高分辨率遥感影像中全局与局部显著性结合的居民区提取方法

本文是一篇发表在2016年7月《IEEE Transactions on Geoscience and Remote Sensing》的研究论文，标题为"高空间分辨率遥感影像中居民区提取的全局和局部显着性分析"。作者Libao Zhang、Aoxue Li、Zhongjun Zhang和Kaina Yang探讨了在高空间分辨率遥感影像中有效提取居民区的重要性，因为这些提取结果在灾害评估、城市扩张和环境变化研究等领域具有广泛应用。 论文的核心挑战在于如何确保从遥感图像中提取的居民区边界清晰、区域均匀且背景冗余低。为了满足这些标准，研究者提出了一个全局和局部显着性分析模型（GLSA）。这个模型结合了两种方法：基于四元数傅立叶变换（Quaternion Fourier Transform, QFT）的全局显着性地图和基于自适应方向增强小波变换（Adaptive Directional Enhancement Wavelet Transform, ADE-LWT）的全局显着性地图。 QFT被用于捕捉高分辨率遥感图像中的全局特征，它能够有效地处理非线性和频率相关的数据，从而更好地识别出居民区的总体模式和独特纹理。而ADE-LWT则通过自适应地增强图像的方向信息，能够突出显示居民区的细节特征，如建筑群落的结构和布局，进一步提高提取精度。 GLSA模型通过整合这两种全局显着性映射，旨在实现对居民区的综合评估，既能捕捉整体的视觉显著性，又能关注局部的特征细节。通过这种方式，模型能够更准确地区分住宅区域与周围环境，降低背景干扰，从而提高居民区提取的质量和可靠性。 总结来说，这篇论文是一项创新性的遥感图像处理技术，为高空间分辨率遥感数据中的居民区提取提供了一种有效的方法，对于提升地理信息系统应用的精确性和效率具有重要意义。