基于視覺特征的高分辨率光學(xué)遙感影像多任務(wù)分類研究

祁昆侖

1.中國地質(zhì)大學(xué)(武漢)信息工程學(xué)院，湖北 武漢 430074；2.中國地質(zhì)大學(xué)(武漢)國家地理信息系統(tǒng)工程技術(shù)研究中心，湖北 武漢 430074

?

基于視覺特征的高分辨率光學(xué)遙感影像多任務(wù)分類研究

祁昆侖

1.中國地質(zhì)大學(xué)(武漢)信息工程學(xué)院，湖北 武漢 430074；2.中國地質(zhì)大學(xué)(武漢)國家地理信息系統(tǒng)工程技術(shù)研究中心，湖北 武漢 430074

計(jì)算機(jī)技術(shù)的進(jìn)步推動(dòng)了高分辨率遙感圖像空間信息智能提取相關(guān)研究的發(fā)展，如何利用計(jì)算機(jī)視覺領(lǐng)域的特征表達(dá)有效地描述高分辨率遙感圖像，并采用高效的分類模型融合不同的特征，是當(dāng)前遙感圖像自動(dòng)化解譯的一種有效思路。

遙感影像分辨率的提升使得遙感場景越來越復(fù)雜，但同時(shí)地面目標(biāo)也越來越清晰。由于遙感地物種類繁多，地物的細(xì)節(jié)信息也變得豐富，大量的研究將計(jì)算視覺中的特征提取技術(shù)成功應(yīng)用于高分辨率遙感圖像解譯領(lǐng)域。高分辨率遙感圖像的場景識(shí)別是當(dāng)前遙感領(lǐng)域的研究熱點(diǎn)之一，場景識(shí)別能夠作為目標(biāo)識(shí)別和檢索的基礎(chǔ)并提供參考信息，有效地提高了圖像解譯的性能。將計(jì)算機(jī)視覺中高效的視覺特征和分類模型引入高分辨率遙感場景分類，能夠促進(jìn)高分辨率遙感圖像自動(dòng)解譯的進(jìn)一步發(fā)展。

本文主要研究了高分辨率遙感場景相關(guān)的特征表達(dá)和分類模型。改進(jìn)了一種能夠融合外觀信息和空間信息的緊湊表達(dá)，提升了高分辨率遙感圖像特征的辨識(shí)力，使其更適合于遙感圖像的描述?？紤]到當(dāng)前視覺特征多種多樣，而每種特征能夠從不同方面描述遙感圖像，不同特征對于不同類別的描述能力不盡相同，因此本文采用了多任務(wù)學(xué)習(xí)的方法進(jìn)行組合不同特征，利用不同特征下遙感圖像分類任務(wù)之間的相關(guān)性，同時(shí)學(xué)習(xí)了多個(gè)任務(wù)以提高遙感圖像場景分類的性能。本文的主要研究內(nèi)容及創(chuàng)新點(diǎn)包括以下幾個(gè)方面：

(1) 針對傳統(tǒng)Correlaton模型忽略像素一致性的問題，提出了一種基于多尺度分割的Correlaton模型。Correlaton模型是一種融合外觀和空間信息的圖像特征表達(dá)方法，基于視覺單詞的Correlogram矩陣生成的一種緊湊特征表達(dá)，不僅能夠提升特征的辨識(shí)力，而且有效地減少了模型過擬合的風(fēng)險(xiǎn)。本文采用多尺度分割的方法替代傳統(tǒng)的Correlaton模型中基于距離的方法生成Correlogram矩陣，將像素一致性融入空間信息中，進(jìn)一步提升了Correlaton特征的描述力，提高了遙感圖像的分類精度。

(2) 針對傳統(tǒng)Correlaton模型中特征量化誤差問題，提出了一種基于稀疏編碼的Correlaton模型。傳統(tǒng)Correlaton模型采用k-均值聚類的方法生成詞匯表，計(jì)算了距離最近的聚類中心“替代”局部特征生成視覺單詞，這種“替代”的方法會(huì)造成特征量化誤差，大大減弱了局部特征本身的描述能力。稀疏編碼的方法能夠利用線性組合的方式“重構(gòu)”特征向量，從而減少視覺詞匯的量化誤差。本文基于稀疏編碼生成視覺詞匯，提出了一種適合于Correlaton表達(dá)的視覺詞匯映射策略，改進(jìn)了傳統(tǒng)Correlaton模型中的量化誤差問題，提高了遙感圖像的分類性能。

(3) 針對單一特征表達(dá)能力限制問題，本文基于多任務(wù)學(xué)習(xí)，提出了一種多任務(wù)聯(lián)合稀疏和低秩表示的圖像分類模型。模型對不同特征表達(dá)任務(wù)進(jìn)行稀疏和低秩約束，提升了模型的抗差性。模型融合不同的遙感圖像特征表達(dá)，從而得到優(yōu)于單任務(wù)學(xué)習(xí)模型的分類精度，稀疏和低秩約束減少任務(wù)之間的冗余性，最終提高了遙感圖像場景的特征表達(dá)能力和分類性能。

Author：Qi Kunlun (1986—),male,received his doctoral degree from Wuhan University on June 2016 (PhD advisor:Prof.Wu Huayi and Prof.Gong Jianya),majors in high-resolution remote sensing image processing.

E-mail：qikunlun@cug.edu.cn

Multi-task Classification of High Resolution Optic Remote Sensing Images Based on Visual Features

QI Kunlun

1.Faculty of Information Engineering,China University of Geosciences (Wuhan),Wuhan 430074,China; 2 National Engineering Research Center of Geographic Information System,China University of Geosciences (Wuhan),Wuhan 430074,China

祁昆侖.基于視覺特征的高分辨率光學(xué)遙感影像多任務(wù)分類研究[J].測繪學(xué)報(bào)，2017,46(6)：802.

10.11947/j.AGCS.2017.20170081.QI Kunlun.Multi-task Classification of High Resolution Optic Remote Sensing Images Based on Visual Features[J].Acta Geodaetica et Cartographica Sinica,2017,46(6):802.DOI:10.11947/j.AGCS.2017.20170081.

P237

D

1001-1595(2017)06-802-01

國家973項(xiàng)目(2012CB719906)；測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室開放基金(16R04)

2017-02-22

祁昆侖(1986—)，男，2016年6月畢業(yè)于武漢大學(xué)，獲工學(xué)博士學(xué)位(指導(dǎo)教師：吳華意教授、龔健雅教授)，研究方向?yàn)楦叻直媛蔬b感圖像處理。