集成DS证据理论和模糊集的建筑物检测方法

摘要：

针对目前建筑物检测方法普遍存在样本构建费时、自动化程度偏低、局限于某类建筑物等问题,提出一种基于对象的集成DS证据理论和模糊集的建筑物检测方法,以适用高分影像复杂场景下的建筑物自动检测.首先,在对象分割的基础上提取3个建筑物特征(MBI、MFBI、DR);然后,通过模糊集理论定义每个特征的概率分配函数,以初始化建筑物对象的概率;最后,采用DS证据理论融合3个建筑物特征实现建筑物区域的检测,并对结果进行后处理操作.结果表明:本文的建筑物检测精度优于其他提取方法,检测正确率达到0.85,F评分为0.77;在非密集建筑区的正确率和F评分分别为0.87和0.79;多源数据的建筑物检测结果表明,该方法具有较强的鲁棒性,正确率均能达到0.92.理论上,该方法可以结合任意数量的不同特征对不同建筑物进行检测,以提高检测的精度和鲁棒性.

关键词：Dempster-Shafer证据理论、模糊集、特征融合、建筑物提取、面向对象

所属期刊栏目：35

分类号：TP75(遥感技术)

资助基金：中央引导地方科技发展专项2017L3012

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：93-105