多共性特征联合的Landsat 8 OLI遥感影像光伏电站提取

Shengli WANG,Lianpeng ZHANG,Shouhong ZHU,Li JI,Qi CHAI, Yang SHEN,Rui ZHANG

Bulletin of Surveying and Mapping（2018）

Cited 4|Views3

No score

Abstract

遥感监督学习算法具有高度的样本依赖性,因遥感成像辐射偏差导致的数据不准确给监督分类带来较大的挑战,迸而给资源监测与分析带来极大的应用困扰.本文针对在不同大气、辐射、光照和成像几何等条件下引起的不同时期和不同空间位置遥感图像上同一类别的分布存在差异现象,提出了一种多共性特征联合的Landsat 8 OLI遥感影像光伏电站提取方法.在分析光伏电站光谱不确定性(数据偏移和波形变异)规律的基础上,尝试将变换后的光谱特征、波形、纹理和波段比值等稳定性强的特征相结合,以期利用多特征间的互补性优势提高算法的泛化性能.首先将遥感影像的RGB波段转换为HLS格式,根据亮度维L计算FT纹理特征,同时加入色度H、饱和度S作为光谱特征,然后将光谱角和波段比值等对像元亮度值变化不敏感的特征考虑在内,以一类支持向量机(OCSVM)作为分类器.试验结果表明,该方法不仅能够有效克服光谱的亮度值差异,且对结构复杂的光伏电站有较好的提取效果.

Translated text

AI Read Science

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper

Chat Paper

Summary is being generated by the instructions you defined