样本迁移支持下的遥感影像自动分类方法

doi:10.13474/j.cnki.11-2246.2018.0110

测绘通报 ›› 2018, Vol. 0 ›› Issue (4): 57-62.doi: 10.13474/j.cnki.11-2246.2018.0110

样本迁移支持下的遥感影像自动分类方法

林聪^1,2, 李二珠^1,2, 杜培军^1,2

1. 南京大学卫星测绘技术与应用国家测绘地理信息局重点实验室, 江苏南京 210023;
2. 南京大学江苏省地理信息技术重点实验室, 江苏南京 210023

收稿日期:2017-07-17 出版日期:2018-04-25 发布日期:2018-05-03
通讯作者: 杜培军。E-mail:dupjrs@126.com E-mail:dupjrs@126.com
作者简介:林聪(1994-),男,硕士生,主要研究方向为遥感图像处理、长时间序列遥感应用。E-mail:lcnjucumt@126.com
基金资助:
国家自然科学基金重点基金（41631176）；中国地质调查局三峡后续工作科研项目（0001792015CB50002）

An Automatic Approach for Remote Sensing Classification Supported by Sample Transfer

LIN Cong^1,2, LI Erzhu^1,2, DU Peijun^1,2

1. Key Laboratory for Satellite Mapping Technology and Applications of State Administration of Surveying, Mapping and Geoinformation of China, Nanjing University, Nanjing 210023, China;
2. Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology, Nanjing University, Nanjing 210023, China

Received:2017-07-17 Online:2018-04-25 Published:2018-05-03

摘要/Abstract

摘要：

迁移学习是运用已有知识对相关的不同领域的问题进行求解的一种机器学习方法，本文结合这一方法，提出了一种基于先验知识的样本自动选取方法，并构建了一套土地覆盖自动分类的算法框架。该方法主要面向Landsat数据，通过图像变化检测技术与光谱形状编码的方法，从源领域中迁移适用的地物类别知识并标记在目标影像中，使用SVM完成基于样本迁移的自动分类流程。结果表明，该方法可以获得可靠的自动分类结果，一定程度上满足遥感信息的大范围提取与长时间序列处理分析的发展需求。

关键词: 迁移学习, 土地覆盖, 变化检测, 光谱形状编码, 自动分类

Abstract:

This paper proposes a novel automatic classification approach to acquire land cover maps by classifying remote sensing images in the time series.Different from other sample collection methods,the proposed method tries to define a precise training set for target domain automatically by transfer learning.This method is proposed for Landsat TM images.This is done by change detection method and spectral curve shape vector.Firstly,the unchanged labels are located by change vector analysis.Then the prior class knowledge from source domain is transferred to the target images,taking advantage of the already available knowledge on the land cover products related to source images.Finally,the target image is classified by support vector machine.The result shows that the approach is effective in automatically obtaining land-cover classification maps.

Key words: transfer learning, land cover, change detection, spectral curve shape vector, automatic classification

中图分类号:

P237

林聪, 李二珠, 杜培军. 样本迁移支持下的遥感影像自动分类方法[J]. 测绘通报, 2018, 0(4): 57-62.

LIN Cong, LI Erzhu, DU Peijun. An Automatic Approach for Remote Sensing Classification Supported by Sample Transfer[J]. 测绘通报, 2018, 0(4): 57-62.

参考文献

[1] 陈广生,田汉勤.土地利用/覆盖变化对陆地生态系统碳循环的影响[J].植物生态学报,2007,31(2):189-204.
[2] 沈泉飞,曹敏,史照良,等.基于布谷鸟算法的遥感影像智能分类[J].测绘通报,2017(1):65-68.
[3] 张增详,汪潇,温庆可,等.土地资源遥感应用研究进展[J].遥感学报,2016,20(5):1243-1258.
[4] 吴田军,骆剑承,夏列钢,等.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[J].测绘学报,2014,43(9):908-916.
[5] PAN J S,YANG Q.A Survey on Transfer Learning[J].IEEE Transactions on Knowledge & Data Engineering,2010,22(10):1345-1359.
[6] 庄福振,罗平,何清,等.迁移学习研究进展[J].软件学报,2015,26(1):26-39.
[7] DAN Z,SANG N,CHEN Y,et al. Remote Sensing Object Recognition Based on Transfer Learning[C]//International Conference on Fuzzy Systems and Knowledge Discovery (FSKD).Shenyang:IEEE,2013:930-934.
[8] 鲁恒,付萧,贺一楠,等.基于迁移学习的无人机影像耕地信息提取方法[J].农业机械学报,2015,46(12):274-284.
[9] RAJAN S,GHOSH J,CRAWFORD M M.Exploiting Class Hierarchies for Knowledge Transfer in Hyperspectral Data[J].IEEE Transactions on Geoscience & Remote Sensing,2006,44(11):3408-3417.
[10] PERSELLO C,BRUZZONEL.Active Learning for Domain Adaptation in the Supervised Classification of Remote Sensing Images[J].IEEE Transactions on Geoscience & Remote Sensing,2012,50(11):4468-4483.
[11] DEMIR B,BOVOLO F,BRUZZONE L.Updating Land-Cover Maps by Classification of Image Time Series:A Novel Change-Detection-Driven Transfer Learning Approach[J].IEEE Transactions on Geoscience & Remote Sensing,2013,51(1):300-312.
[12] SUN H,LIU S,ZHOU H,et al.Unsupervised Cross-View Semantic Transfer for Remote Sensing Image Classification[J].Geoscience & Remote Sensing Letters,2016,13(1):13-17.
[13] ZHOU Y,LIAN J,HAN M.Remote Sensing Image Transfer Classification Based on Weighted Extreme Learning Machine[J].Geoscience & Remote Sensing Letters,2016,13(10):1405-1409.
[14] 罗洁琼.基于GIS的三峡库区山地人居环境自然适宜性动态评价——以奉节县和巫山县为例[D].重庆:西南大学,2013.
[15] 廖安平,彭舒,武昊,等. 30 m全球地表覆盖遥感制图生产体系与实践[J].测绘通报,2015(10):4-8.
[16] 陈军,陈晋,廖安平,等.全球30m地表覆盖遥感制图的总体技术[J].测绘学报,2014,43(6):551-557.
[17] 陈晋,何春阳,卓莉.基于变化向量分析(CVA)的土地利用/覆盖变化动态监测(Ⅱ)——变化类型的确定方法[J].遥感学报,2001,5(5):346-353.
[18] 常方正,赵银娣,刘善磊.遥感影像CVA变化检测的CUDA并行算法设计[J].遥感学报,2016,20(1):114-128.
[19] LIU S,BRUZZONE L,BOVOLO F,et al.Sequential Spectral Change Vector Analysis for Iteratively Discovering and Detecting Multiple Changes in Hyperspectral Images[J].IEEE Transactions on Geoscience Remote Sensing,2015,53(8):4363-4378.
[20] LI E,DU P,SAMAT A,et al.An Automatic Approach for Urban Land-cover Classification from Landsat-8 OLI Data[J].International Journal of Remote Sensing,2015,36(24):5983-6007.

样本迁移支持下的遥感影像自动分类方法

An Automatic Approach for Remote Sensing Classification Supported by Sample Transfer

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[2]	潘建平, 李鑫, 孙博文, 胡勇, 李明明. 基于注意力密集连接金字塔网络的新增建设用地变化检测[J]. 测绘通报, 2022, 0(3): 41-46,59.
[3]	段晨阳, 冯建中, 全斌, 白林燕, 王盼盼. 利用深度学习进行GF-6影像枣园检测识别[J]. 测绘通报, 2022, 0(3): 54-59.
[4]	王胜利, 朱寿红, 蒋毅. 基于CNN模型迁移的OLI影像光伏电池板场景识别[J]. 测绘通报, 2022, 0(2): 5-9.
[5]	杨景玉, 贾多科, 王阳萍. 基于超像素分割与CRF的高分辨率遥感影像变化检测[J]. 测绘通报, 2022, 0(2): 25-30,49.
[6]	乐颖, 夏元平. 基于比值法的多源多时相数据城区变化检测[J]. 测绘通报, 2022, 0(2): 56-61.
[7]	车子杰, 高飞, 吴兆福, 李振轩. 基于改进U-Net网络的多源遥感影像洪涝灾害信息提取与变化分析[J]. 测绘通报, 2022, 0(1): 26-32.
[8]	周秀华, 李乃强. 基于多种相似度特征的道路实体融合方法[J]. 测绘通报, 2021, 0(8): 102-105,157.
[9]	赵恒谦, 杨屹峰, 刘泽龙, 宋瑞. 农作物叶片病害迁移学习分步识别方法[J]. 测绘通报, 2021, 0(7): 34-38.
[10]	苏艺凡, 党建武, 王阳萍, 杨景玉. 改进的区间二型模糊聚类遥感影像变化检测[J]. 测绘通报, 2021, 0(7): 44-51,58.
[11]	刘海飞, 杨敏华, 王晶, 徐刚, 陈杰. 利用结构面对象的高分遥感影像建筑物变化检测[J]. 测绘通报, 2021, 0(6): 16-20.
[12]	高照忠, 魏海霞, 黄铁兰. 粤港澳大湾区土地覆盖及景观格局时空变化分析[J]. 测绘通报, 2021, 0(5): 25-29.
[13]	张伟良, 刘琦, 吴长彬, 杨光迪. 基于孪生神经网络的土地利用现状年度变化检测[J]. 测绘通报, 2021, 0(3): 91-95,104.
[14]	赖正文, 夏小云. 像素级和对象级高分辨率遥感图像变化检测分析[J]. 测绘通报, 2021, 0(2): 59-63.
[15]	韩建平. 青海省地震灾后地物变化的快速识别[J]. 测绘通报, 2021, 0(11): 120-123.