-
题名面向对象高分影像归纳式图神经网络分类法
- 1
-
-
作者
谢志伟
翟帅智
张丰源
陈旻
孙立双
-
机构
沈阳建筑大学交通与测绘工程学院
南京师范大学虚拟地理环境教育部重点实验室
南京师范大学江苏省地理环境演化模拟国家重点实验室培育建设点
南京师范大学江苏省地理信息资源开发与应用协同创新中心
南京师范大学环境学院
-
出处
《测绘学报》
EI
CSCD
北大核心
2024年第8期1610-1623,共14页
-
基金
国家自然科学基金(42101353)
教育部人文社会科学研究一般项目(21YJC790129)
辽宁省教育厅基本科研项目(LJKMZ20220946,LJKMZ20222128)。
-
文摘
传统面向对象分类多采用遥感影像的光谱特征,忽略了影像对象之间的空间特征。本文提出了一种采用改进归纳式图神经网络的高分遥感影像面向对象分类方法,实现了光谱-空间复合节点相似度的融合系数自适应调节,以及邻域节点采样最佳数量的自动确定。首先,改进KNN图构建方法,采用标准差信息量评价法确定用于构建光谱特征和空间特征的复合节点相似度的融合系数;然后,利用反馈曲线法确定最佳的采样邻域节点数量,使用GraphSAGE节点嵌入完成特征表达;最后,依托Softmax函数预测节点类别。以GID和BDCI2017数据集为试验数据,本文的构图方法相较于改进前的构图方法在分类精度上有所提升。本文分类方法的平均Kappa系数和总体精度分别优于CART分类树算法、GCN算法、GAT算法、LANet算法、CCTNet算法和SLCNet算法0.31、0.14、0.13、0.12、0.08、0.02和42.31%、7.4%、6.73%、8.69%、6.03%、1.52%,并且在植被和建设用地提取上具有较好的稳健性。本文方法为高分遥感影像土地覆盖分类提供了有效的工具。
-
关键词
高分遥感影像
GraphSAGE
节点连接权重
聚合节点
土地覆盖分类
-
Keywords
high-resolution remote sensing images
GraphSAGE
node connection weights
aggregation nodes
land cover classification
-
分类号
P237
[天文地球—摄影测量与遥感]
-