研究人员提出的面向高空间分辨率影像的OSVM-OCNN分类算法,首次在对象级别结合了浅层分类器(SVM)和深层分类器(CNN),捕获了两种分类器在影像特征提取方面的优势。使用高空间分辨率光学和雷达影像对算法进行了验证,实验表明相比于基于像元的分类方法,OSVM-OCNN显著地提高了土地覆被的分类精度,是一种高效率高精度的遥感分类算法。

图 1 OSVM-OCNN遥感影像分类流程图

图 2 OSVM-OCNN及几种基准算法生产的土地覆被分类图
提出的PACA-BS多态蚁群高光谱波段智能选择算法,克服了传统蚁群智能算法效率低下且易陷入局部最优的难题。PACA-BS采用侦查蚁缩小解集空间,这大大减少了算法的运行时间,加快了收敛速度;此外,PACA-BS测量选择波段子集之间的相似度,这种测量保持了种群的多样性,避免种群早熟和陷入局部最优。利用三种高光谱影像测试了算法的有效性,实验结果证实了PACA-BS在精度和效率方面均优于目前常用算法。

图 3 PACA-BS及几种基准算法生产的高光谱图像分类精度
相关成果分别发表于地理遥感领域国际主流学术期刊Remote Sensing及International Journal of Remote Sensing上。有关研究工作得到国家重点研发项目(2017YFB0503600)和国家自然科学基金项目(41301465)资助,主要工作由东北地理所地理信息系统课题组李华朋博士、张树清研究员和丁小辉博士完成。
论文信息:
[1] Huapeng Li*, Ce Zhang, Shuqing Zhang, P.M. Atkinson. A hybrid OSVM-OCNN Method for Crop Classification from Fine Spatial Resolution Remotely Sensed Imagery.Remote Sens.2019,11(20), 2370.
链接: https://www.mdpi.com/2072-4292/11/20/2370


