结合多尺度纹理特征的高光谱影像面向对象树种分类

发布时间：2021-08-13 11:54

　　【目的】基于机载高光谱影像的分类研究中,利用不同尺度纹理特征与面向对象分类相结合的方法在树种分类的研究中应用较少,并且相关研究主要针对单一树种识别而不考虑多种树种,因此对于复杂林分中的树种识别能力有待进一步研究。本研究拟探究不同尺度纹理特征结合面向对象的分类技术在树种精细分类中的应用效果。【方法】利用机载高光谱数据进行面向对象的树种精细分类。根据研究区内地表类型情况,采用分层分类的方法区分非林地、其他林地与有林地,对有林地进行树种的精细分类。从机载高光谱图像中提取特征变量,包括独立主成分分析ICA变换光谱特征以及空间纹理特征,分析各树种的光谱反射率及所适合的纹理尺度,依据不同尺度纹理特征进行分层分类,比较不同特征利用支持向量机SVM分类的树种分类结果。【结果】结合单一尺度纹理特征的分类结果总体精度为87.11%,Kappa系数为0.846;结合不同尺度纹理特征的分类总体精度为89.13%,Kappa系数为0.87,相比于仅利用光谱特征的分类精度分别提升了4.03%和6.05%。说明在面向对象的分类中,纹理特征的加入对于提升树种分类的精度具有显著效果。结合不同尺度纹理特征的树种分类精度要... 

【文章来源】：北京林业大学学报. 2020,42(06)北大核心CSCD

【文章页数】：11 页

【参考文献】：
期刊论文
[1]基于机载PHI高光谱数据的森林优势树种分类研究[J]. 樊雪,刘清旺,谭炳香.  国土资源遥感. 2017(02)
[2]基于纹理信息CART决策树的林芝县森林植被面向对象分类[J]. 郝泷,陈永富,刘华,朱雪林,达哇扎西,李伟娜.  遥感技术与应用. 2017(02)
[3]基于高光谱影像的树种分类[J]. 于丽柯,于颖,柳向宇,杜一尘,张涵.  东北林业大学学报. 2016(09)
[4]结合多尺度纹理特征的遥感影像面向对象分类[J]. 林雪,彭道黎,黄国胜,王雪军.  测绘工程. 2016(07)
[5]机载LiDAR和高光谱融合实现普洱山区树种分类[J]. 刘怡君,庞勇,廖声熙,荚文,陈博伟,刘鲁霞.  林业科学研究. 2016(03)
[6]机载AISA Eagle Ⅱ高光谱数据处理——以额济纳旗试验区为例[J]. 荚文,庞勇,岳彩荣,李增元,车涛,马明国.  遥感技术与应用. 2016(03)
[7]基于SAM算法的遥感影像湿地植被分类[J]. 李明泽,张培赢.  森林工程. 2015(02)
[8]机载LiDAR和高光谱融合实现温带天然林树种识别[J]. 刘丽娟,庞勇,范文义,李增元,张登荣,李明泽.  遥感学报. 2013(03)
[9]高光谱遥感森林信息提取研究进展[J]. 谭炳香,李增元,陈尔学,庞勇,武红敢.  林业科学研究. 2008(S1)
[10]基于支持向量机的高光谱遥感图像分类[J]. 谭琨,杜培军.  红外与毫米波学报. 2008(02)

博士论文
[1]基于决策树的洞庭湖湿地信息提取技术研究[D]. 朱晓荣.中国林业科学研究院 2012

硕士论文
[1]基于高光谱遥感数据的森林树种分类[D]. 张丽云.北京林业大学 2016



本文编号：3340384