基于层次Dirichlet过程的高分遥感图像分类方法及其应用研究

In the traditional framework of VHR satellite image classification, it is almost unsuccessful for one to automatically transfer its empirical parameters from an image to another. In this project, a novel framework is devised using the characteristics of combination of both spatial and spectral information in probabilistic topic models. In the proposed framework, both segmentation and classification could be integrated together in order to quickly extract specific information from VHR images. Specifically, we focus on three themes: (1) the theoretic properties of the collaborated framework; (2) the unsupervised way how to integrate hierarchical spatial information into the framework; (3) the supervised way how to use given information to guide the unsupervised learning process. Some practical cases would be used to validate the effectiveness and efficiency of the proposed methods, for example how to identify which and how many house are damaged due to an earthquake.

传统高分遥感图像分析方法多采用“先分割后分类”的方式。这种分而治之的策略虽然可以灵活地并入分析者的先验知识，但是分析的自动化程度低、分析结果的泛化能力弱。针对这些问题，本项目利用概率主题模型具备遥感图像“空-谱”静态组合建模的特性，拟研究（1）构建高分遥感图像“空-谱”动态协同分类框架，并分析“空-谱”协同工作机制及其实现策略的影响因素；（2）设计高分遥感图像“像元-结构-地物-场景”层次空间关系的嵌入方法，实现层次空间信息自下而上和光谱等特征信息自上而下的双向流动；（3）分析监督信息引导下的非监督学习的信息传递方式，形成“识别分割一体化”的批量高分遥感图像快速信息提取的理论和方法。以建筑物因震损毁遥感信息快速提取为例，实验验证本项目提出方法的效率和精度，为灾害应急响应中灾情遥感信息快速提取提供技术支撑。

传统高分遥感图像信息提取方法多采用“先分割后分类”的方式。这种分而治之的策略虽然可以灵活地并入分析者的先验知识，但是分析的自动化程度低、分析结果的泛化能力弱。针对这些问题，本项目利用概率主题模型具备遥感图像“空-谱”静态组合建模的特性，通过解决概率主题模型的内在假设与高分遥感图像分类中多层次空间关系建模需求不匹配的问题，形成新的高分遥感图像制图新理论和新方法，支撑灾害应急响应等关键应用。..通过为期四年的研究，本项目在以下几个方面取得了重要的进展：1）分析了“空-谱”协同工作机制及其影响因素，构建了基于HDP的高分图像“结构-地物-场景”协同工作框架；2）基于上述建立的“空-谱”协同工作框架，通过建立层次空间关系模型，提出了基于HDP的全色和多光谱图像融合与非监督分类算法；3）针对震害遥感应急监测的需要，综合比较和分析了大范围中等分辨率遥感影像建成区识别方法及多尺度遥感影像建筑物提取方法，提出了建筑物高分遥感快速提取及其震害识别方法。项目研究成果基本形成了面向灾害应急响应的建筑物多源卫星影像自动提取方法和震害快速识别方法。..本项目在在“空-谱”协同工作机制和实现策略方面申请获批2项发明专利；在“分割识别一体化”的遥感信息提取方法及其应用方面，共发表7篇SCI期刊论文，3篇会议论文；培养了4名博士和3名硕士研究生。本研究提出了建筑物震害多源遥感快速监测方法作为“重大自然灾害评估模型与方法体现研究与应用”的一部分获2019年地理信息系统协会特等奖。