地、耕地、裸地和水体等典型自然地物进行提取.结果 显示,基于本文方法的航空影像典型自然地物提取总精度和Kappa值为0.959和0.948,相较于SVM方法分别提升了20.757％和0.268.高分二号(GF-2)遥感影像的提取总精度和Kappa值为0.959和0.941,相比SVM方法分别提高了1.698％和0.133.证明所给方法能够通过较少的用户交互,实现高分遥感影像典型自然地物高精度智能提取.

关键词：高分遥感影像、半自动提取、面向对象、全连接条件随机场、最小生成树、区域邻接图、高斯混合模型、支持向量机

所属期刊栏目：23

资助基金：国家自然科学基金重大研究计划项目;自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1050-1062