研究以廬山自然保護(hù)區(qū)為研究區(qū)域,進(jìn)行基于高分二號(hào)影像光譜特征與紋理特征的竹林信息提取研究。為了提高竹林的識(shí)別精度,依據(jù)竹林的紋理特征與周?chē)脖坏牟町愋?本文開(kāi)展引入紋理特征的分類(lèi)研究,選取兩種不同的實(shí)驗(yàn)方案（光譜特征、光譜特征+紋理特征）,采取馬氏距離、最大似然法,支持向量機(jī)等分類(lèi)方法進(jìn)行比較。結(jié)果表明:1)引入紋理特征信息的分類(lèi)精度比純光譜特征分類(lèi)精度更高; 2)基于光譜特征+紋理特征的支持向量機(jī)的分類(lèi)方法精度最高,竹林分類(lèi)的生產(chǎn)精度和用戶精度均達(dá)到90%以上。 

【文章來(lái)源】：測(cè)繪與空間地理信息. 2020,43(12)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

總體技術(shù)流程

窗口是影響紋理特征完整性的主要因素，窗口的大小部分決定了基于紋理的圖像分類(lèi)的成功。如果窗口尺寸太小，則無(wú)法提取足夠的空間信息來(lái)區(qū)分不同的土地特征;如果窗口尺寸太大，它可能會(huì)重疊不同的特征并引入空間誤差。為了選取最適合的窗口大小，本研究基于實(shí)驗(yàn)區(qū)分別選取15種窗口大小的分類(lèi)方案(從3×3至31×31)，提取8個(gè)紋理特征，基于紋理特征進(jìn)行竹林提取，獲取不同窗口大小下竹林分類(lèi)精度(如圖2所示)，發(fā)現(xiàn)窗口大小在23×23時(shí)分類(lèi)的總體精度和相關(guān)系數(shù)最高，因此，本文選擇在(23×23)窗口下提取均值、方差等8個(gè)紋理特征參數(shù)。2.3 竹林識(shí)別分類(lèi)方法

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)序Landsat數(shù)據(jù)的浙江省竹林信息提取及時(shí)空演變[J]. 李陽(yáng)光,杜華強(qiáng),毛方杰,李雪建,崔璐,韓凝,徐小軍.  林業(yè)科學(xué). 2019(03)
[2]決策樹(shù)結(jié)合混合像元分解的中國(guó)竹林遙感信息提取[J]. 崔璐,杜華強(qiáng),周?chē)?guó)模,李雪建,毛方杰,徐小軍,范渭亮,李陽(yáng)光,朱迪恩,劉騰艷,邢璐琪.  遙感學(xué)報(bào). 2019(01)
[3]近30年來(lái)廬山風(fēng)景名勝區(qū)NDVI時(shí)空變化及其潛在影響因素分析[J]. 宋鴻,黃躍飛,劉海,王敏,鐘濱.  長(zhǎng)江流域資源與環(huán)境. 2019(04)
[4]地理國(guó)情信息支持下的鄱陽(yáng)湖區(qū)生態(tài)環(huán)境評(píng)價(jià)[J]. 鐘濱,張晨,廖明偉.  測(cè)繪與空間地理信息. 2018(09)
[5]植被遙感分類(lèi)方法研究進(jìn)展[J]. 楊超,鄔國(guó)鋒,李清泉,王金亮,渠立權(quán),丁凱.  地理與地理信息科學(xué). 2018(04)
[6]基于MODIS時(shí)間序列反射率數(shù)據(jù)的雷竹林LAI反演[J]. 朱迪恩,徐小軍,杜華強(qiáng),周?chē)?guó)模,毛方杰,李雪建,李陽(yáng)光.  應(yīng)用生態(tài)學(xué)報(bào). 2018(07)
[7]高分二號(hào)衛(wèi)星影像融合及質(zhì)量評(píng)價(jià)[J]. 孫攀,董玉森,陳偉濤,馬嬌,鄒毅,王金鵬,陳華.  國(guó)土資源遙感. 2016(04)

碩士論文
[1]中國(guó)竹林遙感信息提取及NPP時(shí)空模擬研究[D]. 崔璐.浙江農(nóng)林大學(xué) 2018



本文編號(hào)：3613628