公开(公告)号：CN106548141B

公开(公告)日：2019-07-26

申请号：CN201610934973.1

申请日：2016-11-01

Applicant: 南京大学

Inventor： 马磊 ,  高宇 ,  李满春 ,  陈探 ,  傅腾宇 ,  周桢津 ,  张戈 ,  汤皓卿 ,  陈振杰

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06T7/12 ,  G06T7/62 ,  G06T7/66

Abstract: 本发明涉及一种基于三角网的面向对象耕地信息自动提取方法，其步骤为：利用多尺度分割法对高空间分辨率影像进行分割；剔除长条状分割对象（道路，沟渠等）；提取剩余分割对象的中心点；利用中心点构建三角网；对三角网进行剥皮操作；使用AUTOCLUST聚类算法构建三角网，并聚类；利用V图约束，优化聚类结果，避免过度聚类和欠聚类；利用最大方差约束，剔除剩余的零星林地；得到耕地提取结果并进行精度评估。本发明克服了高空间分辨率遥感影像数据量大，处理难的问题，充分利用分割后的对象提供的语义信息，通过剔除居民地和道路等对耕地信息提取造成干扰的对象，从而高效地进行耕地信息的自动提取，并保证耕地提取的整体性。

公开(公告)号：CN106548141A

公开(公告)日：2017-03-29

申请号：CN201610934973.1

申请日：2016-11-01

Applicant: 南京大学

Inventor： 马磊 ,  高宇 ,  李满春 ,  陈探 ,  傅腾宇 ,  周桢津 ,  张戈 ,  汤皓卿 ,  陈振杰

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06T7/12 ,  G06T7/62 ,  G06T7/66

CPC classification number: G06K9/0063 ,  G06K9/342 ,  G06K9/6218 ,  G06T2207/10032 ,  G06T2207/20016 ,  G06T2207/20021 ,  G06T2207/30188

Abstract: 本发明涉及一种基于三角网的面向对象耕地信息自动提取方法，其步骤为：利用多尺度分割法对高空间分辨率影像进行分割；剔除长条状分割对象（道路，沟渠等）；提取剩余分割对象的中心点；利用中心点构建三角网；对三角网进行剥皮操作；使用AUTOCLUST聚类算法构建三角网，并聚类；利用V图约束，优化聚类结果，避免过度聚类和欠聚类；利用最大方差约束，剔除剩余的零星林地；得到耕地提取结果并进行精度评估。本发明克服了高空间分辨率遥感影像数据量大，处理难的问题，充分利用分割后的对象提供的语义信息，通过剔除居民地和道路等对耕地信息提取造成干扰的对象，从而高效地进行耕地信息的自动提取，并保证耕地提取的整体性。

公开(公告)号：CN111259961A

公开(公告)日：2020-06-09

申请号：CN202010050545.9

申请日：2020-01-17

Applicant: 南京大学

Inventor： 马磊 ,  傅腾宇 ,  李满春 ,  陈振杰 ,  程亮

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明涉及一种基于主动学习的面向对象分类方法,所述方法提供了一种评估分割对象混合程度的新指标——明确度，能够将分割对象划分为“明确对象”和“不确定对象”。通过评估不确定对象（混合对象）对分类的影响并结合主动学习技术的优势，确定训练样本中20%的明确对象和80%的不确定对象的分配比例，是最佳比例，继而得到一个高效的主动学习采样策略，最终获得稳定优异的训练样本对象集。本发明克服了由于OBIA分割技术的限制，分割结果出现大量混合对象，而导致的分类表现不佳、不稳定的问题。