高分辨率遥感影像城市绿地提取方法研究

发布时间：2021-07-26 23:49

　　以德国Vaihingen城区的高分辨率遥感影像为数据源,提出一种结合多尺度引导滤波特征与核主成分分析特征的提取方法,利用多尺度引导滤波提取不同尺度的绿地特征,通过具有非线性映射能力的核主成分分析算法,对多尺度特征进行降维,最后将降维后的特征输入支持向量机分类器,得到城市绿地的分类结果,并与现有的绿地提取方法进行对比分析。结果表明:该方法能充分利用空间邻域信息,获得比现有单尺度分析方法更高的分类精度,且明显减少传统像素级分类方法产生的结果细碎问题。 

【文章来源】：西南林业大学学报(自然科学). 2020,40(04)北大核心

【文章页数】：10 页

【部分图文】：

实验中数据集示例

式中：Mεr(Bi)表示以原图为引导影像，用半径r和正则化惩罚项ε对B i波段进行滤波，获得滤波特征。以高分辨率数据Vaihingen的正射影像的测试影像1的3个波段分别作为输入影像，原始影像为引导影像，根据He等[18]的引导滤波参数进行实验，正则化惩罚项的取值范围为0.14～0.13，窗口半径分别为4、6、8、10，对3个彩色波段分别进行引导滤波。

多尺度引导滤波特征对比见图3。由图3可以看出，不同参数的组合得到的特征提取结果也不同。由图3b、3f、3j或图3c、3g、3k等列的对比，可知在窗口半径不变、正则化系数由小变大的情况下，平坦区域的像素平滑效果较强，处于边界线两侧的像素位置平滑效果较弱。当像素i,j位于边界线同一侧时Ii Pi与异号，异号时的权重值将远小于同号的权重值，平坦区域的像素则会加以较大的权重，平滑效果增加。反之，IiPi与同号，对处于边界线两侧的像素则加以较小的权重，平滑效果减弱，达到保持边界的效果。上述参数较好的实现了不同尺度的影像滤波，故随后的实验中，多尺度引导滤波的参数设置为窗口半径分为4、6、8、10，正则化惩罚项为0.14、0.44、0.13。2.3.3 特征降维

【参考文献】：
期刊论文
[1]机载多光谱LiDAR的随机森林地物分类[J]. 曹爽,潘锁艳,管海燕.  测绘通报. 2019(11)
[2]高光谱影像的引导滤波多尺度特征提取[J]. 王雷光,曹小汪,郑雅兰,代沁伶.  遥感学报. 2018(02)
[3]采用快速导向滤波的暗通道先验去雾算法的研究与实现[J]. 王浩然.  数字技术与应用. 2015(11)
[4]基于PCA和多尺度纹理特征提取的高分辨率遥感影像分类[J]. 刘友山,吕成文,祝凤霞,高超.  遥感技术与应用. 2012(05)
[5]城市地区高分辨率遥感影像绿地提取研究[J]. 孙小芳,卢健,孙小丹.  遥感技术与应用. 2006(02)
[6]基于面向对象和规则的遥感影像分类研究[J]. 陈云浩,冯通,史培军,王今飞.  武汉大学学报(信息科学版). 2006(04)
[7]地物提取的多尺度特征遥感应用分析[J]. 黄慧萍,吴炳方.  遥感技术与应用. 2003(05)

博士论文
[1]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003



本文编号：3304620