基于分层特征关联条件随机场的遥感图像分类

？针对高分辨率遥感图像分类中空间上下文信息表达的难题,提出了一种新的多尺度条件随机场(crf)模型。首先将图像内容表示成从细到粗三个超像素层:区域层、对象层、场景层,并将超像素特征逐层关联形成特征向量;再利用支持向量机(svm)定义crf关联势函数,利用相邻超像素特征对比度加权的potts模型定义crf交互势函数,最后形成一个分层特征关联的多尺度svm-crf模型。以quickbird遥感图像中两个复杂场景为测试数据对该模型的分类有效性进行了验证,结果表明:该模型比基于上述三个超像素层的单尺度svm-crf模型分类精度分别平均提高了2.68%、1.66%、3.75%,而且分类时耗时较少。