结合互信息和遗传算法特征选择的多层次面向对象影像分类

The high spatial resolution satellite remote sensing data is most applied to extract information in urbans. Targets in Urban such as buildings and road et al, covers about 80 percent area in urbans. It has been an urgent problem for extract these targets accurately and high efficiently from high spatial resolution satellite remote sensing images.Object-oriented classification is a new method for extracting targets from high resolution remote sensing images. Remote sensing images can be classification based on muti-scale feature objects by object-oriented classification compared to the traditional classification method which is pixel-based. The Object oriented classification has been the most promise method in extracting the information from the high spatial resolution remote senisng image.Utilization of Spatial relation feature and feature selection are always ignored during the object oriented classifciation,which affects the accuracy and efficiency of classification. A hierarchical object oriented classification method based on mutual information feature selection will be researched in the study. In order to extract the urban target effectively.Spatial relate feature will be also extacted beyond spectral feature,shape feature and texture feature.And mutual information and genetic algorithm(GA)will be used for selecting the optimal subset of features.The subset features will be accessed quantatively and explained according to their contribute to classification ,especial Class related feature will be payed more attention during the accessment.

面向对象分类方法是当前高分辨率遥感影像分类时最有效的方法。针对面向对象分类中空间关系特征未充分利用和对象特征选择问题研究不足的问题，本项目拟开展结合互信息和遗传算法特征选择的多层次面向对象分类方法研究。以高分辨率卫星影像城市目标的有效识别为目的，本研究采用多尺度面向对象分析策略，充分考虑分割对象空间关系特征的表达和提取；针对对象光谱、形状、纹理和关系特征形成的"特征灾难"问题，提出基于互信息（MI）和遗传算法（GA）结合进行对象特征子集有效选择，采用支持向量基（SVM）进行特征子集分类的方法；定量评价和解释针对城市目标有效分类识别的特征子集，特别是空间关系特征。项目研究一方面可以克服面向对象影像分类中特征选择的盲目性和低效率问题，另一方面可以挖掘对象关系特征在城市目标识别中的作用，对于提高面向对象影像分类的效率和精度，促进高分辨率卫星影像信息提取的自动化程度具有重要意义。

针对面向对象分类中空间关系特征未充分利用和对象特征选择问题研究不足的问题，本项目开展结合互信息和遗传算法特征选择的多层次面向对象分类方法研究。以高分辨率卫星影像城市目标的有效识别为目的，本研究采用多尺度面向对象分析策略，充分考虑分割对象空间关系特征的表达和提取；针对对象光谱、形状、纹理和关系特征形成的"特征灾难"问题，提出基于互信息（MI）和遗传算法（GA）结合进行对象特征子集有效选择，采用支持向量机（SVM）进行特征子集分类的方法；定量评价和解释针对城市目标有效分类识别的特征子集，特别是空间关系特征。项目研究一方面可以克服面向对象影像分类中特征选择的盲目性和低效率问题，另一方面可以挖掘对象关系特征在城市目标识别中的作用，对于提高面向对象影像分类的效率和精度，促进高分辨率卫星影像信息提取的自动化程度具有重要意义。（1）项目研究中提出一套高分辨率遥感影像面向对象影像分析的方法体系。基于所建立的城市目标识别方法体系及特征提取和对象特征选择方法，分别建立了基于多尺度特征的建筑物、水上桥梁人工目标识别的技术方法。提出了一种结合建筑物和阴影对象邻近关系特征的建筑物识别技术流程；提出了一种结合桥梁与河流相交关系特征来识别水上桥梁的技术方法。利用高分辨率卫星影像进行实例研究，证明以上所提出的技术方法均具有较高的识别精度。（2）面向对象影像分类的对象特征选择问题。通过引入互信息最大化准则（最大关联与最小冗余：mRMR）和SVM分类器进行影像对象特征选择及评价。结果表明：mRMR特征选择方法能够极大地减少待处理的特征维数，获得较好的特征子集，以较少的特征数目取得较高的分类精度和效率。与仅利用对象光谱特征的分类结果相比，人工目标的分类精度得到明显提高。.（3）构建了遗传算法优化的支持向量机分类模型（GA-SVM）。探讨了遗传算法优化SVM参数和特征选择的思路，并实现了基于GA优化耦合参数优化和特征选择的SVM分类模型。开展了基于面向对象分类的GA-SVM分类模型应用研究。选取福州地区Quickbird高分辨影像作为实验数据，结果表明，GA-SVM方法在解决SVM参数优化的同时解决了特征的选择问题，在面向对象的高分辨影像分类中具有较高的优越性。