一种高分辨率遥感影像水体提取方法

    公开(公告)号:CN108710862B

    公开(公告)日:2022-06-28

    申请号:CN201810505091.2

    申请日:2018-05-24

    申请人: 河海大学

    摘要: 本发明公开了一种有效的高分辨率遥感影像水体提取方法。首先,给定一幅原始高分辨率遥感影像,提出一种基于局部二值模式和K最近邻的算法,对其进行水陆粗分离,同时采用形态学处理来抑制分类区域内的噪声点。接着,设计一种基于LBP和支持向量机的方法,对水陆边界区域作进一步细分离,并采用形态学滤波去除细化后边界区域附近的噪声点。最后,针对细化结果,采用形态学腐蚀运算对水体边缘进行平滑,得到最终的水体提取结果。本发明提出的方法采用“粗分+细分”的策略进行水陆的分离,准确率更高;此外,本发明分别采用KNN和SVM两种不同的分类方法,一方面确保了提取的效率,另一方面适应于不同尺寸像元的分类,使得最终分类结果稳健且有效。

    一种高分辨率遥感影像水体提取方法

    公开(公告)号:CN108710862A

    公开(公告)日:2018-10-26

    申请号:CN201810505091.2

    申请日:2018-05-24

    申请人: 河海大学

    摘要: 本发明公开了一种有效的高分辨率遥感影像水体提取方法。首先,给定一幅原始高分辨率遥感影像,提出一种基于局部二值模式和K最近邻的算法,对其进行水陆粗分离,同时采用形态学处理来抑制分类区域内的噪声点。接着,设计一种基于LBP和支持向量机的方法,对水陆边界区域作进一步细分离,并采用形态学滤波去除细化后边界区域附近的噪声点。最后,针对细化结果,采用形态学腐蚀运算对水体边缘进行平滑,得到最终的水体提取结果。本发明提出的方法采用“粗分+细分”的策略进行水陆的分离,准确率更高;此外,本发明分别采用KNN和SVM两种不同的分类方法,一方面确保了提取的效率,另一方面适应于不同尺寸像元的分类,使得最终分类结果稳健且有效。

    基于迁移学习的红外遥感水体分类器构建方法

    公开(公告)号:CN110210545B

    公开(公告)日:2022-08-26

    申请号:CN201910443842.7

    申请日:2019-05-27

    申请人: 河海大学

    摘要: 本发明公开了一种基于迁移学习的红外遥感水体分类器构建方法。首先,构建带标签的可见光遥感图像(源域)样本集,以及无标签的红外遥感图像(目标域)样本集;其次,提取可见光源域样本的局部二值模式特征,结合标签训练支持向量机分类器,对红外目标域样本进行初始分类,得到红外样本的伪标签,用以模拟出目标域样本的概率分布;然后,基于迁移学习理论,以最小化源域和目标域的分布差异距离为目标,将源域和目标域的特征数据映射到同一个子空间中,并通过修正目标域样本的伪标签不断优化特征映射矩阵;最后,在子空间中,利用优化后的特征映射矩阵,将源域特征数据进行变换,并基于变换后的源域特征数据及其标签,训练出最终红外遥感水体分类器。

    一种基于特征词典融合的遥感水体目标提取方法

    公开(公告)号:CN111860615A

    公开(公告)日:2020-10-30

    申请号:CN202010617680.7

    申请日:2020-06-30

    申请人: 河海大学

    IPC分类号: G06K9/62 G06T7/11 G06T7/136

    摘要: 本发明公开了一种基于特征词典融合的遥感水体目标提取方法。首先,构建遥感水陆场景图像数据训练集,对训练集图像网格化为预设大小的特征提取单位并分别提取局部二值模式(Local Binary Patterns,LBP)特征和频谱特征;接着,对LBP特征集和频谱特征集分别进行K-means聚类,得到基于LBP特征的聚类结果和基于频谱特征的聚类结果,构建基于LBP和频谱特征的融合词典;然后,将训练集图像采用融合词典向量化表示,构成训练特征向量集;最后,输入待识别遥感水陆场景测试图像,根据融合词典将图像分块向量化并分类,统计分类结果,得到遥感水陆场景图像水体提取结果。

    基于迁移学习的红外遥感水体分类器构建方法

    公开(公告)号:CN110210545A

    公开(公告)日:2019-09-06

    申请号:CN201910443842.7

    申请日:2019-05-27

    申请人: 河海大学

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于迁移学习的红外遥感水体分类器构建方法。首先,构建带标签的可见光遥感图像(源域)样本集,以及无标签的红外遥感图像(目标域)样本集;其次,提取可见光源域样本的局部二值模式特征,结合标签训练支持向量机分类器,对红外目标域样本进行初始分类,得到红外样本的伪标签,用以模拟出目标域样本的概率分布;然后,基于迁移学习理论,以最小化源域和目标域的分布差异距离为目标,将源域和目标域的特征数据映射到同一个子空间中,并通过修正目标域样本的伪标签不断优化特征映射矩阵;最后,在子空间中,利用优化后的特征映射矩阵,将源域特征数据进行变换,并基于变换后的源域特征数据及其标签,训练出最终红外遥感水体分类器。