典型文献
SVM结合多阈值分类的遥感影像公路水毁信息提取
文献摘要：
水毁灾害发生后对公路损毁位置和范围等信息进行准确提取,是后续开展应急救援和灾后重建工作的前提条件.目前,主要采用面向对象的方法对遥感影像中公路水毁信息进行检测,但是此类方法中大多数需要采用近红外波段.当影像缺少近红外波段时,目前还没有通用的方法可以对公路水毁信息进行检测.为解决以上问题,首先对各项分割参数进行对比实验,选择出最优参数作为公路水毁灾害遥感影像最优分割尺度,然后提出一种基于机器学习结合自定义波段特征CCBS(Combination characteristics of brightness and spectral)、面积、长宽比等多种影像特征的分类方法,分别提取灾前道路和灾后水体信息,并利用种子增长法对灾后水体提取结果进行优化,最后将灾前道路映射至灾后水体上提取出公路水毁路段信息.实验表明:在仅使用遥感影像RGB波段的情况下,该方法对公路水毁灾害信息的提取精度接近90％,可以满足应急救援和灾后重建工作的需求.
文献关键词：
公路水毁灾害;信息提取;多尺度分割;支持向量机;多阈值分类;自定义波段特征
中图分类号：
作者姓名：
方留杨;刘天逸;赵孟云;谷永云;贾志文
作者机构：
昆明理工大学 国土资源工程学院,云南 昆明 650031;云南省交通规划设计研究院有限公司,云南昆明650200
文献出处：
引用格式：
[1]方留杨;刘天逸;赵孟云;谷永云;贾志文-.SVM结合多阈值分类的遥感影像公路水毁信息提取)[J].人民长江,2022(11):112-118
A类：
多阈值分类,公路水毁灾害,影像最优分割,自定义波段特征,CCBS
B类：
遥感影像,信息提取,路损,损毁,应急救援,灾后重建,前提条件,面向对象,近红外波段,最优参数,灾害遥感,最优分割尺度,基于机器学习,Combination,characteristics,brightness,spectral,长宽比,影像特征,分类方法,水体信息,长法,水体提取,路段,RGB,灾害信息,多尺度分割
AB值：
0.229914
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
