基于层次狄利克雷过程的高分遥感图像监督分类方法研究

Traditional object-based classification methods for very high resolution (VHR) remote sensing images usually conduct image segmentation followed by classification, and view these two processes as totally separate steps. Although these methods can work well, the classification accuracy is dependent, to a large extent, on the quality of the segmentation. Furthermore, the segmentation performance cannot be improved adaptively according to the classification. To address this problem, borrowing the idea from probabilistic topic modeling to directly model the hierarchical structure, a novel joint segmentation-classification framework for object-based classification of VHR remote sensing images is proposed. Specifically, three issues are focused on :(1) the transmission mechanism of hierarchical supervised information, clarifying the information feedback between pixels and scenes;(2) the modeling and embedding of spatial relationships among pixels in the framework of probabilistic topic models; and (3) the modeling of multiple features for the direct analysis of multi-spectral images. To evaluate the ability of simultaneously conducting scene classification and geo-object identification, the proposed framework is applied to identify the disaster-affected areas and the damaged buildings/roads due to an earthquake.

传统高分辨率遥感影像分析多使用“先分割后分类”的基于对象分类方法。虽然这类方法使用灵活，但是存在分类性能严重受制于分割结果，且分割结果无法根据分类结果自适应提升的缺点。针对这些问题，本项目利用概率主题模型的层次结构特点，在层次狄利克雷过程的基础上，拟开展（1）层次监督信息的传递机制研究，厘清场景和像素两层信息反馈机制；（2）影像像素间空间关系建模及嵌入方法研究，实现对遥感影像像素间空间关系的利用；（3）多维遥感特征的直接建模研究，实现对多光谱遥感影像的直接分析；提出一种“分割与分类一体化”的新型高分影像监督分类方法。最后，以地震灾害的遥感灾情信息快速提取为例，验证所提出方法同时提取受灾场景区域和受损目标（建筑、道路）两层信息的可用性。本项目将为高分辨率遥感图像信息提取探索新的理论和方法，并为灾害应急响应中灾情遥感信息快速提取提供技术支撑。

传统高分辨率遥感影像分析多使用“先分割后分类”的基于对象分类方法。虽然这类方法使用灵活，但是存在分类性能严重受制于分割结果，且分割结果无法根据分类结果自适应提升的缺点。本项目利用概率主题模型的层次结构，将层次狄利克雷过程模型用于高分辨率遥感影像分类，以克服传统方法的不足。针对该方法只能建模一维离散特征以及忽略像素间空间关系的问题，构建面向多维遥感特征的层次狄利克雷过程模型方法，并实现对像素间空间关系的建模，在此基础上研究嵌入像素和场景两层监督信息的遥感图像分类模型。本项目研究内容包括：（1）针对传统模型只能够建模离散视觉特征的问题，建立了面向多维遥感特征的层次狄利克雷过程-高斯混合模型的遥感影像分类框架；（2）在层次狄利克雷过程遥感分析框架下，提出了一种像素间空间关系建模的方法；（3）借鉴面向对象遥感图像分类思想，提出了一种嵌入过分割的层次狄利克雷过程遥感影像分类方法；（4）提出了一种嵌入场景级监督信息的监督层次狄利克雷过程模型分类方法，将其应用于高分辨率遥感影像场景分类；（5）提出了一种嵌入像素级监督信息的监督层次狄利克雷过程模型分类方法，将其应用于多光谱和高光谱遥感影像地物分类。研究成果对于提高高分辨率遥感影像分类精度、推进其在灾害监测等方面的应用具有重要的意义，并将进一步拓展高分辨率遥感图像信息提取新的理论和方法。