一种基于DTSVM的遥感图像分割方法.pdfVIP

第 34卷 第 3期 合 肥 工 业 大 学 学报 (自然科学版) Vo1．34NO．3 2011年 3月 JOURNAIOFHEFEIUNIVERSITYOFTECHNOIOGY M ar．2011 一 种基于DTSVM 的遥感图像分割方法 苏 菱， 吴克伟 ， 黄 帅 (合肥工业大学 计算机与信息学院，安徽 合肥 230009) 摘 要：文章针对城市遥感图像的目标分布特点 ，提出一种基于改进DTSVM 的遥感图像分割方法。实验引 入样本的聚类特性改善 DTSVM模型分类精度，对城市遥感图像中的区域进行语义标注并提取特征，通过训 练改进分类模型得到分割结果。实验结果表明，该方法能比较准确地分割出关注语义的 目标区域，并有效避 免了遥感图像的过分割问题。 关键词：遥感图像分割；语义；支持向量机 中图分类号：TP242．62 文献标识码 ：A 文章编号：1003—5060(2011 A segmentationmethodofremotesensingimagebasedonDTSVM SU Ling， WU Ke—wei， HUANG Shuai (SchoolofComputerandInformation，HefeiUniversityofTechnology，Hefei230009，China) Abstract：Inviewoftheohjectdistributioncharacteristicsofurbanremotesensingimages，thispaperproposes aremotesensingimagesegmentationmethodbasedonimproveddecisiontreesupportvectormachine(DTS— VM)．TheclusteringcharacteristicsoftestingsamplesisusedtoimprovetheclassificationaccuracyofDTS VM mode1．andfeaturesareextractedfrom thesemantiaelly-annotatedregionsonurbanremotesensingima— ges．ThenbytrainingtheimprovedDTSVM modelwiththesefaetures，thesemg entationresultsoftesting imagesareobtained．Theexperimentalresultsdemonstratethattheproposedmethodprovidesasatisfactory semg entationofconcernedsemanticobjectsandtheover-segmentationofremotesensingimagesiseffectively avoided． Keywords：remotesensingimagesegmentation；semantics；supportvectormachine(SVM) 城市遥感图像通常都包含主要建筑、绿化带、 广泛用于 目标识别、人脸检测、文本分类等领域。 道路等几类固有 目标，但一般都存在 目标分布不 在遥感图像分割上 SVM 方法也有一定应用，文 集 中、地物的图像特征 (灰度、颜色、形状等)差别 献[4]采用主动学习的 SVM 算法进行有监督的 较大以及 图像细节难 以把握等特点。传统不含 像素分类，以降低计算时间，并提高聚类质量；文 “高层知识约束”的分割方法，如基于像素聚类的 献Es]研究了SAR纹理 图像的MARMA模型得 K—means方法、蚁群算法等l1卫]，由于缺乏对图像 到多尺度特征矢量，通过使用广义加权 SVM 方 空间特征和像素特征的综合考虑，对阴影、遮挡等 法进行特征分类，实现 SAR图像的分割 。此外， 噪声过于敏感，会导致对一致性区域的过