改进型PSI算法及其在高空间分辨率遥感影像分割中的应用

本文针对PSI(Pixel Shape Index,PSI)算法存在的弊端,对其加以改进,并提出了一种改进型PSI算法。相比原算法,新算法的改进主要体现在:1在方向线生成阶段,为了充分考虑不同波段光谱特征的同质性存在的差异,每个波段数据层方向线的生成分开独立进行,这提高了方向线生成的合理性;2提出了每一条方向线长度为各波段数据层的方向线长度的加权和,以进一步体现不同波段光谱特征之间同质性上存在的差异,从而提高像元(尤其是边缘处的像元)PSI值的准确性。最后,通过实验证明:影像分割时,联合改进型PSI派生波段,能有效提高外形规则的人工地物的分割精度,"边缘效应"明显减少。

一种IPSIAST算法及其在遥感影像分割中的应用

针对PSI(Pixel Shape Index)算法存在的弊端,本文对其加以改进,提出一种光谱阈值自适应的改进型像元形状指数(Improved Pixel Shape Index of Adaptive Spectral Threshold,IPSIAST)算法。相比原算法,新算法的改进主要体现在:1)在方向线生成阶段,为了充分考虑不同波段光谱特征的同质性存在的差异,每个波段数据层方向线的生成分开独立进行,提高了方向线生成的合理性;2)将每一条方向线长度定义为各波段数据层在该方向的方向线长度的加权和,以体现不同波段光谱特征之间同质性上存在的差异,从而提高像元PSI值的精确性;3)光谱阈值T1能根据局部区域内光谱特征同质性的大小而自适应地调整,降低了地物边缘处的对比度对像元形状指数计算的影响。最后,结合目视对比和5个定量评价指标,通过影像分割对比实验证明:相比PSI指数,IPSIAST指数能进一步提高影像的分割精度。

基于PSI的水体提取方法在地理国情普查中的应用

引入像元形状指数(PSI),利用像元形状指数能够反映地物匀质性的特点,结合水体的光谱特征,开展高分辨率遥感影像的水体信息提取,实验表明基于像元形状指数和光谱特征的方法较好解决了建筑物阴影等地物的干扰,有效提高了高分辨率影像水体提取精度,该方法在地理国情普查水体覆盖数据生产中取得了较好的效果,为利用高分辨率遥感影像开展地理国情普查地表覆盖数据生产提供了一种新的方法。

融合像元形状和光谱信息的高分遥感图像分类新方法

在高空间分辨率(简称"高分")遥感图像分类中,由于存在"同谱异物"等现象,仅依靠光谱信息进行分类的误差较大。为提高图像分类精度,提出一种融合像元形状和光谱特征信息的高分多光谱遥感图像分类新方法。首先利用像元及其邻域的关系来描述其空间结构,计算并提取像元同质区域(pixel homogeneous regions,PHR);然后以所提取的同质区域为基础,分别计算中心像元的长/宽比(length-width ratio,LW)和面积/周长比(area-perimeter ratio,PAI)这2个像元形状特征;最后将归一化后的像元形状特征和光谱特征融合,并利用支持向量机分类方法进行分类。以2个区域的Quick Bird高分遥感图像对该算法进行验证,将实验结果与仅利用光谱信息分类和仅使用像元形状指数(pixel shape index,PSI)分类的结果进行比较。结果表明,所提出的方法得到的分类精度最高,该方法能有效地提高高分遥感图像的分类精度。

基于像元形状指数方法的高空间分辨率遥感影像分类

本文采用像元形状指数的方法,借助其可以有效的来区别光谱特征相似而集合形状不同的地物目标,提取高分遥感影像的像元形状指数特征,在精度上较光谱特征比较而言,有很大优势,同时有利于光谱特征的补充。

融合光谱及形态学信息的对象级空间特征提取方法

针对传统的高分辨率遥感影像分割方法仅利用光谱特征或者形态学特征的弊端,提出了一种融合光谱信息和形态学信息的多尺度分割算法。该算法首先利用差分多尺度形态学序列特征与影像光谱特征构造光谱-形态学特征集,然后利用Hausdorff距离计算相邻像素的边权值并构造图模型,利用最小生成树Kruskal算法完成影像的初始分割,最后结合分形网络进化的区域异质性准则完成区域合并。在该分割结果的基础上,提出了面向对象的灰度共生矩阵特征和面向对象的像元形状指数特征。实验结果显示,所提出的分割方法在效果和效率上均优于eCognition 8.0和Meanshift算法,并且对象级灰度共生矩阵特征和对象级像元形状指数特征明显优于传统的像素级特征。