主題模型建?？蚣芟碌母叻直媛蔬b感影像尺度自適應(yīng)分類.pdf

1、隨著我國(guó)對(duì)地觀測(cè)系統(tǒng)的進(jìn)一步發(fā)展和成熟，高分辨率遙感影像越來(lái)越成為各種實(shí)際應(yīng)用的強(qiáng)有力數(shù)據(jù)支撐，包括高精度地形測(cè)繪、地物提取與分類、災(zāi)害評(píng)估等。然而，隨著空間分辨率的增加，影像細(xì)節(jié)光譜信息丟失，空間信息量及其復(fù)雜度增加，導(dǎo)致傳統(tǒng)自動(dòng)解譯方法適應(yīng)性下降，使得自動(dòng)解譯工作面臨了更多挑戰(zhàn)。因此進(jìn)行高分辨率遙感影像自動(dòng)分類研究具有十分重大的應(yīng)用價(jià)值和理論意義。
　　當(dāng)前高分辨率遙感影像分類研究旨在解決3個(gè)核心問(wèn)題:特征、尺度和分類策略，從

2、而充分發(fā)揮高分辨率遙感影像豐富地表細(xì)節(jié)信息對(duì)自動(dòng)分類的輔助決策作用，并提高其自動(dòng)分類的準(zhǔn)確性。
　　為此，針對(duì)這些問(wèn)題，本文首先借鑒現(xiàn)有遙感影像主題模型分析框架，為高分辨率遙感影像高層語(yǔ)義特征提取與表達(dá)尋求解決方案，然后通過(guò)引入多尺度影像表達(dá)機(jī)制為多尺度影像分析提供依據(jù)，從而進(jìn)一步緩解尺度問(wèn)題對(duì)自動(dòng)分類結(jié)果的影響，最后在相應(yīng)特征表達(dá)基礎(chǔ)上，綜合不同程度訓(xùn)練樣本先驗(yàn)知識(shí)形成多尺度框架下的基于主題模型的高分辨率遙感影像分類體系，包括非

3、監(jiān)督、監(jiān)督和半監(jiān)督自動(dòng)分類方法。具體地，本文研究?jī)?nèi)容和成果可以總結(jié)為:
　　1)提出了一種基于多尺度分割影像集的高分辨率遙感影像主題模型建模分析框架。該分析框架采用影像像素灰度值定義主題模型建模詞匯，由粗到細(xì)的多尺度分割影像集的所有分割圖斑定義文檔集，影像潛在類別定義主題。模型不僅同時(shí)建模遙感影像不同層次對(duì)象的多尺度語(yǔ)義特征，還為基于多尺度集的尺度自適應(yīng)選擇機(jī)制提供依據(jù)，從而為實(shí)現(xiàn)尺度自適應(yīng)分類提供決依據(jù);
　　2)在上述基

4、于多尺度分割影像集的高分辨率遙感影像主題模型建模分析框架下，本文針對(duì)不同訓(xùn)練樣本情況提出了具有尺度自適應(yīng)能力的高分辨率遙感影像非監(jiān)督、監(jiān)督和半監(jiān)督分類方法:
　　2.1)基于多尺度影像分割的高分辨率遙感影像尺度自適應(yīng)非監(jiān)督分類
　　該方法首先借助于多尺度分割手段，形成高分辨遙感影像粗尺度到細(xì)尺度的分割影像集;然后，利用潛狄利克雷分配主題模型非監(jiān)督學(xué)習(xí)潛在地物類別的像素概率分布以及分割圖斑的潛在地物類別混合分布;繼而，在顧及分

5、割圖斑內(nèi)潛在地物混合比例分布的情況下，通過(guò)比較地物類別和分割圖斑像素概率分布的Kullback-Leibler距離，判定不同尺度下各分割圖斑的類別歸屬;最后，融合多尺度下的分類結(jié)果，實(shí)現(xiàn)影像尺度自適應(yīng)非監(jiān)督分類。不同場(chǎng)景、不同分辨率數(shù)據(jù)下開(kāi)展的實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)崿F(xiàn)分類結(jié)果的自適應(yīng)平滑分類，并可以在一定程度上提高水體和陰影、水體和植被等“同譜異物”地物的區(qū)分能力。
　　2.2)多尺度光譜-空間-語(yǔ)義特征核函數(shù)集成的高分辨率遙

6、感影像監(jiān)督分類
　　該方法以多尺度影像分割集為基礎(chǔ)，利用潛狄利克雷分配模型建模分割圖斑的多尺度語(yǔ)義特征，并結(jié)合原始影像的光譜特征以及分割圖斑內(nèi)的空間均值特征，在不同分割尺度下分別開(kāi)展光譜-空間-語(yǔ)義特征的多核函數(shù)融合分類，繼而根據(jù)多數(shù)投票原則在決策級(jí)集成多尺度分類結(jié)果，最后通過(guò)最小尺度下的分割影像實(shí)現(xiàn)像素級(jí)分類結(jié)果至面向?qū)ο蠓诸惤Y(jié)果的轉(zhuǎn)化。相關(guān)實(shí)驗(yàn)表明該方法能夠?qū)崿F(xiàn)分類結(jié)果的自適應(yīng)平滑分類，并在一定程度上提高建筑物和道路等“同譜異

7、物”地物的區(qū)分能力，QuickBird、天繪實(shí)驗(yàn)影像分類總體精度分別由基于光譜特征SVM的66.7％、63.7％提升至86.8％、87.2％。
　　2.3)基于主題模型和自學(xué)習(xí)過(guò)程的高分辨率影像尺度自適應(yīng)半監(jiān)督分類
　　該方法首先基于高分辨率遙感影像光譜、空間和語(yǔ)義特征進(jìn)行訓(xùn)練樣本自學(xué)習(xí)拓展，得到具有較高置信度的訓(xùn)練樣本集，然后再基于多尺度分割影像的半監(jiān)督主題模型建?？蚣芟聦?duì)所有樣本進(jìn)行半監(jiān)督主題模型建模，得到具有部分類別先