遥感图像分割的低维纹理特征算子与双变异蝴蝶优化算法

摘要：

针对光学遥感影像受天气影响导致部分地物间形成弱边缘问题,提出一种低维纹理特征算子与双变异蝴蝶优化算法.首先提出一种适用于遥感影像的低维完备局部三值模式的纹理特征提取算子,并将其引入简单线性迭代聚类算法,对遥感影像进行初始分割,减小了噪音影响,同时增强算法对弱边缘的敏感度和分割准确性;然后采用双变异蝴蝶优化的支持向量机合并同质超像素块,以简单线性迭代聚类算法和低维纹理特征算子得到的综合特征作为输入,得到最终分割图像.利用2组高分辨率遥感影像进行分割实验,并与当下流行的卷积神经网络进行对比,实验结果表明,所提算法相较于传统算法对弱边缘有更好的分割效果,数据一的边界回归率(boundary recall,BR)值较对比算法平均提高了 1.9％,Kappa系数平均提高了 0.036;数据二的BR值较对比算法平均提高了 2.33％,Kappa系数平均提高了 0.027.对比实验证明了所提算法相较于卷积神经网络有更好的泛化性.

关键词：高分辨率遥感图像、超像素、纹理特征、支持向量机、图像分割

所属期刊栏目：48

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金41561082

在线出版日期：2023-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：165-174