地理本體驅(qū)動(dòng)的多源遙感影像SVM分類及變化檢測(cè)研究.pdf

1、近幾年來，在遙感技術(shù)、無人機(jī)技術(shù)等技術(shù)的快速發(fā)展下，多源高分辨率的航空/衛(wèi)星影像獲取變得越來越容易，且數(shù)據(jù)體量也越來越大。在遙感大數(shù)據(jù)時(shí)代，作為遙感領(lǐng)域非常重要的研究課題一遙感影像分類及變化檢測(cè)一直是很多研究者關(guān)注的熱點(diǎn)。遙感影像分類及變化檢測(cè)在很多領(lǐng)域有著非常實(shí)用的價(jià)值，比如地理國(guó)情監(jiān)以及國(guó)土、規(guī)劃和環(huán)保等相關(guān)行業(yè)監(jiān)測(cè)數(shù)據(jù)庫(kù)的更新等都需要應(yīng)用遙感影像分類和變化檢測(cè)技術(shù)。但是，目前在相關(guān)領(lǐng)域的應(yīng)用主要還是以人工目視解譯為主。雖然面向?qū)ο?/p>

2、影像分析技術(shù)已經(jīng)成為遙感影像信息提取的一個(gè)新的范式，但在面向?qū)ο笥跋穹诸惣白兓瘷z測(cè)過程中始終缺乏對(duì)地表覆蓋要素的概念化、形式化的描述，對(duì)地理要素缺乏客觀、本質(zhì)的認(rèn)識(shí);對(duì)分類知識(shí)也沒有進(jìn)行統(tǒng)一的完全的形式化的描述，且沒有實(shí)現(xiàn)相關(guān)行業(yè)分類及變化檢測(cè)知識(shí)的共享。因此，如何很好的組織遙感影像分類中的高級(jí)類別信息和底層特征信息成為當(dāng)前遙感領(lǐng)域一個(gè)重要研究課題。
　　本文以多源遙感影像作為數(shù)據(jù)源，對(duì)遙感影像分類及變化檢測(cè)進(jìn)行了相關(guān)研究，在遙感

3、影像分類中引入地理本體理論，借助本體可以實(shí)現(xiàn)共享概念模型明確的形式化的描述。首先，基于大數(shù)據(jù)分析技術(shù)對(duì)影像對(duì)象特征進(jìn)行了信息挖掘分析，并利用本體構(gòu)建地物特征信息圖譜。隨后，采用本體建模軟件，建立了遙感影像地表信息的概念化、形式化的表達(dá)方法，以便有效地組織和形式化影像對(duì)象分類特征以及分類規(guī)則信息，實(shí)現(xiàn)高層分類語(yǔ)義信息與底層特征信息的聯(lián)系，消除二者存在的語(yǔ)義鴻溝。最后，將地理本體分類本體知識(shí)與機(jī)器學(xué)習(xí)算法結(jié)合起來對(duì)分類方法進(jìn)行了改進(jìn)。并利用

4、研究區(qū)遙感影像進(jìn)行了分類及變化檢測(cè)實(shí)驗(yàn)，下面是本論文取得幾個(gè)重要研究成果及創(chuàng)新點(diǎn)的概述:
　　(1)基于隨機(jī)森林的影像對(duì)象特征分析，利用隨機(jī)森林具有特征選擇的能力，對(duì)影像對(duì)象的光譜、紋理、幾何特征等進(jìn)行綜合分析，借助大數(shù)據(jù)分析預(yù)測(cè)軟件SPM(SalfordPredictive Modeler)計(jì)算影像對(duì)象特征的重要程度得分、整個(gè)森林的平衡誤差、袋外數(shù)據(jù)誤差等參數(shù)，然后對(duì)這些參數(shù)進(jìn)行綜合分析，實(shí)現(xiàn)分類特征的選擇，以及特征的分離閾值。

5、并根據(jù)特征選擇的結(jié)果及特征重要性分析，構(gòu)建了影像分類規(guī)則。
　　(2)以高空間分辨率/高光譜分辨率的航空/衛(wèi)星影像數(shù)據(jù)和LIDAR數(shù)據(jù)作為數(shù)據(jù)源，對(duì)遙感影像分類知識(shí)以概念化、形式化的方式進(jìn)行本體建模，影像分類本體模型包括影像對(duì)象特征本體模型、分類規(guī)則本體模型和地表覆蓋分類本體模型。在此基礎(chǔ)上進(jìn)而提出一種地理本體驅(qū)動(dòng)的SVM(Support Vector Machine)分類方法。與普通的SVM分類相比，該方法通過有效的將分類本體知