面向灾害应急土地覆被分类的样本自动选择方法研究

温奇; 夏列钢; 李苓苓; 吴玮

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

面向灾害应急土地覆被分类的样本自动选择方法研究

温奇, 夏列钢, 李苓苓, 吴玮

文章导航 > 武汉大学学报 ● 信息科学版 > 2013 > 38(7): 799-804

温奇, 夏列钢, 李苓苓, 吴玮. 面向灾害应急土地覆被分类的样本自动选择方法研究[J]. 武汉大学学报 ● 信息科学版, 2013, 38(7): 799-804.

引用本文:

温奇, 夏列钢, 李苓苓, 吴玮. 面向灾害应急土地覆被分类的样本自动选择方法研究[J]. 武汉大学学报 ● 信息科学版, 2013, 38(7): 799-804.

WEN Qi, XIA Liegang, LI Lingling, WU Wei. Automatically Samples Selection in Disaster Emergency Oriented Land-Cover Classification[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7): 799-804.

Citation:

WEN Qi, XIA Liegang, LI Lingling, WU Wei. Automatically Samples Selection in Disaster Emergency Oriented Land-Cover Classification[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7): 799-804.

面向灾害应急土地覆被分类的样本自动选择方法研究

温奇^1,2,
夏列钢³,
李苓苓^1,2,
吴玮^1,2

¹民政部国家减灾中心;²民政部减灾与应急工程重点实验室;³中国科学院遥感应用研究所

基金项目: 十二五国家科技支撑计划资助项目(2011BAB01B06); 国家863计划资助项目(2012AA121305)

详细信息

作者简介:
温奇，博士，主要从事空间技术减灾和高分辨率遥感灾情评估方面的研究。

中图分类号: P237.3

Automatically Samples Selection in Disaster Emergency Oriented Land-Cover Classification

WEN Qi^1,2,
XIA Liegang³,
LI Lingling^1,2,
WU Wei^1,2

¹National Disaster Reduction Center of China,6 East Guangbai Road,Chaoyang District,Beijing 100124,China;²Key Laboratory of Disaster Reduction and Emergency Response Engineering,6 East Guangbai Road,Chaoyang District,Beijing 100124,China;³Institute of Remote Sensing Application,Chinese Academy of Sciences,9 South Dengzhuang Road,Haidian District,Beijing 100101,China

Funds: 十二五国家科技支撑计划资助项目(2011BAB01B06); 国家863计划资助项目(2012AA121305)

摘要: 通过对自动化样本选择方法进行研究,实现了局部区域内面向对象的土地覆被自动分类。首先通过模糊聚类获得影像中的候选对象样本,分别提取影像特征和先验知识中的地类特征,通过预设阈值完成样本初步筛选,然后根据先验知识进行半监督距离度量学习,完成样本的自动选择,并为最终的监督分类提供度量依据。应用舟曲泥石流灾区影像进行了实验,结果表明,本文方法与基于人工选择样本的分类结果精度非常接近,同时在多次实验中表现出较高的稳定性,相对人工方法更加客观,适合批量自动化处理。
- 灾害应急 /
- 土地覆被分类 /
- 样本自动选择 /
- 特征提取 /
- 特征匹配
Abstract: The automation level of classification for remote sensing image need to be improved to satisfy the timeliness and high-precision requirements in disaster emergency monitoring and assessment.But,the artificial selection of typical samples restricts the automatic interpretation of disaster information,a problem particularly acute for the development of business operation systems.This paper implements a totally automatic object-oriented land cover classification system based on automatic sample selection.First,the candidate object samples are acquired by fuzzy clustering.Second,image features and land type features are extracted from imagery and prior knowledge,respectively.Afterward,samples can be selected by applying preset thresholds on these features.Distance metric learning is then used not only for further sample selection,but also for more accurate supervised classification.Zhouqu Debris flow disaster images are computed by this method.Results show that the classification outcomes with samples selected automatically are very close to those samples selected by hand.Our results are more stable and objective than those produced manually.Moreover,it is more convenient to batch process images automatically.
- disaster emergency /
- land cover classification /
- automatically samples selection /
- feature extraction /
- feature matching

[1]

王卫红夏列钢,骆剑承,胡晓东,. 面向对象的遥感影像多层次迭代分类方法研究[J]. 武汉大学学报(信息科学版). 2011(10)[2] 吴一全武燕燕,. 利用NSCT和Krawtchouk矩进行图像检索[J]. 武汉大学学报(信息科学版). 2011(06)[3] 杨思全刘三超,吴玮,王磊,徐丰,和海霞,张薇,温奇,汤童,崔燕,. 青海玉树地震遥感监测应用研究[J]. 航天器工程. 2011(02)[4] 谭衢霖. 高分辨率多光谱影像城区建筑物提取研究[J]. 测绘学报. 2010(06)[5] 刘璞张远,周斌,吴嘉平,. 基于SAM和多源信息的土地利用/覆盖自动分类[J]. 浙江大学学报(工学版). 2009(09)[6] 范一大杨思全,王磊,王薇,聂娟,张宝军,. 汶川地震应急监测评估方法研究[J]. 遥感学报. 2008(06)[7] 骆剑承王钦敏,周成虎,梁怡,. 基于自适应共振模型的遥感影像分类方法研究[J]. 测绘学报. 2002(02)

[1]	姚永祥, 段平, 李佳, 王云川. 联合对数极坐标描述与位置尺度特征的无人机影像匹配算法 . 武汉大学学报 ● 信息科学版, 2022, 47(8): 1271-1278. doi: 10.13203/j.whugis20200362
[2]	陈志坤, 江俊君, 姜鑫维, 白露, 蔡之华. 一种基于改进双边滤波的鲁棒高光谱遥感图像特征提取方法 . 武汉大学学报 ● 信息科学版, 2020, 45(4): 504-510. doi: 10.13203/j.whugis20180267
[3]	李帆, 夏吉喆, 黄赵, 李晓明, 李清泉. 顾及停留位置特征提取的个人位置预测方法 . 武汉大学学报 ● 信息科学版, 2020, 45(12): 1970-1980. doi: 10.13203/j.whugis20200068
[4]	罗亦泳, 姚宜斌, 黄城, 张静影. 基于改进VMD的变形特征提取与分析 . 武汉大学学报 ● 信息科学版, 2020, 45(4): 612-619. doi: 10.13203/j.whugis20180286
[5]	陈铁桥, 柳稼航, 朱锋, 王一豪, 刘佳, 陈杰. 适用于遥感分类的多邻域粗糙集加权特征提取方法 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 311-317. doi: 10.13203/j.whugis20150290
[6]	高云龙, 张帆, 屈孝志, 黄先锋, 崔婷婷. 结合样本自动选择与规则性约束的窗户提取方法 . 武汉大学学报 ● 信息科学版, 2018, 43(3): 436-443. doi: 10.13203/j.whugis20150225
[7]	何培培, 万幼川, 高贤君, 秦家鑫. 基于彩色信息尺度不变特征的街景影像匹配 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 867-872.
[8]	万雪, 张祖勋, 柯涛. 一种利用零交叉点理论的改进SIFT特征提取算法 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 270-273.
[9]	林娜, 杨武年, 王斌. 高光谱遥感影像核最小噪声分离变换特征提取 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 988-992.
[10]	陈敏, 邵振峰. 一种稳健的高效角点特征提取变换 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1142-1147.
[11]	杨晟, 李学军, 朱诗兵, 刘涛. 近似核线影像的轻量级多阶多尺度特征准稠密匹配 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1298-1302.
[12]	张春森, 范金健. 利用物体结构信息进行影像线特征关系匹配 . 武汉大学学报 ● 信息科学版, 2012, 37(9): 1059-1063.
[13]	詹庆明, 周新刚, 肖映辉, 喻亮. 从激光点云中提取古建筑线性和圆形特征的比较 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 674-677.
[14]	程亮, 龚健雅, 韩鹏, 宋小刚. 遥感影像仿射不变特征匹配的自动优化 . 武汉大学学报 ● 信息科学版, 2009, 34(4): 418-422.
[15]	袁修孝, 宋妍. 基于边缘特征匹配的遥感影像变化检测预处理方法 . 武汉大学学报 ● 信息科学版, 2007, 32(5): 381-384.
[16]	张剑清, 苏国中, 郑顺义, 钟良. 基于线扩散函数的高精度轮廓特征提取算法 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 95-98.
[17]	李新双, 张良培, 李平湘, 吴波. 基于小波分量特征值匹配的高光谱影像分类 . 武汉大学学报 ● 信息科学版, 2006, 31(3): 274-277.
[18]	李必军, 方志祥, 任娟. 从激光扫描数据中进行建筑物特征提取研究 . 武汉大学学报 ● 信息科学版, 2003, 28(1): 65-70.
[19]	张祖勋, 张剑清, 胡翔云. 基于物方空间几何约束最小二乘匹配的建筑物半自动提取方法 . 武汉大学学报 ● 信息科学版, 2001, 26(4): 290-295.
[20]	王才诗, 李德仁, 舒宁. NOAA/AVHRR影像特征匹配 . 武汉大学学报 ● 信息科学版, 1994, 19(1): 37-44.

点击查看大图

计量

文章访问数: 780
HTML全文浏览量: 34
PDF下载量: 525
被引次数: 0

面向灾害应急土地覆被分类的样本自动选择方法研究

¹民政部国家减灾中心;²民政部减灾与应急工程重点实验室;³中国科学院遥感应用研究所

基金项目: 十二五国家科技支撑计划资助项目(2011BAB01B06); 国家863计划资助项目(2012AA121305)

作者简介:
温奇，博士，主要从事空间技术减灾和高分辨率遥感灾情评估方面的研究。

收稿日期: 2013-04-11
修回日期: 2013-04-11
刊出日期: 2013-07-05

中图分类号: P237.3

关键词:

摘要: 通过对自动化样本选择方法进行研究,实现了局部区域内面向对象的土地覆被自动分类。首先通过模糊聚类获得影像中的候选对象样本,分别提取影像特征和先验知识中的地类特征,通过预设阈值完成样本初步筛选,然后根据先验知识进行半监督距离度量学习,完成样本的自动选择,并为最终的监督分类提供度量依据。应用舟曲泥石流灾区影像进行了实验,结果表明,本文方法与基于人工选择样本的分类结果精度非常接近,同时在多次实验中表现出较高的稳定性,相对人工方法更加客观,适合批量自动化处理。

English Abstract

Automatically Samples Selection in Disaster Emergency Oriented Land-Cover Classification

¹National Disaster Reduction Center of China,6 East Guangbai Road,Chaoyang District,Beijing 100124,China;²Key Laboratory of Disaster Reduction and Emergency Response Engineering,6 East Guangbai Road,Chaoyang District,Beijing 100124,China;³Institute of Remote Sensing Application,Chinese Academy of Sciences,9 South Dengzhuang Road,Haidian District,Beijing 100101,China

Funds: 十二五国家科技支撑计划资助项目(2011BAB01B06); 国家863计划资助项目(2012AA121305)

Received Date: 2013-04-11
Rev Recd Date: 2013-04-11
Publish Date: 2013-07-05

Keywords:

Abstract: The automation level of classification for remote sensing image need to be improved to satisfy the timeliness and high-precision requirements in disaster emergency monitoring and assessment.But,the artificial selection of typical samples restricts the automatic interpretation of disaster information,a problem particularly acute for the development of business operation systems.This paper implements a totally automatic object-oriented land cover classification system based on automatic sample selection.First,the candidate object samples are acquired by fuzzy clustering.Second,image features and land type features are extracted from imagery and prior knowledge,respectively.Afterward,samples can be selected by applying preset thresholds on these features.Distance metric learning is then used not only for further sample selection,but also for more accurate supervised classification.Zhouqu Debris flow disaster images are computed by this method.Results show that the classification outcomes with samples selected automatically are very close to those samples selected by hand.Our results are more stable and objective than those produced manually.Moreover,it is more convenient to batch process images automatically.

温奇, 夏列钢, 李苓苓, 吴玮. 面向灾害应急土地覆被分类的样本自动选择方法研究[J]. 武汉大学学报 ● 信息科学版, 2013, 38(7): 799-804.

引用本文:

温奇, 夏列钢, 李苓苓, 吴玮. 面向灾害应急土地覆被分类的样本自动选择方法研究[J]. 武汉大学学报 ● 信息科学版, 2013, 38(7): 799-804.

Citation: