遥感影像在采集过程中,地面覆盖种类数量庞大且采集影像清晰度低、分辨率较差,关键像素特征之间的阈值衡量标准模糊,导致信息提取难度增大,从而降低信息利用率。为此,提出了基于像素紧密程度的多源遥感影像信息提取方法。利用Contourle...遥感影像在采集过程中,地面覆盖种类数量庞大且采集影像清晰度低、分辨率较差,关键像素特征之间的阈值衡量标准模糊,导致信息提取难度增大,从而降低信息利用率。为此,提出了基于像素紧密程度的多源遥感影像信息提取方法。利用Contourlet变换,实现遥感影像空间域、变换域的多角度增强,优化遥感影像整体清晰度。利用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)超像素算法计算像素聚类中心与邻近像素紧密程度,摆脱固定阈值影响。引入灰度共生矩阵(Gray-level Co-occurrenceMatrix,GLCM),提取主体特征信息;构建相关向量机分类模型,结合拉普拉斯二次逼近回归算法将提取问题转化为噪声回归问题,并对其展开求解,进而实现遥感影像的信息提取。实验结果表明:所提方法对遥感信息主体的分类与真实遥感信息主体分类基本一致,在信息提取过程中的错提取率和漏提取率低,总体提取精度保持在99%以上,且对道路信息提取清晰度高,表明该方法提高了遥感信息的解译水平。展开更多
文摘遥感影像在采集过程中,地面覆盖种类数量庞大且采集影像清晰度低、分辨率较差,关键像素特征之间的阈值衡量标准模糊,导致信息提取难度增大,从而降低信息利用率。为此,提出了基于像素紧密程度的多源遥感影像信息提取方法。利用Contourlet变换,实现遥感影像空间域、变换域的多角度增强,优化遥感影像整体清晰度。利用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)超像素算法计算像素聚类中心与邻近像素紧密程度,摆脱固定阈值影响。引入灰度共生矩阵(Gray-level Co-occurrenceMatrix,GLCM),提取主体特征信息;构建相关向量机分类模型,结合拉普拉斯二次逼近回归算法将提取问题转化为噪声回归问题,并对其展开求解,进而实现遥感影像的信息提取。实验结果表明:所提方法对遥感信息主体的分类与真实遥感信息主体分类基本一致,在信息提取过程中的错提取率和漏提取率低,总体提取精度保持在99%以上,且对道路信息提取清晰度高,表明该方法提高了遥感信息的解译水平。
