迁移学习支持下的遥感影像对象级分类样本自动选择方法

• 作者: 吴田军 夏列钢 杨海平 沈占锋 胡晓东 骆剑承
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 自动化 土地覆盖 对象级分类 样本选择 变化检测 迁移学习
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: [学术论文]
• 页码范围: 908-916
• 页数: 9页
• 分类号: P237|TP751.1
• 语种: 中文

摘要

面向遥感大范围应用的目标，自动化程度仍是遥感影像分类面临的重要问题，样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程，本文将空间信息挖掘技术引入到遥感信息提取过程中，提出一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上，并将过去解译的地物类别知识迁移至新的影像上，建立新的特征与地物关系，从而完成历史专题数据辅助下目标影像的自动化对象级分类。试验结果表明，在已有历史专题层的图斑知识指导下，该方法能有效地自动选择适用于新影像分类的可靠样本，获得较好的信息提取效果，提高了对象级分类的效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆剑承	中国科学院遥感与数字地球研究所	124	4043	33.0	60.0
2	胡晓东	中国科学院遥感与数字地球研究所	59	791	16.0	26.0
3	沈占锋	中国科学院遥感与数字地球研究所	93	1646	22.0	36.0
4	杨海平	中国科学院遥感与数字地球研究所	4	57	3.0	4.0
5	夏列钢	中国科学院遥感与数字地球研究所	10	103	5.0	10.0
6	吴田军	中国科学院遥感与数字地球研究所	1	0	0.0	0.0