基于随机森林方法的卫星高光谱影像道路提取与分析.pdf
《基于随机森林方法的卫星高光谱影像道路提取与分析.pdf》由会员分享,可在线阅读,更多相关《基于随机森林方法的卫星高光谱影像道路提取与分析.pdf(9页珍藏版)》请在咨信网上搜索。
1、高分辨率卫星高光谱影像在道路精细分类与提取方面具有广阔的前景,但目前星载高光谱道路提取所需谱段、光谱分辨率等核心指标尚不明确.文章在构造高光谱影像道路提取的随机森林方法的基础上,利用模拟数据和实验,比较了可见光近红外通道和短波红外通道,以及不同光谱分辨率条件下道路提取的精度.结果表明:利用可见光近红外或短波红外数据均能很好地实现机场跑道、水泥路、沥青道路、土路的准确分类,分类精度随光谱分辨率减小而提高.其中,高光谱影像在提取机场道路和水泥路方面精度高、优势明显.文章相关结论可为高分辨率高光谱卫星总体设计和道路提取处理算法提供参考.关键词道路提取;卫星高光谱影像;光谱分辨率;分类精度中图分类号:
2、T P 文献标志码:AD O I:/j i s s n R o a dE x t r a c t i o na n dA n a l y s i so fS a t e l l i t eH y p e r s p e c t r a lI m a g eB a s e do nR a n d o mF o r e s tM e t h o dZ HANGL e iQ I UX i a n f e iQ I AOK a iL IZ h e nL I US h a o c o n gL I UT i n g h a o(B e i j i n gI n s t i t u t eo fT r a
3、 c k i n ga n dT e l e c o mm u n i c a t i o n sT e c h n o l o g y,B e i j i n g ,C h i n a)(I n s t i t u t eo fR e m o t eS e n s i n gS a t e l l i t e,C h i n aA c a d e m yo fS p a c eT e c h n o l o g y,B e i j i n g ,C h i n a)A b s t r a c t:S a t e l l i t eh y p e r s p e c t r a l i m a
4、 g e sw i t hh i g h r e s o l u t i o nh a v eb r o a dp r o s p e c t f o rp r e c i s e c l a s s i f i c a t i o na n de x t r a c t i o no f r o a d s H o w e v e r,t h e c o r e i n d e x e s s u c ha s s p e c t r u ms e g m e n t a n ds p e c t r a l r e s o l u t i o nr e q u i r e d f o r
5、s p a c e b o r n eh y p e r s p e c t r a l r o a de x t r a c t i o n,a r e s t i l l u n c l e a r O n t h eb a s i so f c o n s t r u c t i n ga r a n d o mf o r e s tm e t h o d f o r r o a de x t r a c t i o n f r o mh y p e r s p e c t r a l i m a g e,t h i sp a p e rc o m p a r e s t h ea c
6、c u r a c yo f r o a de x t r a c t i o nu n d e rd i f f e r e n ts p e c t r a l r e s o l u t i o nc o n d i t i o n su s i n gs i m u l a t i o nd a t aa n de x p e r i m e n t s,i n c l u d i n gv i s i b l e l i g h tn e a r i n f r a r e ds p e c t r a l c h a n n e l a n ds h o r t w a v e i
7、 n f r a r e dc h a n n e l T h e r e s u l t s s h o wt h a tb o t hv i s i b l e l i g h tn e a r i n f r a r e da n ds h o r t w a r e i n f r a r e dd a t ac o u l db eu s e dt oa c c u r a t e l yc l a s s i f ya i r p o r tr u n w a y s,c e m e n tr o a d s,a s p h a l tr o a d sa n dd i r t r
8、 o a d s,a n dt h ec l a s s i f i c a t i o na c c u r a c yi n c r e a s e sw i t ht h ed e c r e a s eo fs p e c t r a lr e s o l u t i o n A m o n gt h e m,t h e h y p e r s p e c t r a li m a g e s h a v e h i g h p r e c i s i o n a n d o b v i o u sa d v a n t a g e si nt h ee x t r a c t i o
9、 no f a i r p o r t r o a da n dc e m e n t r o a d T h e r e l e v a n t c o n c l u s i o n so f t h i sp a p e r c a np r o v i d e r e f e r e n c e f o r t h eo v e r a l ld e s i g no fh i g h r e s o l u t i o nh y p e r s p e c t r a ls a t e l l i t e sa n dr o a de x t r a c t i o np r o c
10、 e s s i n ga l g o r i t h m s K e yw o r d s:r o a de x t r a c t i o n;s a t e l l i t eh y p e r s p e c t r a l i m a g e;s p e c t r a l r e s o l u t i o n;c l a s s i f i c a t i o na c c u r a c y道路作为交通路网的重要组成部分,是地图制图和地理信息系统的重要标记对象.在遥感影像中,道路一般宽度为几米到几十米,具有条带状几何特征、明显的边缘辐射变化特征以及拓扑信息特征.随着影像分辨率的
11、提高,利用星载高分辨率光学遥感影像实现道路的自动提取成为研究热点 .但传统高空间分辨率影像仅有一个或几个谱段,易受到噪声、阴影、绿化带、车辆影响,难以实现道路的精细分类.随着星载高光谱遥感技术发展,利用目标光谱的指纹特征优势,星载遥感系统的精细分类与识别能力不断提升.未来,当星载高光谱影像达到米级甚至亚米级空间分辨率时,高光谱影像将在道路的自动提取方面发挥重要作用.以往学者的研究中已经广泛应用端到端的图像仿真手段,对典型场景下高光谱探测效能进行预估.近年来,也已经开展了星载米级空间分辨率高光谱探测车辆目标的效能评估,分析了小尺度目标识别能力与空间分辨率的关系.然而,目前米级空间分辨率星载高光谱
12、系统还在设计阶段,尚未形成对高光谱数据实现道路自动提取效能的系统性认识,道路提取效能与光谱范围、光谱分辨率的关系未知.因此,亟需开展仿真实验和道路提取能力的评估分析.本文利用随机森林方法设计基于高光谱遥感影像的道路提取方法,着重对道路分类所需的光谱分辨率进行分析,并比较可见光近红外和短波红外通道的提取精度,分析谱段范围和光谱分辨率对高光谱道路提取的影响,以期为下一代高分辨率高光谱卫星的设计优化、谱段选择提供参考.道路提取方法与验证实验本文为研究星载高分辨率高光谱数据的光谱通道和光谱分辨率对道路提取的精度影响,采用如图所示流程开展实验和分析.利用机载影像进行人机交互及目视经验判别的道路轮廓提取和
13、影像提取,得到道路真实类型的参考分布信息,并提取道路样 本数据集,构 建 随 机 森 林 分 类 器;然后,以高空间分辨率、高光谱分辨率的机载影像作为输入,模拟不同光谱分辨率(n m、n m、n m)的星载高光谱影像.基于随机森林分类器对不同光谱分辨率的影像数据进行道路分类;最后,对分类精度进行评价,对比分析不同光谱分辨率、不同光谱通道的分类精度.图实验流程图F i g E x p e r i m e n t a l f l o wc h a r t 数据介绍与预处理 高光谱数据本文研究所用的机载高光谱影像数据采集于浙江省东阳市横店,获取日期为 年月 日.机载航带 条,覆盖面积为 k m,地貌
14、包括城镇及山地,如图所示.处理区域为横店机场及周边(黄色框范围),高光谱影像(真彩色)如图所示.该机载原始数据的空间分辨率为m、光谱分辨率为 n m,按谱段范围分为可见光近红外和短波红外两个通道:可见光近红外通道谱段范围为 n m,短波红外通道谱段范围为 n m.以经过辐射校正和几何校正的机载高光谱数据作为输入模拟星载米级空间分辨率条件下不同光谱分辨率的高光谱影像产品.然后,进行数据处理,模拟目前星载高光谱成像仪设计能力下不同光谱分辨率的影像数据,以开展道路提取研究.航天器工程 卷图研究区地理位置F i g G e o g r a p h i c a l l o c a t i o no f
15、s t u d ya r e a图研究区高光谱影像(真彩色)F i g H y p e r s p e c t r a l i m a g eo f s t u d ya r e a(t r u ec o l o r)数据预处理机载高光谱成像过程中,载荷辐射响应特性、飞行方向、大气传输都对测量光谱产生影响,使得直接测量到的原始数据光谱不能有效代表道路光谱特性.对机载数据进行大气校正,得到地表反射率影像.在进行大气校正后,对反演得到的反射率影像数据进行光谱重采样,以模拟星载系统光谱响应特性.)大气校正基于快速大气校正工具校正影像中的大气影响,反演得到地表反射率.自动从图像上收集不同物质的波谱信息
16、,经过基准波谱收集、基准波谱归一化、植被滤波、端元收集、明线光谱滤波、端元平均、确定模型系数,获取经验值完成 n m m谱段内高光谱和多光谱的快速大气校正.)光谱重采样按照目前星载高光谱成像系统常用的n m、n m、n m三种光谱分辨率,对反演得到的高光谱反射率数据进行光谱维重采样,模拟星载光谱响应状态.重采样时,采用光谱分辨率等于波段间距的高斯光谱响应模型对高光谱数据进行加权平均处理,权重用高斯型光谱重采样函数表示,不同波长对应的权重为f(x)e(x)()式中:x为采样点波长;为中心波长;为标准差,用光谱分辨率的 分之一表示.在高斯函数,范围内积分则是经过采样后的光谱值.按 n m、n m、
17、n m光谱分辨率进行重采样得到的道路像元反射率光谱如图所示.图反射率影像光谱重采样结果(反射率比例系数:)F i g S p e c t r a l r e s a m p l i n go f r o a dr e f l e c t a n c es p e c t r a(r a t i oc o e f f i c i e n to f r e f l e c t a n c e:)道路参考类别提取为了将随机森林方法应用于高光谱数据进行道路提取,研究不同光谱分辨率条件下道路提取的精度,需要在高光谱影像数据中标记道路类型、标注道路位置、提取训练数据.通过人机交互及目视经验判别对影像中的道
18、路第期张蕾 等:基于随机森林方法的卫星高光谱影像道路提取与分析轮廓提取,并将提取到的道路轮廓对影像进行裁剪,得到该区域影像的道路数据(如图所示).结合影像中道路分布及其作用类型,可将道路分为沥青道路、水泥道路、土路、机场跑道四大基本道路类型,考虑各类别道路实际承担的交通功能和材质,可细分类别如图所示.可以看出:研究区域中土路分布在研究区的两处不同位置,其纹理信息与光谱信息存在差异,故将其分为土路和土路两种类型;沥青道路有一段与土路相接,车辆在行驶过程中存在将土路中的泥土带入沥青道路上的现象,导致该沥青道路路段表面附着一层泥土使其光谱信息发生变化,故将该沥青道路路段分为沥青道路(尘土)类.图分类
19、结果中机场道路和机场跑道材质一致,合并为一类;水泥路和桥面水泥路材质一致,合并为一类.最终,影像中的道路类别分为类,分别为沥青道路、水泥路、土路、土路、机场跑道和沥青道路(尘土).图中的不同类别空间分布信息可作为接下来随机森林分类结果的验证数据.图道路影像提取结果F i g R o a d i m a g ee x t r a c t i o nr e s u l t图道路类型分布图F i g M a po f r o a dt y p ed i s t r i b u t i o n 随机森林模型构建 年,美国科学家L e oB r e i m a n提出随机森林方法,该方法是一种基于多棵分
20、类与回归决策树构成的新型机器学习算法.随机森林方法使用决策树装袋,随机从原始训练数据集中有放回地选取样本,生成训练样本集,再针对每个训练样本集创建相同数量的随机变量,训练数据和随机变量一一对应生成决策树.生成多棵决策树,并综合多棵决策树的结果,实现最终分类.随机森林分类方法具有其多级决策特性和便于集成多种分类特征的优点,每个决策树训练过程相互独立,可并行生成,提升分类效率,广泛应用于遥感影像的分类和信息提取应用中.本文采用随机森林方法对高光谱影像中的道路进行自动提取,共分为个步骤,算法示意如图所示.()创建随机向量:根据 节中确定的道路类别,标记样本点、沥青道路、水泥道路、土路、土路、机场跑道
21、和沥青道路(尘土)共类道路目标的像元光谱,构成训练样本集D.采用B o o t s t r a p重抽样方法,随机地从训练数据集D中有放回地选取t个样本集,生成约原样本集/大小的训练样本集Dt,t,t,t,对t个训练样本集创建t个随机变量Tt,t,t,t.由于生成决策树时,随机有放回抽取样本集的过程是独立的,所以其中Tt,t,t,t是一组独立且具有相同分布的随机向量序列.()建立多决策树:训练样本集Dt与随机变量集Tt一一对应,构成t棵决策树.对每一棵决策树在每个节点上随机抽取t个特征.计算每个特征的信息熵,选择最具有分类能力的特征进行节点分裂.本文在不同光谱分辨率下的道路提取实验中树的数目t
22、均设为 .()组合决策树:生成所有决策树后,利用t个决策树模型分别对高光谱影像逐像元进行分类,得到t个分类结果,采用多数投票的方法对所有决策树的分类结果进行综合,得出最终分类结果.图随机森林方法示意图F i g S c h e m a t i cd i a g r a mo f r a n d o mf o r e s tm e t h o d航天器工程 卷 训练样本选取在待分类影像中选取真实可靠的类别数据样本集,将其添加至训练决策树中进行迭代分类,从而获得分类结果.结合本次实验所需确定的类道路(包括机场跑道、水泥路、沥青道路、沥青道路(尘土)、土路和土路),在影像中均匀选择训练样本,如图所示
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 随机 森林 方法 卫星 光谱 影像 道路 提取 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。