Landsat 8多光谱数据辅助下的高分影像多尺度分割

doi:10.13474/j.cnki.11-2246.2019.0282

测绘通报 ›› 2019, Vol. 0 ›› Issue (9): 38-43.doi: 10.13474/j.cnki.11-2246.2019.0282

Landsat 8多光谱数据辅助下的高分影像多尺度分割

刘金丽, 陈钊

北京林业大学信息学院, 北京 100083

收稿日期:2019-01-02 修回日期:2019-07-02 出版日期:2019-09-25 发布日期:2019-09-28
通讯作者: 陈钊。E-mail:cz71@bjfu.edu.cn E-mail:cz71@bjfu.edu.cn
作者简介:刘金丽(1993-),女,硕士,主要从事林业信息化、林业遥感技术应用的研究。E-mail:liujinli0712@126.com
基金资助:
国家高技术研究发展计划（2012AA12A306）；高分辨率对地观测系统重大专项（30-Y20A37-9003-15/17）；重点国有林区森林资源规划设计调查与森林经营方案编制（2130207）

High-resolution image multiresolution segmentation with the aid of Landsat 8 multispectral data

LIU Jinli, CHEN Zhao

Information and Technology School, Beijing Forestry University, Beijing 100083, China

Received:2019-01-02 Revised:2019-07-02 Online:2019-09-25 Published:2019-09-28

摘要/Abstract

摘要： 为解决高分影像分割的边缘锯齿性明显等问题，本文以黑龙江省伊春市桦皮羌子林场为研究区开展了有无多光谱数据辅助的高分影像分割对比试验。首先，本文设计了多尺度分割算法的相同尺度参数下分割试验，确定了该算法分割GF-2影像时应采用的最佳同质性准则组合参数；然后，基于影像分割对象同质性局部方差变化率反映最优分割尺度的思想，利用ESP2工具找出固定尺度范围内的最优分割尺度范围；最后执行最佳同质性准则组合参数配合下的最优分割尺度范围内各个尺度下的多尺度分割，并采用矢量距离指数、紧密度指数、形状指数对2种分割试验结果进行了评价。结果表明，与GF-2影像独立分割相比，Landsat 8多光谱数据辅助下的GF-2影像分割在矢量距离指数、紧密度指数、形状指数的质量上均有提升，平均提升率分别为8.05%、28.40%、11.76%。

关键词: 多尺度分割, GF-2, Landsat 8, 边缘锯齿, 分割评价

Abstract: In order to solve the problem of edge sawtooth in high-resolution image segmentation results, this study carries out high-resolution image contrast segmentation experiment with Landsat 8 multi-spectral data assisted or not in Huapiqiangzi forestry form in Yichun City, Heilongjiang Province. Firstly, the paper designs the segmentation experiment under the same scale parameter of multiresolution segmentation algorithm to determine the optimal composition of homogeneity criterion parameters required by the algorithm. Furthermore, based on the idea of local variance (LV) of object heterogeneity within a scene reflects the optimal segmentation scale, scales are found corresponding to obvious peaks of the homogenous local variance variation rate in the specific scale range (100~400, step size is 1) generated by ESP2, which is defined as the optimal segmentation scale range.Finally, the results of the two segmentation are evaluated by vector distance index, compactness index and shape index. The evaluation results show that compared with the independent segmentation of GF-2 image, the GF-2 image segmentation assisted by Landsat 8 multispectral data improves the quality of vector distance index, compactness index and shape index, and the average increase rate are 8.05%, 28.40%, 11.76% separately.

Key words: multiresolution segmentation, GF-2, Landsat 8, edge sawtooth, segmentation evaluation

中图分类号:

P237

刘金丽, 陈钊. Landsat 8多光谱数据辅助下的高分影像多尺度分割[J]. 测绘通报, 2019, 0(9): 38-43.

LIU Jinli, CHEN Zhao. High-resolution image multiresolution segmentation with the aid of Landsat 8 multispectral data[J]. 测绘通报, 2019, 0(9): 38-43.

参考文献

[1] 孟宪宇,张弘.闽北杉木人工林单木模型[J].北京林业大学学报,1996(2):1-8.
[2] 王敏,李凤日,王二丽,等.基于大比例尺航片的针叶树种分类[J].东北林业大学学报,2011,39(11):117-121.
[3] 尹凌宇,尹凌宇,覃先林,等.基于高分二号多光谱数据的树种识别方法[J].林业资源管理,2016(11):121-127.
[4] 周洪泽,曲智林.连续森林清查应用地理信息估计蓄积量的方法[J].东北林业大学学报,2000,28(5):50-53.
[5] 尹凌宇,覃先林,孙桂芬,等. 基于高分二号多光谱数据的树种识别方法[J].林业资源管理,2016(4):121-127.
[6] 方涛,霍宏,马贺平,等.高分辨率遥感影像智能解译[M].北京:科学出版社,2016:83-88.
[7] 王敏,李凤日,王二丽,等.基于大比例尺航片的针叶树种分类[J].东北林业大学学报,2011,39(11):117-121.
[8] 朱红春,蔡丽杰,刘海英,等.高分辨率影像分类的最优分割尺度计算[J].测绘科学,2015,40(3):71-75.
[9] 黄昕.高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D].武汉:武汉大学,2009.
[10] 田甜,范文义,卢伟,等. 面向对象的优势树种类型信息提取技术[J].应用生态学报,2015,26(6):1665-1672.
[11] 潘腾. 高分二号卫星的技术特点[J].中国航天,2015(1):3-9.
[12] 汲旭生,袁昆筱佳,梁安宝,等. 利用Landsat 8影像制作解译样本点辅助高分影像分类可行性的研究[J].测绘与空间地理信息,2014(6):51-52.
[13] 池毓锋,赖日文,余莉莉,等. 基于Landsat 8 OLI数据的树种类型分布提取[J].自然资源学报,2017,32(7):1193-1203.
[14] 于欢,张树清,孔博,等. 2010. 面向对象遥感影像分类的最优分割尺度选择研究[J]. 中国图象图形学报,15(2):352-360.
[15] 毛学刚,陈文曲,魏晶昱,等.分割尺度对面向对象树种分类的影响及评价[J].林业科学,2017,53(12):106-109.
[16] DRǍGU L, CSILLIK O, EISANK C, et al. Automated parameterisation for multi-scale image segmentation on multiple layers[J]. ISPRS Journal Photogramm Remote Sensing,2014,88(100):119-127.
[17] 马浩然.基于多层次分割的遥感影像面向对象森林分类[D].北京:北京林业大学,2014.

Landsat 8多光谱数据辅助下的高分影像多尺度分割

High-resolution image multiresolution segmentation with the aid of Landsat 8 multispectral data

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]	王春霞, 张俊, 李屹旭, 范成成. 一种基于Landsat 8的多波段组合水体指数模型[J]. 测绘通报, 2022, 0(5): 20-25.
[2]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[3]	孙琴琴, 蔡国印, 杨柳忠, 张宁, 杜明义. 城市尺度典型地表要素综合提取方法研究[J]. 测绘通报, 2022, 0(2): 62-66.
[4]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[5]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[6]	段雅鸣, 张锦水, 朱爽. 基于深度卷积神经网络的云检测方法[J]. 测绘通报, 2021, 0(4): 33-39.
[7]	何佳君, 刘向铜, 涂梨平, 徐看, 何紫玲, 宋昊航, 刘欢. 南昌地区不透水面信息自动提取[J]. 测绘通报, 2020, 0(8): 1-4.
[8]	王昊, 张黎明, 慕号伟, 张鑫港, 陈金萍. SIFT和SVD相结合的GF-2影像感知哈希算法[J]. 测绘通报, 2020, 0(8): 44-49.
[9]	蔡怤晟, 向泽君, 蔡衡, 单德明. 结合特征选择的CVA多尺度遥感影像变化检测[J]. 测绘通报, 2020, 0(8): 101-104,130.
[10]	任泽茜, 丁丽霞, 刘丽娟, 谢锦莹, 敖伊颍, 张继艳, 何嘉莹. 利用无人机遥感监测农作物种植面积[J]. 测绘通报, 2020, 0(7): 76-81.
[11]	张宏涛, 黄宏胜, 魏康宁, 钟海燕. 基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例[J]. 测绘通报, 2020, 0(6): 111-117.
[12]	耿仁方, 付波霖, 金双根, 蔡江涛, 耿万轩, 娄佩卿. 面向对象的无人机遥感影像岩溶湿地植被遥感识别[J]. 测绘通报, 2020, 0(11): 13-18.
[13]	刘双童, 王明孝, 杨树文, 杨明泽, 杨立华. GF-2影像中不同水体指数模型提取精度及稳定性分析[J]. 测绘通报, 2019, 0(8): 135-139.
[14]	王芳, 杨武年, 王建, 谢兵, 杨鑫, 任金铜. GF-2影像城市地物分类方法探讨[J]. 测绘通报, 2019, 0(7): 12-16.
[15]	滕文秀, 王妮, 施慧慧, 许振宇. 结合面向对象和深度特征的高分影像树种分类[J]. 测绘通报, 2019, 0(4): 38-42.