基于无人机遥感影像的马角坝地物分类研究

发布时间：2021-11-03 04:37

　　无人机可见光遥感具有操作简单、机动灵活、时效性强、高分辨率等优点。以四川省江油市马角坝镇部分区域的无人机遥感影像作为分类数据,选取随机森林（RF）、决策树（CART）和支持向量机（SVM）作为分类器,运用eCognition软件对所选研究区的地物进行面向对象分类,研究出最佳的地物分类方案。经多次实验结果表明:当分割尺度为30、形状指数为0.1及紧致度因子为0.5时,影像分割效果最好且选用随机森林分类效果也最佳。该方法总体分类精度达到了0.92,Kappa系数为0.88。实验结果表明,随机森林分类方法更适合于无人机遥感影像的地物分类。 

【文章来源】：测绘. 2020,43(03)

【文章页数】：5 页

【部分图文】：

决策树分类结果

研究区域位于四川省江油市，地理坐标为东经105°04?，北纬32°05?。本次航拍范围为马角坝部分区域，其测区呈矩形，南北长约1000m，东西长约2500m。测区内农作物主要以水稻为主，包含少部分玉米和大豆等农作物，建筑物分布较为集中，坡度较缓，测区最大高差小于10m。通过搭载COMS影像传感器的大疆4无人机获取2019年8月的遥感影像数据，使用中海达RTK采集研究区内的地面控制点。无人机航拍过程中航高为90m，飞行速度6m/s，旁向、航向重叠度均达到80%，满足正射影像（DOM）的制作要求，马角坝研究区域正射影像如图1所示。2.2 研究方法

运用inpho软件对无人机影像进行处理，生成DSM和地面分辨率为0.2m的DOM，使用Arc GIS将采集的地面控制点生成TIN模型进而生成DEM数据，计算DSM与DEM的差值n DSM[7]。选择水稻、建筑、道路、裸地以及其他作为分类类别，构建可见光植被指数（VDVI)[8]、归一化绿蓝差异指数（NGBDI)[9]、纹理特征、几何特征和n DSM组合的SVM、RF和CART三种不同分类模型用于地物分类。技术路线如图2所示。2.2.2 无人机遥感影像分割


本文编号：3473060