利用多数据源进行 30 米土地覆盖制图的概率图模型方法
应用统计
2016-12-13 v1 计算机视觉与模式识别
摘要
使用多源分类方法获取高精度土地覆盖图已成为一种趋势，其中大多数方法基于数据融合，尤其是像素级或特征级融合。本研究提出了一种概率图模型方法，利用多时相 Landsat 和中分辨率成像光谱仪 (MODIS) 数据进行 30 米分辨率土地覆盖制图。将独立分类器分别应用于两个单日期 Landsat 8 场景和 MODIS 时间序列数据进行概率估计。为 Landsat 8 数据中的每个像素创建了一个 PGM。通过选择性使用信息，基于数据质量和可靠性计算了条件概率分布。以北京市行政区域（区域 1）和中国山东省沿海地区（区域 2）为研究区，生成了多幅土地覆盖图以进行比较。定量结果展示了所提方法的有效性。区域 1 的总体精度从 74.0%（从单时相 Landsat 图像获取的地图）提高到 81.8%（PGM 的输出）。当使用 MODIS 数据和仅一幅单时相 Landsat 图像作为输入时，也能看到改善（区域 1 的总体精度：78.4% 对 74.0%，区域 2 的总体精度：86.8% 对 83.0%）。当 PGM 应用于无云区域时，MODIS 数据的信息并没有太大帮助。所提方法的一个优点是，它可以应用于多时相数据无法简单堆叠为多层图像的情况。
引用
@article{arxiv.1612.03373,
title = {A probabilistic graphical model approach in 30 m land cover mapping with multiple data sources},
author = {Jie Wang and Luyan Ji and Xiaomeng Huang and Haohuan Fu and Shiming Xu and Congcong Li},
journal= {arXiv preprint arXiv:1612.03373},
year = {2016}
}
备注
38 pages, 5 figures