基于多特征软概率级联的场景级土地利用分类方法 - Ingenta Connect.PDFVIP

第 32 卷 第 22 期 农 业 工 程 学 报 Vol.32 No.22 266 2016 年 11 月 Transactions of the Chinese Society of Agricultural Engineering Nov. 2016 基于多特征软概率级联的场景级土地利用分类方法 ※ 刘越岩，汪林宇，张 斌 ，门计林 （中国地质大学土地资源管理系，武汉 430074 ） 摘 要：为实现高分辨率遥感影像特征的有效组织优化，以及提高特征的可判别性，该文提出了基于中层特征学习的多 特征软概率级联模型实现场景级土地利用分类。首先，提取影像的密集尺度不变转换特征（dense scale invariant feature transform ，DSIFT ）、光谱特征（spectral feature，SF ）以及局部二值模式特征（local binary pattern ，LBP ）作为低层特征； 然后由局部约束线性编码（locality-constraint linear coding ，LLC ）分别对DSIFT 特征、SF 特征以及 LBP 特征进行稀疏编 码得到 3 种低层特征的稀疏系数，并结合空间金字塔匹配（spatial pyramidal matching，SPM ）模型、最大空间平滑方法 对稀疏系数进行优化，获得影像的中层特征表达；最后，利用 SVM 分类器，分别对 3 种低层特征的中层特征表达进行分 类，并分别计算 3 种低层特征分类的软概率，级联 3 种特征的软概率将其作为图像最终的特征表达，利用 SVM 分类器进 行第 2 次分类得到最终分类结果。采用 UC-Merced Land Use 数据集对该方法进行了验证，试验结果表明：1）该方法总 体精度达到 88.6%，相较于传统稀疏编码空间金字塔匹配（sparse coding and spatial pyramidal matching，ScSPM ），局部约 束线性编码（locality-constraint linear coding，LLC ）等分类方法，总体精度分别提高了 12.7%，9.9%；2 ）相较于提取单 一低层特征的场景分类方法，该文算法更有利于实现对影像中复杂且不易区分的地物的表达，可有效提高土地利用分类 精度。 关键词：遥感；分类；土地利用；高分辨率；局部约束线性编码；支持向量机 doi ：10.11975/j.issn.1002-6819.2016.22.037 中图分类号：P237 文献标志码：A 文章编号：1002-6819(2016)-22-0266-07 刘越岩，汪林宇，张 斌，门计林. 基于多特征软概率级联的场景级土地利用分类方法[J]. 农业工程学报，2016，32(22)： 266－272. doi ：10.11975/j.issn.1002-6819.2016.22.037 Liu Yueyan, Wang Linyu, Zhang Bin, Men Jilin. Scene-level land use classification based on multi-features soft-probability cascading[J].