集成DS证据理论和模糊集的建筑物检测方法

作者：张仕山,孙振海,汪小钦,储国中,黄书海

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。

发文机构：福州大学空间数据挖掘和信息共享教育部重点实验室 卫星空间信息技术综合应用国家地方联合工程研究中心 数字中国研究院（福建） 军事医学研究院

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Dempster-Shafer evidence fusionfuzzy setfeature fusionbuilding extractionobject-based

分类号： TP75[自动化与计算机技术—检测技术与自动化装置]