融入超像素分割的高分辨率影像面向对象分类

doi:10.13474/j.cnki.11-2246.2021.0174

摘要/Abstract

摘要： 针对高分辨率遥感影像面向对象分类中容易受分割参数的影响、分类精度不稳定的问题，本文提出了一种融入超像素分割的高分辨率影像面向对象分类方法。该方法通过简单线性迭代聚类（SLIC）算法对原始影像进行聚类生成超像素影像，并在此基础上采用分形网络演化方法（FNEA）进行多尺度分割生成同质性对象，最后利用最邻近分类方法进行地物分类。试验结果表明，该方法不易受多尺度分割参数的影响，分类效果稳定，而且分类精度明显高于传统的面向对象分类方法，对于高分辨率遥感影像的广泛应用具有重要意义。

关键词: 高分辨率遥感影像, 简单线性迭代聚类, 超像素, 分形网络演化方法, 多尺度分割, 面向对象分类

Abstract: In order to solve the problem that high-resolution remote sensing image object-oriented classification is easy to be affected by segmentation parameters and the classification accuracy is not stable, this paper proposes an object-oriented classification of high-resolution image combining super-pixel segmentation. In this method, a simple linear iterative clustering algorithm is used to cluster the original image to generate the super-pixel image. On this basis, the fractal net evolution approach is used for multi-scale segmentation to generate homogeneous objects. Finally, the nearest neighbor classification method is used to classify the ground objects. The experimental results show that the method is not easily affected by multi-scale segmentation parameters, the classification effect is stable, and the classification accuracy is significantly higher than that of the traditional object-oriented classification method, which is of great significance for the wide application of high-resolution remote sensing images.

Key words: high-resolution remote sensing image, simple linear iterative clustering, super-pixel, fractal net evolution approach, multi-scale segmentation, object-oriented classification

中图分类号:

P237

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.

NIE Qian, QI Keke, ZHAO Yanfu. Object-oriented classification of high-resolution image combining super-pixel segmentation[J]. Bulletin of Surveying and Mapping, 2021, 0(6): 44-49.

参考文献

[1] 杨朝辉, 白俊武, 陈志辉, 等. 利用Sentinel 2A影像的面向对象特征湿地决策树分类方法[J]. 测绘科学技术学报, 2019, 36(3): 262-268.
[2] 王启田, 林祥国, 王志军, 等. 利用面向对象分类方法提取冬小麦种植面积的研究[J]. 测绘科学, 2008, 33(2): 143-146.
[3] 何桂珍, 程效军. 基于RS和GIS的洪涝灾害监测与评估研究[J]. 遥感信息, 2012, 27(1): 84-87.
[4] 吕道双, 林娜, 张小青. 面向对象的多尺度多特征高分遥感影像建筑物提取[J]. 北京测绘, 2019, 33(2): 191-195.
[5] 吴洋. 基于超像素的面向对象遥感图像分类方法研究[D]. 武汉:华中科技大学, 2013.
[6] 周春艳, 王萍, 张振勇, 等. 基于面向对象信息提取技术的城市用地分类[J]. 遥感技术与应用, 2008, 23(1): 31-35.
[7] 陈云浩, 冯通, 史培军, 等. 基于面向对象和规则的遥感影像分类研究[J]. 武汉大学学报(信息科学版), 2006, 31(4): 316-320.
[8] 孙晓霞, 张继贤, 刘正军. 利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J]. 测绘科学, 2006, 31(1): 62-63.
[9] 钱巧静, 谢瑞, 张磊, 等. 面向对象的土地覆盖信息提取方法研究[J]. 遥感技术与应用, 2005, 20(3): 338-342.
[10] 董志鹏, 王密, 李德仁. 一种融合超像素与最小生成树的高分辨率遥感影像分割方法[J]. 测绘学报, 2017, 46(6): 734-742.
[11] 孙坤, 鲁铁定. 顾及多尺度分割参数的FNEA面向对象分类[J]. 测绘通报, 2018(3): 43-48.
[12] 李慧, 唐韵玮, 刘庆杰, 等. 一种改进的基于最小生成树的遥感影像多尺度分割方法[J]. 测绘学报, 2015, 44(7): 791-796.
[13] 费鲜芸, 王婷, 魏雪丽. 基于多尺度分割的遥感影像滨海湿地分类[J]. 遥感技术与应用, 2015, 30(2): 298-303.
[14] 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(9): 38-43.
[15] ACHANTA R, SHAJI A, SMITH K, et al. SLIC superpixels compared to state-of-the-art superpixel methods[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(11): 2274-2282.
[16] 陈洋, 范荣双, 王竞雪, 等. 融入超像元的高分辨率影像面向对象分类[J]. 遥感信息, 2018, 33(5): 112-116.
[17] BAATZ M, SCHÄPE A. Multiresolution segmentation: an optimization approach for high quality multi-scale image segmentation[J]. Angewandte Geographische Information Sverarbeitung, 2000, 12(12): 12-23.
[18] 闫利, 聂倩, 胡文元, 等. 基于对象级的ADS40遥感影像分类研究[J]. 武汉大学学报(信息科学版), 2009, 34(2): 183-186.
[19] 张永梅, 孙海燕, 胥玉龙. 一种改进的基于超像素的多光谱图像分割方法[J]. 国土资源遥感, 2019, 31(1): 58-64.
[20] 周亦, 张亚亚. 利用eCognition进行高分一号卫星数据土地利用现状解译能力测试[J]. 测绘通报, 2016(8): 77-80.
[21] 周龙君, 陈晓芬, 杨利娟. 面向对象标准最邻近分类法在地理国情监测中的应用[J]. 测绘与空间地理信息, 2016, 39(5): 155- 157.