论文摘要
特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。
论文目录
文章来源
类型: 期刊论文
作者: 赵生银,安如,朱美如
关键词: 联合像元深度对象特征,卷积神经网络特征,算法,特征选择,城市变化检测,航摄遥感图像
来源: 测绘学报 2019年11期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 河海大学地球科学与工程学院
基金: 江苏省重点研发计划(BE2017115),国家自然科学基金项目(41871326,41271361),“十二五”国家科技支撑计划(2013BAC03B04)~~
分类号: TP751
页码: 1452-1463
总页数: 12
文件大小: 5739K
下载量: 428
相关论文文献
标签：联合像元深度对象特征论文; 卷积神经网络特征论文; 算法论文; 特征选择论文; 城市变化检测论文; 航摄遥感图像论文;