基于 Block-Gibbs 抽样的无限潜 Dirichlet 分配模型的高分辨率全色遥感影像非监督分类

摘要：

通过引入文本检索算法中的无限潜 Dirichlet 分配（infinite Latent Dirichlet Allocation，即 iLDA）模型，对遥感影像进行建模以获取地物的统计分布及其共生关系，从而实现遥感影像非监督分类。首先，将遥感影像有重叠地划分成一组大小相等的影像块（文集）。其次，以 iLDA 为基础，构建“像元”（视觉词）、“影像块”（文档）和“地物类”（主题）之间的条件概率关系，并采用 Block-Gibbs 抽样的方法来估计模型参数，从而构建基于 Block-Gibbs 抽样的 iLDA 遥感影像非监督分类模型（Block-Gibbs based iLDA，即 BG-iLDA）。最后，通过对 BG-iLDA 模型的逼近求解实现高分辨率遥感影像的非监督分类。实验结果表明，本文提出的基于 BG-iLDA 的面向对象非监督分类方法相对传统的 K-means 等算法精度更高，更能有效区分“同谱异物”的地物。

关键词：无限潜 Dirichlet 分配、非监督分类、Block-Gibbs、Dirichlet 过程

分类号：TP751(遥感技术)

资助基金：国家高技术研究发展计划课题2012AA121302；国家科技支撑计划课题2012BAH12B01、2012BAH12B03。

在线出版日期：2015-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：26-32,50