基于特征异质性优选的面向对象建筑物提取.pdf
《基于特征异质性优选的面向对象建筑物提取.pdf》由会员分享,可在线阅读,更多相关《基于特征异质性优选的面向对象建筑物提取.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷 第期 年月遥 感 信 息 ,收稿日期:修订日期:作者简介:赵蒙韩(),女,硕士研究生,主要研究方向为遥感图像处理。犈 犿 犪 犻 犾:通信作者:曹建农(),男,博士,教授,主要研究方向为遥感影像模式识别。犈 犿 犪 犻 犾:基于特征异质性优选的面向对象建筑物提取赵蒙韩,曹建农,张郁佳(长安大学 地质工程与测绘学院,西安 ;南京工业大学 测绘科学与技术学院,南京 )摘要:利用面向对象方法提取遥感影像中的建筑物是当前研究热点之一。针对此方法中特征选择问题,文章基于面向对象的分析方法,充分考虑影像特征与多种地物在空间异质性上的相似程度,提出了一种特征优选方法,进而完成建筑物的提取。具体方法是
2、:首先,计算对象内同质性与对象间异质性,基于均值变点原理确定全局最优尺度;其次,利用地理探测器基于空间异质性相似度对分割对象的光谱、纹理、高度、形状等特征进行优选;最后,根据优选出的特征进行建筑物提取,并辅以邻域高程比对算法进行优化,获得建筑物较完整、可靠的轮廓。结果表明,该方法对建筑物提取更加高效且精度更高。关键词:建筑物提取;面向对象;特征优选;空间异质性;地理探测器犱 狅 犻:中图分类号:;文献标志码:文章编号:()犗 犫 犼 犲 犮 狋犗 狉 犻 犲 狀 狋 犲 犱犅 狌 犻 犾 犱 犻 狀 犵犈 狓 狋 狉 犪 犮 狋 犻 狅 狀犅 犪 狊 犲 犱狅 狀犉 犲 犪 狋 狌 狉 犲犎
3、犲 狋 犲 狉 狅 犵 犲 狀 犲 犻 狋 狔犗 狆 狋 犻 犿 犻 狕 犪 狋 犻 狅 狀 ,(犛 犮 犺 狅 狅 犾 狅 犳犌 犲 狅 犾 狅 犵 犻 犮 犪 犾犈 狀 犵 犻 狀 犲 犲 狉 犻 狀 犵犪 狀 犱犛 狌 狉 狏 犲 狔 犻 狀 犵犪 狀 犱犕 犪 狆 狆 犻 狀 犵,犆 犺 犪 狀 犵犪 狀犝 狀 犻 狏 犲 狉 狊 犻 狋 狔,犡 犻犪 狀 ,犆 犺 犻 狀 犪;犛 犮 犺 狅 狅 犾 狅 犳犛 狌 狉 狏 犲 狔 犻 狀 犵犪 狀 犱犕 犪 狆 狆 犻 狀 犵犛 犮 犻 犲 狀 犮 犲犪 狀 犱犜 犲 犮 犺 狀 狅 犾 狅 犵 狔,犖 犪 狀 犼 犻 狀 犵犝 狀
4、犻 狏 犲 狉 狊 犻 狋 狔狅 犳犜 犲 犮 犺 狀 狅 犾 狅 犵 狔,犖 犪 狀 犼 犻 狀 犵 ,犆 犺 犻 狀 犪)犃 犫 狊 狋 狉 犪 犮 狋:,:,;,;,犓 犲 狔 狑 狅 狉 犱 狊:;引言建筑物是一种重要的地理要素,如何快速且高效地从遥感影像中提取建筑物信息是遥感领域重要的研究方向之一 。传统基于像元的方法具有局限性,以对象取代像元,综合考虑建筑物的光谱、形状、纹理等多方面特征,能够有效减少“椒盐噪声”,并削弱“同谱异物”及“同物异谱”现象的影响,是当前遥感影像建筑物提取的重要研究方向。然而,影像中建筑物的特征信息数量多,易引发“维数灾难”,通过特征优选解决此问题是现今的
5、研究热点之一。特征优选作为数据降维的一种有效方式,可以引用格式:赵蒙韩,曹建农,张郁佳基于特征异质性优选的面向对象建筑物提取遥感信息,():显著提高分类模型的性能。特征选择算法主要分为过滤式、包装式与嵌入式方法类 。其中,过滤式克服了包装式与嵌入式对计算复杂性问题低效的不足而被广泛应用 。过滤式特征的优选原则包括人工筛选、一致性、相关性、信息论、距离个方面 ,人工优选法较为常见,主要基于人工经验识别,但此方法存在主观性较强且人为的工作量较大等不足。基于一致性、相关性与信息论的准则存在对于相关性较强特征的适用性较差、无法很好地描述连续型特征等问题,目前在遥感影像特征优选的应用较少。基于距离的特征
6、优选在遥感影像领域应用相对广泛,其中由 等 提出的 算法研究最为 深入,但其 仅 适用 于 二 分 类 问 题,将其改进为 算法,解决了多分类问题,而后众多学者又将其与遗传算法(,)、粒子群优化算法(,)等相结合,还有研究将其嵌入支持向量机(,)和随机森林(,)等分类模型中,从而提高特征优选效果,但还是无法避免抽取样本较少时特征权值波动较大的问题 。综上所述,现有的方法都存在着不同的局限性,考虑到现有研究方法筛选原则的本质上都是尽可能让特征映射的区域与建筑物所处区域有更好的叠合度,即二者在空间异质性上有较好的叠合度,而空间异质性的相似程度可以利用地理探测器模型定量评定,该模型同时适用于离散型与
7、连续型变量,探测结果稳定,因此地理探测器模型可以很好地用于建筑物特征筛选。同时为了减少有效特征的遗漏,提高空间异质性的有效性,本文综合考虑特征与所有地物类型在空间异质性的相似程度,利用地理探测器模型对建筑物特征进行优化筛选。基于以上分析,本文选用德国 地区的数据为研究对象,以面向对象为基础,利用地理探测器对高度、光谱、形状、纹理等特征与多种地物之间的空间异质性的相似程度进行分析,优选出决定力较强的特征,从而完成对研究区建筑物的提取。研究方法本文方法的总体流程如图所示。首先采用分割算法对影像进行面向对象处理。在众多分割模型中,多尺度分割模型由于其良好的适用性,常在实验研究中出现。多尺度分割的基本
8、原理是以单个像元为初始计算对象,在尺度参数的限制下不断进行合并运算。因此尺度参数的选取尤为重要。由于特征优选时要考虑多种地物的影响,所以分割时应选取综合考虑多种地物的全局最优尺度。而常见的尺度确定工具 计算得出的是适用不同地物的多个最优尺度。对此,本文采用均值变点法来确定综合考虑多种地物的全局最优尺度,完成对象化。图本文方法的技术流程根据对象化的结果,提取光谱、高度、纹理、形状个维度的多个特征,利用地理探测器优选出决定力较强的特征,并对特征进行二值化与融合处理,完成建筑物初提取。另外,全局最优尺度综合考虑多种地物,对建筑物的边缘没有很强的适用性,对此,本文基于建筑物边缘高程的突变性,利用邻域高
9、程比对算法对建筑物边缘进行规则化,得到建筑物的提取结果,最后完成精度评定。分割尺度评价本文选取对象信息熵与对象相对熵作为对象内部同质性与对象间异质性的评价指标。均值变点随着分割尺度的增大,对象内同质性会逐渐变弱,对象间的异质性会逐渐增强,这种变化趋势是非线性的,变化率必然会经历一个突变。均值变点分析法可以定量分析出这一突变点的具体位置,且该遥 感 信 息 年期方法对恰有一个变点的检验最为有效。其中,变点会使样本方差犛及统计量犛犻的差距增大,二者最大差值对应的点称为变点,对应的分割尺度即为最优分割尺度。本文所用样本是指不同分割尺度下所有对象信息熵与相对熵的平均值。地理探测器地理探测模型是通过度量
10、自变量与因变量在空间分异性上的相似程度,进而探测自变量对因变量的影响程度,从而揭示地理现象背后的因子决定力的一种统计分析方法。本文综合考虑遥感影像地物分类以及建筑物提取中的常用特征,选取个光谱特征(包括影像各个波段的均值、标准差、影像整体的亮度与归一化 植 被 指 数(,)等)、个形状特征(包括对象的边界指数、形状指数、密度、面积、长宽比、紧致度和不对称性)、个纹理特征(包括对象灰度共生矩阵(,)的对比度、同质性、相关性、标准差、非相似性、角二阶矩、均 值 和 熵 特 征 值)、归 一 化 数 字 表 面 模型(,)特征,共计 个特征作为备选因子,利用地理探测器中的因子探测器与风险探测器来研究
11、其与地物类型间的关系。因子探测器主要是用来探测各自变量对因变量的决定力大小,用狇值度量,狇的值域为,狇值越大,说明空间分异特征越明显,特征的决定力就越大。风险区探测器主要是用来判断两个子区域间的属性均值是否有显著的差别,用狋统计量来检验。本文主要是针对因子探测下决定力较强的特征进行风险区探测,从而揭示不同特征在不同地物类型分布上的差异性,以便进一步利用等地物互补与剔除等方法进行建筑物的提取。邻域高程比对首先采用一定大小的分析窗口,利用均值平滑算法 遍 历 研 究 区 数 字 表 面 模 型(,),将得到的均值后 与原研究区 进行差值运算,得到比对结果,如图所示。由于建筑物高程值在邻域内的突变性
12、,比对后的结果可以有效地过滤出建筑物边缘的潜在位置。图邻域高程比对算法原理研究数据本文选取的实验数据来源于 的“城市分类与三维建筑重建项目”中德国的 地区数据集,该数据集具有高分辨率遥感影像数据以及对应的 ,空间分辨率均为 ,其中影像数据包含近红外、红、绿个波段,且影像是经过几何校正的正射影像。本文从中选取了一幅影像作为研究区,另外考虑到研究区较小,选择另一幅相似的影像作为地理探测器的实验样区,两个区域的影像图与 渲染图如图所示。图研究区与样区数据图引用格式:赵蒙韩,曹建农,张郁佳基于特征异质性优选的面向对象建筑物提取遥感信息,():实验与分析 分割尺度确定对研究区影像选择分割尺度以 步长为单
- 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 特征 异质性 优选 面向 对象 建筑物 提取
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。