主题模型建模框架下的高分辨率遥感影像半监督分类研究.pdfVIP

2015年第 1期 主题模型建模框架下的高分辨率遥感影像半监督分类研究 慎 利 地学学院 1 研究背景与意义 随着卫星与传感器技术的迅速发展，高 空间 分辨率遥感影像的可获取性 日益增强。一系列的在轨高 分辨率遥感卫星平台连同低空平台的轻小型航空飞机和无人机所构建的立体观测系统，为全天候、全天时精 确地观测全球地表覆盖提供了可能。为了有效地推进这一发展，高分辨率对地观测系统已经被列人 《国家中 长期科学和技术发展规划纲要 2006～2020年 》所部署的16个重大专项之— 中华人民共和国国务院，2006o 高分辨率遥感影像在较细尺度下监测地表局部细节变化上具有无可比拟的优越性，并且已经在大比例尺地 形图测绘 Holland，eta1．，2006 、土地利用一土地覆盖分类 Zhou，eta1．，2009 以及灾害管理 Li，eta1．， 2010 等其他诸多领域都被证明有着巨大的应用潜力。以灾害监测和评估为例，借助于高分辨率的卫星影像以 及航空影像等，不仅可以评估地震所造成的道路和房屋损毁区域，还为统计倒塌房屋的数量提供了可能。海量 的高分辨率遥感影像为各种实际应用提供了丰富的数据源，同时也给影像的解译工作带来了挑战。人工 目视解 译方法虽然能够取得较高的解译精度，但是其费时费力，需要消耗极大的人力成本，且难以满足实时f生的应用 需求。因此，发展高效的自动化或半自动化高分辨率遥感影像解译方法已成为遥感领域研究的热点之一。 由于分辨率的显著提升，高分辨率遥感影像往往表现出显著的 “同谱异物”和 “同物异谱”现象。当传 统的基于像素的影像分类解译方法应用于高分辨遥感影像时，分类结果表现为类 内差异性变大，类间差异性 变小，斑点噪声严重 Zhnageta1．，2009o目前，以eCognition为代表的面向对象分析方法是高分辨率遥感 影像分析的主流方法之一，但是，多尺度分割技术仍是其制约瓶颈，具体表现为尺度的划分难以把握，因而 效率低 ；如何分割出语义上有意义的对象块也尚未形成有效 的策略 Blaschke，2008，2010 。另一种以 FeatureAnalyst为代表的方法，利用特定形式的邻域来对影像的结构特征进行建模 Opitz，2008 ，该类方法 的主要缺陷是需要人为给定的空间像素邻域特征，并且学习算法对训练样本非常敏感，自适应能力弱。 主题模型是近年来提出用于文本建模的一类概率层次聚类模型，它对文本库中 “词”、“文档”和 “主题” 之间的条件概率关系进行建模，能够同时获得文档和词两个层面的概率语义描述 Hofrnann，2001；Bleieta1．， 2003o将主题模型的建模对象映射到高分辨率遥感影像的分析对象，即 “视觉词” 视觉分析对象时一般被 称为视觉词 对应 像“素”、“文档”对应 “邻域”或 对“象”、“主题”对应 “地物类别”，那么每个邻域或对 象内像素类别归属的判别问题十分 自然地被转换为判别每个文档中词的主题归属问题。因此，主题模型的内 在特点与高分辨率遥感影像分类应用需求十分吻合，借鉴其在 自然语义理解中的成功经验，将其应用到高分 辨率遥感影像分类领域是可行的，为弥补现有分析方法的不足提供了可能。 前期的研究结果证明，基于主题模型的分析方法能够同时建模影像中地物之间相互依存的共生关系以及 邻近像素之间的空间上下文关系 TangandSheneta1．，2013；Sheneta1．，2013o但是，①主题模型是一类 离散模型，它并不能建模多维连续的视觉特征，使用它分析多光谱影像时，需要首先借助于K．means等聚类 算法对多波段光谱特征进行量化，以形成离散的视觉词 易文斌和慎利等，2011；陶超等，2011；Xueta1．， 2013 ，然而，特征在聚类过程中所造成的信息损失将对影像分析的精度产生影响；②由于主题模型固有的 非监督属性，目前基于主题模型的遥感影像分析方法主要集中于非监督的分析模式；部分监督模式下的变体 模型也只能建模文档层面 即图像块 的监督信息。 因此，利用主题模型的建模优势，并在其框架下实现对多维连续视觉特征的直接建模，开展部分标注像 素样本给定下的高分辨率遥感影像半监督分类研究，将进一步拓展主题模型和半监督学习的研究和应用，对 于提高高分辨率遥感影像分类精度、推进其在灾害监测等方面的应用具有重要的意义。 作者简介：慎利，男，讲师。 ·18 · 2015年第 1期 2 国内外研究现状及发展动态分析 2．1 高分辨率遥感影像分类研究现状 及发展动态 由于分辨率的显著提升，高分辨率遥感影像在提供丰富的地表细节信息的同时，也往往表现出显著的 “同 谱异物”和 “同物异谱”现象。因此，当传统的基