基于AdaBoost的高分辨率遥感影像城市绿地提取算法

doi:10.3778/j.issn.1002-8331.2008.20.008

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (20): 23-25.DOI: 10.3778/j.issn.1002-8331.2008.20.008

基于AdaBoost的高分辨率遥感影像城市绿地提取算法

许凯¹,秦昆¹,杜鹢²

1.武汉大学遥感信息工程学院，武汉 430079
2.通信网络技术管理中心，北京 100840

收稿日期:2008-03-12 修回日期:2008-04-22 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 许凯

New algorithm of extraction of urban vegetation from high resolution image based on AdaBoost

XU Kai¹,QIN Kun¹,DU Yi²

1.Information Engineering of Remote Sensing，Wuhan University，Wuhan 430079，China
2.Communication Network Technology Management Center，Beijing 100840，China

Received:2008-03-12 Revised:2008-04-22 Online:2008-07-11 Published:2008-07-11
Contact: XU Kai

摘要/Abstract

摘要： 针对高分辨率遥感影像中城市绿地的光谱、纹理及NDVI等特征，提出了一种基于多特征、多检测器组合的高分辨率遥感影像绿地提取算法。该算法分别以城市绿地的光谱信息、纹理及NDVI来构造提取绿地的弱检测器，并通过AdaBoost算法进行训练，将弱检测器加权组合构成提取绿地的强检测器。对武汉地区Quick Bird影像进行了绿地提取实验，实验结果表明该方法可以高效并准确地提取出绿地信息，优于传统的单一采用光谱信息或纹理信息的绿地提取算法。

关键词: AdaBoost, 绿地, Quick Bird, NDVI, 纹理

Abstract: This paper focuses on the extraction of urban vegetation from high resolution remote sensing image.A new algorithm of segmentation of urban vegetation from Quick Bird image based on AdaBoost is proposed.The new algorithm combines all weak detectors which are constructed by spectral images，NDVI and textures to form a strong vegetation detector.Finally，the experiments show that this method can extract vegetation in Quick Bird image exactly，and more effectively than traditional algorithm.

Key words: AdaBoost, vegetation, Quick Bird, NDVI, texture

许凯¹,秦昆¹,杜鹢². 基于AdaBoost的高分辨率遥感影像城市绿地提取算法[J]. 计算机工程与应用, 2008, 44(20): 23-25.

XU Kai¹,QIN Kun¹,DU Yi². New algorithm of extraction of urban vegetation from high resolution image based on AdaBoost[J]. Computer Engineering and Applications, 2008, 44(20): 23-25.

[1]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[2]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[3]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[4]	陈熙，道尔吉，李运兰，韦立，夏道勋，熊祥光. 多方向局部相位量化模式及纹理分类[J]. 计算机工程与应用, 2020, 56(13): 216-222.
[5]	刘颖，刘倩，李大湘，杨文宗. 基于PTM模型文物纹理映射算法[J]. 计算机工程与应用, 2020, 56(12): 209-214.
[6]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[7]	杨燕，王慧青，焦越. 结合视点变换的三维地形无缝绘制算法[J]. 计算机工程与应用, 2020, 56(1): 238-243.
[8]	弓剑锋1，韩建栋1，邓一凡2. 基于运动特征及位置估计的行人检测算法[J]. 计算机工程与应用, 2019, 55(7): 138-144.
[9]	丁华，王晓东，章联军，陈晓爱，赖佩霞. 基于SLIC融合纹理和直方图的图像显著性检测[J]. 计算机工程与应用, 2019, 55(3): 159-166.
[10]	张凯兵，王珍，闫亚娣，朱丹妮. 优化的AdaBoost回归图像超分辨方法[J]. 计算机工程与应用, 2019, 55(20): 159-163.
[11]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[12]	李婷，张景祥. 集中趋势自适应增强的英语作文评分算法[J]. 计算机工程与应用, 2018, 54(9): 151-155.
[13]	曹万鹏，罗云彬，史辉. 抗外点干扰的鲁棒AdaBoost分类器构建方法[J]. 计算机工程与应用, 2018, 54(7): 132-137.
[14]	罗岱，陶洋，杨刚. 基于面部特征约束的人脸纹理映射及变形[J]. 计算机工程与应用, 2018, 54(6): 188-192.
[15]	翟夕阳，王晓丹，李睿，贾琪. 基于信息熵的RVM-AdaBoost组合分类器[J]. 计算机工程与应用, 2018, 54(5): 138-143.

基于AdaBoost的高分辨率遥感影像城市绿地提取算法

New algorithm of extraction of urban vegetation from high resolution image based on AdaBoost

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics