基于概率图模型的高分二号高分辨率影像与 Landsat 8 时间序列水体制图方法
应用统计
2016-12-26 v1 计算机视觉与模式识别
摘要
本文旨在评估高分二号（GF-2）高分辨率多光谱（MS）传感器与全色（PAN）影像在水体制图中的潜力。高分辨率数据水体制图的难点包括：1）水体与阴影或其他低反射率地物之间的错分，主要由给定波段范围内的光谱相似性引起；2）尺寸小于 MS 影像空间分辨率的小水体。为解决水体与低反射率地物间的混淆问题，引入了包含两个短波红外（SWIR）波段的 Landsat 8 时间序列，因为水体在 SWIR 波段具有极强的吸收作用。为了整合这三种多传感器、多分辨率数据集，本文利用了概率图模型（PGM），其条件概率分布主要基于每个目标的尺寸来定义。作为对比，计算了 PCA 融合与 MS 数据上的 SVM 分类结果、PAN 影像上的阈值法结果以及 Landsat 数据上的水体指数法结果。计算了所有方法的混淆矩阵。结果表明，PGM 方法能够取得最佳性能和最高的总体精度。此外，通过在 PGM 中对 PAN 结果赋予权重，也可以提取小河流。最后，对 PGM 结果应用后分类处理，以进一步排除阴影和水陆边界区域的错分。因此，制图者精度、用户精度和总体精度均得到提升，表明了本方法的有效性。
引用
@article{arxiv.1612.07801,
title = {Probabilistic graphical model based approach for water mapping using GaoFen-2 (GF-2) high resolution imagery and Landsat 8 time series},
author = {Luyan Ji and Jie Wang and Xiurui Geng and Peng Gong},
journal= {arXiv preprint arXiv:1612.07801},
year = {2016}
}
备注
17 pages, 9 figures, 6 tables