Home > Journal Publications

陈铁桥,柳稼航,朱锋,王一豪,刘佳,陈杰.适用于遥感分类的多邻域粗糙集加权特征提取方法[J].武汉大学学报(信息科学版),2018,43(02):311-317.[DOI：10.13203/j.whugis20150290]

Hits:

Release time:2021-06-17

Abstract:邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。
Indexed by:Journal paper
Translation or Not:no
Included Journals:EI
Links to published journals:https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2018&filename=WHCH201802022&v=b1ZAusRttnJbZy9KrKXVfKItzw0MECfOpd8wPY828vN30epiOnkGT11TcNMuuW1D

Pre One:Chen J, Liu H, Hou J, et al. Improving Building Change Detection in VHR Remote Sensing Imagery by Combining Coarse Location and Co-Segmentation[J]. ISPRS International Journal of Geo-Information, 2018, 7(6): 213.[DOI：10.3390/ijgi7060213]

Next One:He J, Sun X, Li W, et al. A new pheromone update strategy for ant colony optimization[J]. Journal of Intelligent & Fuzzy Systems, 2017, 32(5): 3355-3364.[DOI:10.3233/jifs-169276]