基于威布尔分布的无人机可见光遥感图像土地覆盖分类.pdfVIP

基于威布尔分布的无人机可见光遥感图像土地覆盖分类

摘要

土地覆盖分类是农业资源调查、勘测的基础工作。与高分辨率卫星遥感图像相

比，无人机可见光遥感图像获取的便捷性和低成本使其在农业资源调查、勘测设计

中应用广泛。为了提高小范围内无人机可见光遥感图像土地覆盖分类精度，本文研

究了基于威布尔分布的无人机可见光遥感图像土地覆盖分类算法。其主要工作如

下：

（1）引入威布尔分布改进的像素级土地覆盖分类。首先，定义黄金矩形地块

指数从标记地块中选择采样地块，并依据所选地块的黄金矩形构建对数螺线选择

训练样本。然后提取以样本点为中心的像素块，应用颜色特征基准点、邻域像素，

计算像素块中每个像素点的色差和强度差信息，获得各样本点的颜色-空间联合特

征信息。再分析联合特征概率密度特点，构建多维混合威布尔分布模型，根据Jensen

不等式及模糊最大似然分类思想构造求解模型的目标函数，迭代求解每个样本点

的多维联合特征混合威布尔分布。最后，提取各待测样本点的颜色-空间联合特征

信息，计算其混合威布尔分布，并依据定义的相似性测度实现各待测样本点分类。

通过无人机实际采集数据的实验结果显示，引入威布尔分布改进的像素级土地覆

盖分类总体分类精度可达到98.6%，表现出良好的分类效果。

（2）改进超像素分割的威布尔分布土地覆盖分类。由于基于像素点分类数据

量大，耗时较长，提出基于超像素分割的威布尔分布土地覆盖分类。首先提取网格

点。然后重构了一种距离度量及密度度量，用于选择超像素中心以进行密度峰值聚

类。接着提取部分聚类中心以及异质像素点作为训练样本。最后针对最大似然算法

在小样本量参数估计时可能存在失效的问题，采用最大间距乘积思想构建多维混

合威布尔分布的目标函数，进行交叉迭代求解，获得改进超像素分割的威布尔分布

土地覆盖分类。实验显示：改进超像素分割算法边界回召率达到了92.8%，总体分

类精度可达到98.4%；处理40万数量级遥感图像仅需要4.35分钟，具有较好的分

类效率。

本文研究无人机可见光遥感图像，构建了基于颜色-空间特征的威布尔分布土

地覆盖分类方法，实现小范围较高精度的可见光遥感图像土地覆盖分类。但在特征

提取部分需要手动设置超参数，其自适应算法尚需进一步的研究。

关键词：无人机可见光遥感图像，土地覆盖分类，颜色-空间联合特征信息，多维

混合威布尔分布

LandCoverClassificationofUAVVisibleRemoteSensing

BasedonWeibullDistribution

ABSTRACT

Landcoverclassificationisfundamentalforagriculturalresourceinvestigationand

surveying.Comparedwithhigh-resolutionsatelliteimagery,UAVarewidelyusedin

agriculturalresourceinvestigationandsurveyingdesignbecauseoftheirconvenienceand

lowcost.Inordertoimprovethelandcoverclassificationaccuracyofvisibleremote

sensingimageswhicharetakeninasmallrangebyUAV,thisthesisfocusesonaland

coverclassificationalgorithmbasedonWeibulldistribution.Itsmainworkisasfollows.

AWeibulldistributionisintroducedforpixel-levellandcoverclassification.Firstly,

theindexofthegoldenrectanglepatchisdefinedtoselectpatchesforsamplingfrom

label