软硬结合分类方法提取特定地物信息——以冬小麦为例

发布时间：2021-02-15 08:31

　　[目的]针对影像上纯净、混合像元共存的现象,文章结合硬分类方法和软分类方法各自的优势,提出了目标地物信息的软硬结合的分类方法。[方法]该方法将遥感影像划分为典型目标地物像元、非目标地物像元和混合目标地物像元3个部分。典型的目标地物像元和非目标地物像元,采用硬分类方法（ISODATA）聚类确定类型;混合目标地物像元采用非线性支撑向量回归混合像元分解模型,从目标地物端元光谱库和非目标地物端元光谱库中多次随机选择像元,进行目标地物不同丰度值的混合像元模拟,构建样本库进行支撑向量回归,提取出混合像元的目标地物丰度。该文以冬小麦为研究对象,选用2006年4月7日的TM影像,采用软硬结合的分类方法进行冬小麦识别。[结果]较传统的硬、软分类方法,软硬结合分类方法精度高,总体精度达到了90.2%;而软分类方法为86.6%,硬分类方法为81.6%。[结论]软硬结合的分类方法克服了硬分类方法对混合像元信息提取受到光谱不确定影响,也克服了软分类方法受到光谱异质性干扰的问题。该分类方法简便、易操作,适合单目标特定地物的信息提取。 

【文章来源】：中国农业资源与区划. 2020,41(08)北大核心CSSCI

【文章页数】：10 页

【文章目录】：
0 引言
1 研究区与数据
2 软硬结合分类方法的冬小麦信息提取
    2.1 数据预处理
    2.2 终端像元的提取
    2.3 构造混合像元样本集
    2.4 混合像元分解
    2.5 精度评价方法
3 结果与分析
    3.1 识别结果
    3.2 精度评价
4 结论与讨论


【参考文献】：
期刊论文
[1]剖线强度梯度变化的作物软硬变化区精确划分[J]. 朱爽,张锦水,崔有祯.  中国农业资源与区划. 2018(07)
[2]应用面向对象的决策树模型提取橡胶林信息[J]. 梁守真,陈劲松,吴炳方,陈工.  遥感学报. 2015(03)
[3]基于微波遥感极化目标分解的土地覆盖/土地利用分类[J]. 马腾,王耀强,李瑞平,李彪.  农业工程学报. 2015(02)
[4]基于最小距离法的RADARSAT-2遥感数据旱地作物识别[J]. 丁娅萍,陈仲新.  中国农业资源与区划. 2014(06)
[5]基于C5.0的遥感影像决策树分类实验研究[J]. 白秀莲,巴雅尔,哈斯其其格.  遥感技术与应用. 2014(02)
[6]通过软硬变化检测识别冬小麦[J]. 朱爽,张锦水,帅冠元,喻秋艳.  遥感学报. 2014(02)
[7]面向省级农作物种植面积遥感估算的分层方法[J]. 朱爽,张锦水.  农业工程学报. 2013(02)
[8]基于支撑向量回归的高光谱混合像元非线性分解[J]. 吴波,张良培,李平湘.  遥感学报. 2006(03)
[9]Landsat5图像的增益、偏置取值及其对行星反射率计算分析[J]. 韦玉春,黄家柱.  地球信息科学. 2006(01)
[10]基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J]. 张锦水,何春阳,潘耀忠,李京.  遥感学报. 2006(01)



本文编号：3034529