文献类型：期刊文章

作　　者：王志盼[1,2,3] 沈彦[2,3] 王亮[1] 张清凌[4] 尤淑撑[5]

WANG Zhipan;SHEN Yan;WANG Liang;ZHANG Qingling;YOU Shucheng(School of Urban-Rural Development,Shaoyang University,Shaoyang 422000,China;Hunan Provincial Land and Resources Planning Institute,Changsha 410007,China;Hunan Key Laboratory of Land Resources Evaluation and Utilization,Changsha 410007,China;School of Aeronautics and Astronautics,Sun Yat-Sen University,Shenzhen 510006,China;Land Satellite Remote Sensing Application Center,Ministry of Natural Resources,Beijing 100048,China)

机构地区：[1]邵阳学院城乡建设学院,湖南邵阳422000 [2]湖南省国土资源规划院,湖南长沙410007 [3]国土资源评价与利用湖南省重点实验室,湖南长沙410007 [4]中山大学航空航天学院(深圳校区),广东深圳510006 [5]自然资源部国土卫星遥感应用中心,北京100048

出　　处：《武汉大学学报（信息科学版）》

基　　金：国家重点研发计划(2017YFB0504204);中国科学院百人计划(2015)。

年　　份：2020

卷　　号：45

期　　号：10

起止页码：1610-1618

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、GEOBASE、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现有机器学习方法在高分辨率遥感影像建筑物识别等领域需要正负训练样本同时参与,提出了一种基于一类样本、无需负样本参与的单分类建筑物变化检测算法。首先,提取影像的形态学建筑物指数特征;然后与光谱特征进行多特征融合,并基于该单类分类方法,从面向对象的角度出发,得到对象级建筑物变化检测结果;最后利用构建的一种新的形状特征进行精化,得到最终的建筑物变化检测结果。通过对多源高分辨率遥感影像开展实验,验证了该算法具有一定的鲁棒性,且相比于现有建筑物变化检测算法具有更优的检测精度。

关 键 词：单分类器  多特征融合 高分辨率遥感影像 建筑物变化检测  面向对象

分 类 号：P237]