面向对象的高分辨率影像土地利用分类

发布时间：2021-02-01 05:58

　　选取许昌市QuickBird遥感影像数据,采用面向对象方法提取土地利用信息.通过重复性实验对影像进行最优尺度分割,综合利用高分辨率遥感影像的光谱、形状和纹理特征,分别建立耕地、林地、园地、建筑用地、道路交通用地、水域和城市绿地的特征集,采用模糊规则分类的方法实现土地利用的分类.结果表明该方法分类精度达到80.55%,Kappa系数为0.773,总体分类效果较好. 

【文章来源】：许昌学院学报. 2020,39(05)

【文章页数】：4 页

【文章目录】：
1 研究区概况
2 研究方法
    2.1 数据来源
    2.2 土地分类体系
    2.3 高分辨率遥感影像的影像分割
    2.4 特征的选择
    2.5 分类精度评价
3 分类结果与精度评价
    3.1 图像分割
    3.2 基于模糊规则集的分类
    3.3 分类精度
4 结论


【参考文献】：
期刊论文
[1]基于eCognition面向对象技术的高分辨率遥感影像土地利用分类——以福州琅岐岛为例[J]. 江华.  海峡科学. 2014(08)
[2]基于像素和面向对象的高分辨率遥感影像分类方法比较[J]. 曾晓丽,吴彩燕,曾特林.  滨州学院学报. 2013(06)
[3]面向对象的高分辨率遥感影像分割分类评价指标[J]. 吴波,林珊珊,周桂军.  地球信息科学学报. 2013(04)
[4]面向对象的遥感影像植被信息提取技术研究[J]. 龚珍,吴浩,黎华.  安徽农业科学. 2012(30)
[5]辅以波谱分析的高分辨率影像面向对象分类研究[J]. 苏晓玉,甘甫平,万里飞,刘少峰.  图学学报. 2012(01)
[6]高分辨率遥感影像面向对象的分类方法[J]. 王林.  电子科技. 2011(06)
[7]面向对象的高分辨率影像农用地分类[J]. 邓媛媛,巫兆聪,易俐娜,胡忠文,龚正娟.  国土资源遥感. 2010(04)

硕士论文
[1]面向对象遥感影像分类方法及其应用研究[D]. 汪求来.南京林业大学 2008



本文编号：3012294