融合词袋模型与空间关联的高分辨率遥感图像分类方法研究

作为解决高分辨率遥感图像智能信息提取这一难题的可行方案，面向对象的图像分析技术已成为遥感应用的热门研究领域。但该技术在图像分割与特征基元构建、分类尺度选择、视觉特征使用、空间关系应用、分类模型设计等许多方面值得进一步研究和完善。本申请面向高空间分辨率遥感图像信息提取任务，从特征使用、分类器设计的角度对该技术开展研究，并提出新型遥感图像分类方法。在利用图像分割等技术实现特征基元获取的基础上，申请研究基元全局、局部视觉特征提取和融合应用的新方法以实现基于词袋模型的面向对象遥感图像分类，进而研究自动学习基元间空间关联知识的关联分类方法以补充、修正分类模型，从而实现高分遥感图像的高精度分类。研究综合考虑了特征基元内视觉单词组合以及基元间空间关联这两种分类线索，将有助于提高面向对象图像分析技术的方法性能，以及提高分类规则构建的智能化、自动化程度，为此具有重要的科学意义和应用前景。

本项目在面向对象图像分析的技术框架内，利用图像的全局/局部视觉特征，研发综合利用特征基元内、基元间分类线索的新型分类方法，开展方法在城市空间结构信息提取、遥感图像检索等方面的应用验证。重要工作包括：1）提出了基于硬边界约束和两阶段合并的遥感图像多精度分割算法；进一步地，提出同侧共线邻域模型，对分割算法进行了性能优化。以上分割算法在分割精度、参数依赖性等方面显著优于国际同类软件的核心算法；2）提出了基于直线单词的遥感图像词袋分类方法和全局-局部特征融合的词袋分类方法，以上方法发挥全局特征和局部特征在人工地物场景分类中的优势，获得比常规词袋模型更好的分类效果；3）提出面线基元关联的面向对象遥感图像分类模型，该技术框架区别于常规先分割后识别的面向对象图像分析模式，综合利用面、线基元内和基元间的多类特征，有效提高了图像分类精度。4）在此基础上，开发了新型面向对象遥感图像分类原型系统，开展了方法在结合多层空间语义遥感图像检索、城市不透水面提取与细分类等方面的应用示范。本课题共发表（含录用）论文11篇，其中5篇被SCI收录（录用1篇为SCI刊源）；申报并获批国家专利2项；培养相关方向研究生10余人。