一种鲁棒性的遥感图像地域分类新方法.pdfVIP

维普资讯 第l7卷．第8期 计 算 机 技 术 与发 展 Vo1．17 No．8 2007年8月 ∞ M )1nERTECHNOID GYANDDEVELOPMENT Aug． 2007 一 种鲁棒性的遥感图像地域分类新方法 陈以超 ，洪汉玉 ，一，王 俊 ，张 剑 ，王成刚 (1．武汉工程大学 图像处理与智能控制实验室，湖北 武汉 430074； 2．华中科技大学 图像识别与人工智能研究所，湖北 武汉 430074) 摘 要：目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此，提出了一种 基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图 像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息；然后利用重采样策略，在联合域中对新的样本集合进行 加权均值平移滤波，找到图像各区域的核密度函数局部最大值，通过迭代移动附近的数据点到此局部最大值；最后对各个 分割区域进行合并，得到最终的分类图。实验结果表明，算法可获得高精度的遥感图像分类结果，且具有很强的鲁棒性。 关键词：遥感图像分类；核密度估计；非参数化；特征空间；重采样策略 中图分类号：P751 文献标识码 ：A 文章编号：1673—629X(2007)08—0136—04 A New RobustApproachforRemoteSensingImage RegionalClassification CHENYi—chao，HONGHan-yu，一，WANGJun ，ZHANGJian ，WANGCheng-gang (1．Lab．forImageProcessingandIntelligentControl，Wuhna Inst．ofTechn．，Wuhan430074，China； 2．Inst．forPatternRecognitionandArtificialIntelligence， HuazhongUniv．ofSci．nadTechn．，Wuhan430074，China) Abstract：Themainproblemofrme otesensingimageclassificationisthecontradictionofclassifiactionprecisionandalgorithm ccxnplexity， andalgorithmhekirigofrobust．Therefore，amulti—modelrobustapproachofremotesensingimageclassifiactionbasedonlion—parame— terkerneld~ sityestimationofresamplingstrategyinfeaturespaceandedgedetcetionisproposedinhtispaperThedegegradientna ddi— rectioninfommtionareobtainedbyedgedetectionofremotesensing．Thne thenew samples setsareweightde meanshiftfilteringtofind kerneldensityfunctionbcalmaximumofimageeachregoinusing resampling strategyinhtejointspatial—ldl~emaainanddatapoints areshiftde hteloaclmaxim