典型文献
面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类
文献摘要：
针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法.首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集(Wa shi ngtonD.C.数据)验证该算法的有效性.试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和K appa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息.
文献关键词：
高空间分辨率遥感影像;面向对象;多尺度分割;对象莫兰指数;加权联合稀疏表示
中图分类号：
作者姓名：
洪亮;冯亚飞;彭双云;楚森森
作者机构：
云南师范大学地理学部,云南 昆明 650500;西部资源环境地理信息技术教育部工程研究中心,云南昆明650500;云南省地理空间信息技术工程技术研究中心,云南昆明650500;昆明市信息中心,云南昆明650506;南京大学地理信息科学系,江苏南京210023
文献出处：
引用格式：
[1]洪亮;冯亚飞;彭双云;楚森森-.面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类)[J].测绘学报,2022(02):224-237
A类：
加权联合稀疏表示,加权稀疏表示,ngtonD,对象莫兰指数
B类：
高空间分辨率遥感影像,遥感影像分类,尺度特性,地物分类,分类精度,结合面,面向对象影像分析,表示方法,分类算法,多尺度分割,分割算法,多尺度特征,测度计,建面,表示模型,GF,遥感数据,高光谱,航空遥感,Wa,shi,像素级,OA,appa,抑止,椒盐噪声,声现象,大尺度,小尺度,细节信息
AB值：
0.213292
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。
