多特征融合的圖像檢索——以京津地區(qū)居民區(qū)為例.pdf

1、隨著遙感技術(shù)的迅速發(fā)展，大量的圖像信息飛速增加。近年來一系列衛(wèi)星的成功發(fā)射，也使得利用這些圖像信息服務(wù)于人們的生活和生產(chǎn)成為了可能。但是面對日益增加的圖像數(shù)據(jù)，采用傳統(tǒng)的手工勾畫的方式耗時且落后，在作業(yè)效率上遠(yuǎn)遠(yuǎn)不能滿足要求。因此，快速、自動的信息提取方式變得尤為重要。
　　土地利用和分布與城鎮(zhèn)規(guī)劃和生態(tài)環(huán)境保護(hù)息息相關(guān)，一直都是規(guī)劃管理部門關(guān)注的重點。目前，城鎮(zhèn)土地根據(jù)使用功能的不同劃分為不同的功能區(qū)，但是，目前針對功能區(qū)的研究

2、很少。本文選取一種典型的功能區(qū)——居民區(qū)作為研究對象。居民區(qū)與人們的生活密切相關(guān)，并且在土地利用中占有一定的比例，能在一定程度上反映土地利用的現(xiàn)狀。因此，對居民區(qū)信息的提取意義重大。
　　本文采用圖像檢索的思路進(jìn)行居民區(qū)信息提取，利用圖像的多種特征來實現(xiàn)居民區(qū)的檢索。本文主要關(guān)心四類居民區(qū)（舊式村落用地、低密度高層小區(qū)、中密度低層小區(qū)以及低密度低層小區(qū)），并分別對其進(jìn)行了定義。實驗選取北京和天津作為研究區(qū)域，并結(jié)合研究區(qū)地物特點構(gòu)

3、建出類別體系。文章借助Google Earth對不同類別在1m分辨率下獲取300×300大小的樣本組成圖像樣本庫。為實現(xiàn)居民區(qū)的有效檢索，論文設(shè)計了合理算法和流程。首先利用紋理特征和模糊分類理論對居民進(jìn)行檢索，算法對居民區(qū)與非居民區(qū)，以及各類居民住宅用地的可分性進(jìn)行了實驗分析。為實現(xiàn)居民區(qū)的有效檢索，文章進(jìn)一步引入了尺度不變特征(Scale Invariant Feature,SIFT)構(gòu)建視覺詞袋庫（Bag of Visual Wor

4、d,BoVW）模型，并對傳統(tǒng)BoVW模型進(jìn)行了改進(jìn)。通過對兩種算法實驗分析發(fā)現(xiàn)，紋理特征和模糊分類算法中居民區(qū)檢索的生產(chǎn)者精度較高，但用戶精度較低，而BoVW模型算法中，居民區(qū)檢索的生產(chǎn)者精度較低，但用戶精度相對提高了。在此基礎(chǔ)上，文章將上述兩種算法進(jìn)行融合，提出在紋理特征分類的基礎(chǔ)上利用BoVW模型對居民區(qū)進(jìn)行了分類，該融合算法在分類精度和實現(xiàn)效率上都得到了很大的提高。目前算法的主要困難在于形態(tài)結(jié)構(gòu)與居民區(qū)相似的地物的區(qū)分，但算法涉及