| 基于高分辨率遥感影像的农村房屋自动化识别 |
| |
| 引用本文： | 刘仕川,慎利,刘轲,杨健,李源洪,张敏.基于高分辨率遥感影像的农村房屋自动化识别[J].中国农业信息,2021,33(6):15-24. |
| |
| 作者姓名： | 刘仕川 慎利 刘轲 杨健 李源洪 张敏 |
| |
| 作者单位： | 1.四川省农业科学院遥感与数字农业研究所/农业农村部遥感应用中心成都分中心,成都 610066;2.西南交通大学地球科学与环境工程学院,四川成都 611756 |
| |
| 基金项目： | 四川省省院省校合作（重点）项目“基于大数据机器学习与冠层反射率模型结合的水稻叶面积指数提取技术”( 2018JZ0054)；四川省农业科学院中试熟化与示范转化工程项目“耦合生成式遥感影像快速重建”；四川省农业科学院现代农业学科建设推进工程项目“遥感大数据与专家知识支持下的作物水肥智能决策技术和系统”（2021XKJS078）；四川省农业科学院人才引进与培养项目“凉山水稻 LAI 无人机高光谱遥感监测关键技术研究” |
| |
| 摘 要： | 【目的】 为了改善遥感影像分类算法对“同谱异物”的农村房屋与乡村道路的区分能力，提高房屋识别的空间平滑性与自动检测精度，为后续的农村宅基地遥感监测提供技术支撑。【方法】 文章基于光谱-空间核函数集成支持向量机（光谱-空间核SVM）算法框架，发展了一种适于高分辨率遥感影像的农村房屋自动化识别方法。首先，对高分辨率遥感影像进行空间分割以及影像的空间邻域关系进行建模。其次，获取分割图斑内像元灰度值的均值作为空间特征，以像元灰度值作为光谱特征，利用光谱-空间核SVM算法进行房屋预提取。单独提取影像中的道路、裸地等区域，并制作掩膜对房屋预提取结果进行修正。最后，通过众数滤波，对房屋识别结果进行空间平滑处理，抑制噪声。【结果】 该试验得到的Kappa系数、总体精度和F1分数分别为0.75、98.0%和0.76；而基于像元光谱的常规识别方法得到的上述指标分别为0.40、91.8%和0.44。【结论】 该文提出的方法能有效抑制将道路、裸地识别为房屋，且具有良好的空间平滑性能。
|
| 关 键 词： | 高分辨率遥感影像 农村房屋 支持向量机集成方法 自动化识别农业 |
| 收稿时间： | 2021/11/9 0:00:00 |
Automatic identification of rural houses based on high-resolution remote sensing images |
| |
| Liu Shichuan,Shen Li,Liu Ke,Yang Jian,Li Yuanhong,Zhang Min.Automatic identification of rural houses based on high-resolution remote sensing images[J].China Agriculture Information,2021,33(6):15-24. |
| |
| Authors: | Liu Shichuan Shen Li Liu Ke Yang Jian Li Yuanhong Zhang Min |
| |
| Abstract: | |
| |
| Keywords: | High-resolution remote sensing imagery rural houses SVM ensemble approach automated identification |
|
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |
