-
题名高光谱-LiDAR融合的条件随机场分类方法
被引量：3
- 1
-
-
作者
王雷光
耿若筝
代沁伶
王军
郑晨
付志涛
-
机构
西南林业大学大数据与人工智能研究院
西南林业大学森林生态大数据国家林业与草原局重点实验室
西南林业大学林学院
西南林业大学艺术与设计学院
河南大学数学与统计学院
昆明理工大学国土资源工程学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2021年第12期552-563,共12页
-
基金
国家自然科学基金(31860182,41771375,41961053,41571372)
云南省中青年学术和技术带头人后备人才项目(2018HB026)
+1 种基金
河南省重点研发与推广专项(科技攻关)(192102210255)
河南省青年英才托举工程(2020hytp013)。
-
文摘
为有效利用高光谱影像与LiDAR数据的互补性信息,解决单一融合策略造成的场景解译地物边界不准确和分类精度低的问题,提出了一种光谱-空间-高度特征融合、并顾及场景地物类别共生特性的条件随机场分类方法。首先,对两种数据分别提取光谱及形态学特征,对特征集采用图模型进行特征融合,将特征输入概率支持向量机分类器,得到初始分类结果。然后,基于融合特征计算反映像素间类别本质差异的局部光谱-空间-高度协同的异质性值,并统计类别间的空间共生关系。最后,在条件随机场框架内,整合初始分类结果、局部异质性信息及类别共生关系,通过目标函数的迭代求解获得最终分类结果。通过将像素间的权重定义为对应像素位置融合特征的归一化欧式距离的单调减函数,对标记不同但特征差异较大的类别间给予较小的权重,以达到地物边界空间规整化的目的。通过对标记不同但共生概率较大的类别对给予较小的权重,达到保留空间关系稳定的类别对的目的。采用城区场景的美国休斯顿地区数据集和林区场景的中国广西高峰林场两组数据集对提出方法进行了验证。实验结果表明:休斯顿和高峰林场数据集精度分别达到94.00%和92.84%,分类结果的"胡椒盐"现象明显减少,证明了该方法的有效性。
-
关键词
高光谱
LIDAR
条件随机场
图模型特征融合
局部异质性
空间共生关系
-
Keywords
hyperspectral
LiDAR
condition random field
feature fusion based on graph model
local heterogeneity
spatial co-occurrence
-
分类号
TP753
[自动化与计算机技术—检测技术与自动化装置]
-
