基于多特征软概率级联的土地利用/土地覆盖分类

• 作者: 刘越岩 张斌 汪林宇
• 来源期刊: 资源科学
• 关键词: 高分辨率 遥感影像 图像分类 土地利用/土地覆盖 稀疏编码 支持向量机
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 资源信息
• 页码范围: 557-565
• 页数: 9页
• 字数: 5531字
• 语种: 中文
• DOI: 10.18402/resci.2017.03.17

摘要

为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类.首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform, DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果.选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88％左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张斌	中国地质大学土地资源管理系	23	141	7.0	11.0
2	刘越岩	中国地质大学土地资源管理系	12	108	5.0	10.0
3	汪林宇	中国地质大学土地资源管理系	2	3	1.0	1.0