基于形态学属性剖面和单类随机森林分类的道路路域新增建筑物提取方法

史忠奎¹, 李培军^1,†, 罗伦², 阳柯²

1. 北京大学地球与空间科学学院遥感与地理信息系统研究所, 北京100871
2. 中国交通通信信息中心, 北京 100011

收稿日期:2016-10-08修回日期:2016-12-26出版日期:2018-01-20

基金资助:中国交通通信信息中心公路交通领域军民融合应用示范项目(GFZX0404080102)资助

A Method for Extraction of Newly-Built Buildings in Road Region Using Morphological Attribute Profiles and One-Class Random Forest

SHI Zhongkui¹, LI Peijun^1,†, LUO Lun², YANG Ke²

1. Institute of Remote Sensing and Geographical Information System, School of Earth and Space Sciences, Peking University,Beijing 100871
2. China Transport Telecommunications & Information Center, Beijing 100011

Received:2016-10-08Revised:2016-12-26Published:2018-01-20

PDF

(31955KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 提出一种利用形态学属性剖面和单类随机森林分类的道路路域新增建筑物提取方法。用该方法计算路域范围内两时相高分辨率遥感影像的形态学属性剖面, 将得到的形态学属性剖面与光谱特征叠加, 采用改进的单类随机森林分类方法直接提取新增建筑物。以北京市稻香湖地区两时相高分辨率影像作为实验数据, 对比分析该方法与经典两时相直接分类及分类后比较方法的新增建筑物提取精度。结果表明, 综合利用形态学属性剖面和光谱特征提取得到的新增建筑物提取精度比仅使用光谱特征的提取精度显著提高, 其中Kappa系数提高15.11%。此外, 该方法提取结果的Kappa系数比两时相直接分类方法提高1.78%, 比分类后比较方法提高25.15%, 验证了所提方法的有效性。所采用的单类随机森林方法能够有效地处理高维数据, 并可以度量不同特征对分类结果的重要性。
中图分类号:
-->P237

引用本文

史忠奎, 李培军, 罗伦, 阳柯. 基于形态学属性剖面和单类随机森林分类的道路路域新增建筑物提取方法[J]. 北京大学学报（自然科学版）, 2018, 54(1): 105-114.
SHI Zhongkui, LI Peijun, LUO Lun, YANG Ke. A Method for Extraction of Newly-Built Buildings in Road Region Using Morphological Attribute Profiles and One-Class Random Forest[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(1): 105-114.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3043