基于BOVW和SVM的城市土地类型遥感变化监测研究

【目的】研究城市土地类型的变化,分析城市进化过程对环境气候、城市发展以及政府决策产生的影响。【方法】以15～30 m分辨率的NWPU-RESISC45标准数据集和哈尔滨城区Landsat 8遥感影像为实验数据,制作了包含城市建筑及道路、水体、植被、裸地4种土地类型的遥感影像数据集。在实验数据中加入纹理信息,提取SIFT(scale-invariant feature transform, SIFT)特征点。通过K-means聚类算法获取包含大量语义信息的视觉词典,从而构造视觉词袋模型(bag of visual words, BOVW)。然后将BOVW提取的特征点与支持向量机(support vector machine, SVM)分类器结合,对制作的数据集进行分类。最后,利用2013年、2019年同一季节Landsat 8影像,以哈尔滨市松北区为例计算各土地类型的位置及面积变化信息。【结果】基于BOVW和SVM的分类结果与5种单一分类模型和3种“特征提取+分类器”模型对比,发现使用尺寸为550个词汇的视觉词典时,本研究模型的分类与变化监测精确度分别为79.40%、79.29%。结合哈...