基于多级空间上下文LR-CRFs模型的高分辨率影像分类-《地球科学与环境学报》

文章信息/Info

Title:: Classification of High Resolution Image Based on Multi-level Spatial Context LR-CRFs Model

作者:: 杨耘; 徐丽; 贾鹏; 1. 长安大学地质工程与测绘学院,陕西西安 710054; 2. 长安大学西部矿产资源与地质工程教育部重点实验室,陕西西安 710054; 3. 长安大学信息工程学院,陕西西安 710064; 4. 西安长庆科技工程有限责任公司,陕西西安 710018

Author(s):: YANG Yun; XU Li; JIA Peng; 1. School of Geological Engineering and Surveying, Chang’an University, Xi’an 710054, Shaanxi, China; 2. Key Laboratory of Western Mineral Resources and Geological Engineering of Ministry of Education, Xi’an 710054, Shaanxi, China; 3. School of Information Engineering, Chang’an University, Xi’an 710064, Shaanxi, China; 4. Xi’an Changqing Technology and Engineering Co., Ltd., Xi’an 710018, Shaanxi, China

Keywords:: conditional random fields; multi-level spatial context; logistic regression; hierarchical graph model; semantic information; high resolution remote sensing; image classification

摘要:: 充分表达和利用目标空间上下文及语义信息是提高高空间分辨率影像分类精度的关键技术,而条件随机场(CRFs)在目标空间上下文建模以及分类预测方面有其独特优势。但是,基于单一尺度分析的CRFs模型存在不能反映目标多层次空间结构及语义关系的问题,因此针对城区高分辨率影像土地利用/覆盖分类问题,在面向对象分类框架下,提出了一种多级空间上下文LR-CRFs模型。该模型定义如下:首先,将影像进行对象层?目标层及场景层的分层表达及分层特征提取,并进行“对象目标场景”的逐层关联;其次,采用逻辑回归(LR)分类器定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数;采用最大积消息传递算法对该模型进行近似推理。利用IKONOS多光谱影像及大比例尺真彩色航空影像进行试验的结果表明:多级空间上下文LR-CRFs模型分类精度高于单一尺度的基于像素层或对象层分割的LR-CRFs模型,其精度平均分别提高了4.63%和2.22%;该方法在一定意义上也缓解了面向对象分类方法中分类结果对分割尺度的依赖程度。