基于像斑的多光谱影像跨尺度分类研究

林丽群; 舒宁; 龚龑; 肖俊

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于像斑的多光谱影像跨尺度分类研究

林丽群, 舒宁, 龚龑, 肖俊

文章导航 > 武汉大学学报 ● 信息科学版 > 2009 > 34(1): 40-43

林丽群, 舒宁, 龚龑, 肖俊. 基于像斑的多光谱影像跨尺度分类研究[J]. 武汉大学学报 ● 信息科学版, 2009, 34(1): 40-43.

引用本文:

林丽群, 舒宁, 龚龑, 肖俊. 基于像斑的多光谱影像跨尺度分类研究[J]. 武汉大学学报 ● 信息科学版, 2009, 34(1): 40-43.

LIN Liqun, SHU Ning, GONG Yan, XIAO Jun. Application of Decision Tree on Multispectral Images Based on Segment and Scale-Span Features[J]. Geomatics and Information Science of Wuhan University, 2009, 34(1): 40-43.

Citation:

LIN Liqun, SHU Ning, GONG Yan, XIAO Jun. Application of Decision Tree on Multispectral Images Based on Segment and Scale-Span Features[J]. Geomatics and Information Science of Wuhan University, 2009, 34(1): 40-43.

基于像斑的多光谱影像跨尺度分类研究

林丽群¹,
舒宁^1,2,
龚龑¹,
肖俊²

¹武汉大学遥感信息工程学院,武汉市珞喻路129号430079;²武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079

基金项目: 国家973计划资助项目(2006CB701303,2004CB318206)；国家自然科学基金资助项目(40371079)

详细信息

作者简介:
林丽群,博士生。现主要从事遥感影像分析与应用研究。

中图分类号: P237.3

Application of Decision Tree on Multispectral Images Based on Segment and Scale-Span Features

¹School of Remote Sensing and Information Engineering,Wuhan University,129 Luoyu Road,Wuhan 430079,China;²State Key Laboratory for Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家973计划资助项目(2006CB701303,2004CB318206)；国家自然科学基金资助项目(40371079)

摘要: 提出了一种新的多尺度像斑模型,充分利用多尺度像斑模型所提供的尺度纵向信息,并结合决策树的分类方法来实现跨尺度分类,而不直接进行最佳尺度选择。实验结果证明,跨尺度方法较单一尺度分类能更准确地区分地物,从而提高分类精度。
- 多光谱 /
- 影像分割 /
- 像斑分析 /
- 决策树 /
- 多尺度
Abstract: Existing classification methods,based on the homogeneous-region,mostly involve the best segmentation criterion choice.Using the so-called best-scale to classify the multi-scale objects defined by human subjectivity,the paper doesn't think it is the best way for classification.So the paper proposes a new multi-scale homogeneous-region model,fully using the longitudinal information which the homogeneous-region model provides,and adopting the scale-span classification method based on decision tree to improve the accuracy,without selecting the best-scale data.The result shows this method can distinguish objects accurately and improve the precision than sole scale classification.
- multispectral image /
- segmentation /
- segment /
- decision tree /
- scale-span

[1]	刘金钊, 柳林涛, 梁星辉, 叶周润, 李红蕾. 重力梯度特征向量和多尺度分析法在密度异常深度探测中的应用 . 武汉大学学报 ● 信息科学版, 2016, 41(3): 322-330. doi: 10.13203/j.whugis20140235
[2]	陆苗, 梅洋, 赵勇, 冷亮. 利用多尺度几何特征向量的变化检测方法 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 623-627. doi: 10.13203/j.whugis20130382
[3]	康志忠, 王薇薇, 李珍. 多源数据融合的三维点云特征面分割和拟合一体化方法 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1317-1321.
[4]	史硕, 龚威, 祝波, 宋沙磊. 新型对地观测多光谱激光雷达及其控制实现 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1294-1297.
[5]	石强, 陈凤娥, 梅天灿, 秦前清. SVM后验概率结合改进多尺度MRF的遥感影像分割方法 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 195-199.
[6]	周亚男, 骆剑承, 程熙, 沈占锋. 多特征融入的自适应遥感影像多尺度分割 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 19-22.
[7]	林雪原, 刘磊. 多传感器组合导航系统的多尺度分布式滤波算法 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 823-826.
[8]	夏林元, 肖俊, 林丽群. 基于边缘的多尺度立体匹配算法 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 767-770.
[9]	张倩, 黄昕, 张良培. 多尺度同质区域提取的高分辨率遥感影像分类研究 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 117-121.
[10]	沈占锋, 骆剑承, 胡晓东, 孙卫刚. 高分辨率遥感影像多尺度均值漂移分割算法研究 . 武汉大学学报 ● 信息科学版, 2010, 35(3): 313-317.
[11]	牛方曲, 甘国辉, 程昌秀, 祁铮. 矢量数据多尺度显示中的关键技术 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 869-872.
[12]	杨必胜, 孙丽. 导航电子地图的自适应多尺度表达 . 武汉大学学报 ● 信息科学版, 2008, 33(4): 363-366.
[13]	龚龑, 舒宁. 基于层次密度分析的遥感影像分割方法 . 武汉大学学报 ● 信息科学版, 2008, 33(3): 310-313.
[14]	龚龑, 舒宁. 二值马尔科夫模型和多波段遥感影像的多尺度纹理分割 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 21-24.
[15]	蒋志勇, 陈晓玲, 秦前清, 陈楚群. 基于重构的多尺度目标提取与分割 . 武汉大学学报 ● 信息科学版, 2008, 33(11): 1158-1161.
[16]	蔡剑红, 李德仁. 多尺度下的不确定性空间方向锥形模型研究 . 武汉大学学报 ● 信息科学版, 2007, 32(8): 735-739.
[17]	潘俊, 王密. 多尺度的DMC彩色合成影像辐射再处理方法 . 武汉大学学报 ● 信息科学版, 2007, 32(9): 800-803.
[18]	舒宁. 关于遥感影像处理分析的理论与方法之若干问题 . 武汉大学学报 ● 信息科学版, 2007, 32(11): 1007-1010.
[19]	刘艳芳. 多尺度耕地供需动态平衡模式研究 . 武汉大学学报 ● 信息科学版, 2005, 30(3): 194-198.
[20]	张慧芳, 张鹏林, 晁剑. 使用多尺度模糊融合的高分影像变化检测 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20190425