本文主要研究内容
作者毛学刚,竹亮,刘怡彤,姚瑶,范文义（2019）在《高空间分辨率影像与SAR数据协同特征面向对象林分类型识别》一文中研究指出：【目的】研究对象特征对高空间分辨率遥感影像与星载全极化SAR数据协同面向对象林分类型识别的影响,评价2种数据协同林分类型识别的适宜性,为多源遥感影像结合面向对象分类技术提供科学依据。【方法】以QuickBird遥感影像和Radarsat-2数据为试验数据,选取福建省三明市将乐县将乐国有林场为试验区进行杉木、马尾松和阔叶林面向对象分类。在面向对象分类过程中,采用基于QuickBird多光谱波段分割、基于Radarsat-2数据分割和QuickBird&Radarsat-2协同分割3种分割方案,每种分割方案采用10种尺度(25～250,步长为25),应用QuickBird遥感影像和Radarsat-2数据提取的光谱、地形、高度和强度4方面32个特征指标,进行4种不同特征组合,运用支持向量机分类器进行面向对象林分类型分类,利用混淆矩阵计算的生产者精度、用户精度、总精度和Kappa系数4个指标对分类结果进行精度评价。【结果】所有组合的分类精度(Kappa系数)均随着尺度增大表现出先增加后降低的趋势,且以只使用单一光谱特征的分类精度最低,依次低于光谱+地形两特征和光谱+地形+高度三特征的分类精度,引入强度后的四特征组合分类与三特征组合无明显差异。QuickBird&Radarsat-2协同且在最优尺度参数为100时,结合对象光谱、地形、高度和强度四特征组合进行面向对象林分类型分类精度最高(OA=86%, Kappa=0.86)。【结论】高空间分辨率遥感影像(QuickBird)与SAR数据(Radarsat-2)协同最优尺度多特征组合进行面向对象林分类型分类优势明显,在光谱和地形特征中引入高度特征可进一步提高分类精度。本研究结果可提高面向对象分类中的特征选择效率和科学性,能够为其他影像的面向对象分类技术提供较好的参考依据。
Abstract
【mu de 】yan jiu dui xiang te zheng dui gao kong jian fen bian lv yao gan ying xiang yu xing zai quan ji hua SARshu ju xie tong mian xiang dui xiang lin fen lei xing shi bie de ying xiang ,ping jia 2chong shu ju xie tong lin fen lei xing shi bie de kuo yi xing ,wei duo yuan yao gan ying xiang jie ge mian xiang dui xiang fen lei ji shu di gong ke xue yi ju 。【fang fa 】yi QuickBirdyao gan ying xiang he Radarsat-2shu ju wei shi yan shu ju ,shua qu fu jian sheng san ming shi jiang le xian jiang le guo you lin chang wei shi yan ou jin hang sha mu 、ma wei song he kuo xie lin mian xiang dui xiang fen lei 。zai mian xiang dui xiang fen lei guo cheng zhong ,cai yong ji yu QuickBirdduo guang pu bo duan fen ge 、ji yu Radarsat-2shu ju fen ge he QuickBird&Radarsat-2xie tong fen ge 3chong fen ge fang an ,mei chong fen ge fang an cai yong 10chong che du (25～250,bu chang wei 25),ying yong QuickBirdyao gan ying xiang he Radarsat-2shu ju di qu de guang pu 、de xing 、gao du he jiang du 4fang mian 32ge te zheng zhi biao ,jin hang 4chong bu tong te zheng zu ge ,yun yong zhi chi xiang liang ji fen lei qi jin hang mian xiang dui xiang lin fen lei xing fen lei ,li yong hun xiao ju zhen ji suan de sheng chan zhe jing du 、yong hu jing du 、zong jing du he Kappaji shu 4ge zhi biao dui fen lei jie guo jin hang jing du ping jia 。【jie guo 】suo you zu ge de fen lei jing du (Kappaji shu )jun sui zhao che du zeng da biao xian chu xian zeng jia hou jiang di de qu shi ,ju yi zhi shi yong chan yi guang pu te zheng de fen lei jing du zui di ,yi ci di yu guang pu +de xing liang te zheng he guang pu +de xing +gao du san te zheng de fen lei jing du ,yin ru jiang du hou de si te zheng zu ge fen lei yu san te zheng zu ge mo ming xian cha yi 。QuickBird&Radarsat-2xie tong ju zai zui you che du can shu wei 100shi ,jie ge dui xiang guang pu 、de xing 、gao du he jiang du si te zheng zu ge jin hang mian xiang dui xiang lin fen lei xing fen lei jing du zui gao (OA=86%, Kappa=0.86)。【jie lun 】gao kong jian fen bian lv yao gan ying xiang (QuickBird)yu SARshu ju (Radarsat-2)xie tong zui you che du duo te zheng zu ge jin hang mian xiang dui xiang lin fen lei xing fen lei you shi ming xian ,zai guang pu he de xing te zheng zhong yin ru gao du te zheng ke jin yi bu di gao fen lei jing du 。ben yan jiu jie guo ke di gao mian xiang dui xiang fen lei zhong de te zheng shua ze xiao lv he ke xue xing ,neng gou wei ji ta ying xiang de mian xiang dui xiang fen lei ji shu di gong jiao hao de can kao yi ju 。
论文参考文献
论文详细介绍
论文作者分别是来自林业科学的毛学刚,竹亮,刘怡彤,姚瑶,范文义，发表于刊物林业科学2019年09期论文，是一篇关于面向对象论文,对象特征论文,支持向量机论文,林业科学2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自林业科学2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：面向对象论文; 对象特征论文; 支持向量机论文; 林业科学2019年09期论文;