| “全域-局部”不透水面信息遥感分步提取模型 |
| |
| 引用本文： | 程熙,沈占锋,骆剑承,周亚男,张新.“全域-局部”不透水面信息遥感分步提取模型[J].遥感学报,2013,17(5):1191-1205. |
| |
| 作者姓名： | 程熙 沈占锋 骆剑承 周亚男 张新 |
| |
| 作者单位： | 中国科学院 遥感与数字地球研究所, 北京 100101;中国科学院大学, 北京 100049;中国科学院 遥感与数字地球研究所, 北京 100101;中国科学院 遥感与数字地球研究所, 北京 100101;中国科学院 遥感与数字地球研究所, 北京 100101;中国科学院大学, 北京 100049;中国科学院 遥感与数字地球研究所, 北京 100101 |
| |
| 基金项目： | 国家自然科学基金(编号:41271367,41101398,61074132);国家高技术研究发展计划(863计划)(编号:2013AA12A401);水利部公益性行业科研专项(编号:201201092) |
| |
| 摘 要： | 提出"全域-局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。
|
| 关 键 词： | 全域-局部 不透水面 遥感 分步提取 |
| 收稿时间： | 2012/10/15 0:00:00 |
| 修稿时间： | 2/5/2013 12:00:00 AM |
A"global-local" impervious surface area extraction model using multispectral remote sensing images |
| |
| CHENG Xi,SHEN Zhanfeng,LUO Jiancheng,ZHOU Yanan and ZHANG Xin.A"global-local" impervious surface area extraction model using multispectral remote sensing images[J].Journal of Remote Sensing,2013,17(5):1191-1205. |
| |
| Authors: | CHENG Xi SHEN Zhanfeng LUO Jiancheng ZHOU Yanan and ZHANG Xin |
| |
| Institution: | Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;University of Chinese Academy of Sciences, Beijing 100049, China;Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;University of Chinese Academy of Sciences, Beijing 100049, China;Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China |
| |
| Abstract: | |
| |
| Keywords: | global-local impervious surface area remote sensing information extraction |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
