本文關(guān)鍵詞：基于多時相Landsat8數(shù)據(jù)的綜合多特征棉田提取研究

  更多相關(guān)文章： 多時相Landsat8數(shù)據(jù) 綜合多特征 棉田提取 NDVI時間序列 特征選擇

【摘要】：本文選用新疆沙灣縣中北部為研究區(qū)域,針對目前基于多時相遙感影像分類大多拘泥于單一特征的現(xiàn)狀,開展了綜合多特征的提取棉田研究。以2013年九個時相的Landsat8遙感衛(wèi)星影像為基礎(chǔ)數(shù)據(jù),通過提取NDVI時間序列,最佳時相反射率光譜特征及紋理特征構(gòu)成綜合多特征集�？紤]到在訓練樣本充足的情況下,參與分類特征過多時,可能會由于信息冗余導致分類精度降低的情況,本文研究了適合于多類型特征的特征選擇算法,然后利用優(yōu)選特征集進行分類,提取棉田,并通過混淆矩陣等方式對分類精度進行評價。研究成果如下:(1)提出了改進的OIF特征選擇算法:該算法不僅考慮了波段組合整體的信息量及相關(guān)性,同時考慮了組合內(nèi)每個波段的信息量及相關(guān)性,在此基礎(chǔ)上又兼顧了各地類間的可分性。利用改進OIF算法進行特征選擇所得優(yōu)選特征集進行分類,結(jié)果明顯優(yōu)于OIF算法所得優(yōu)選集的分類結(jié)果,這表明此算法有效改善了OIF算法在特征選擇方面的性能;(2)與僅利用NDVI時間序列的分類結(jié)果相比,綜合多特征集的分類總體精度和棉花精度都有所提高;(3)與特征選擇前相比,經(jīng)改進OIF算法和基于屬性重要度的粗糙集算法進行特征選擇后,分類精度均有所提高。結(jié)果表明:利用這兩種方法進行特征選擇,參與分類的特征數(shù)目大大減少,不僅提高了分類精度,也有效降低了分類器的計算復雜度。有力驗證了改進OIF算法及基于屬性重要度粗糙集算法在進行多特征選擇時的有效性。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S127;S562

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘遠;楊景輝;武文波;;粗糙集約簡的神經(jīng)網(wǎng)絡遙感分類應用[J];遙感信息;2012年04期

2 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國圖象圖形學報;2009年04期

3 劉勇洪;牛錚;徐永明;王長耀;李貴才;;基于MODIS數(shù)據(jù)設計的中國土地覆蓋分類系統(tǒng)與應用研究[J];農(nóng)業(yè)工程學報;2006年05期

4 羅亞,徐建華,岳文澤;基于遙感影像的植被指數(shù)研究方法述評[J];生態(tài)科學;2005年01期

5 劉春紅,趙春暉,張凌雁;一種新的高光譜遙感圖像降維方法[J];中國圖象圖形學報;2005年02期

6 吳炳方;中國農(nóng)情遙感速報系統(tǒng)[J];遙感學報;2004年06期

7 張友水,馮學智,阮仁宗,麻土華;Kohonen神經(jīng)網(wǎng)絡在遙感影像分類中的應用研究[J];遙感學報;2004年02期

8 郭鵬,孫艷玲,劉洪斌,武偉;基于知識的土地利用/土地覆蓋遙感分類研究[J];西南農(nóng)業(yè)大學學報(自然科學版);2003年03期

9 陳百明;未來中國的農(nóng)業(yè)資源綜合生產(chǎn)能力與食物保障[J];地理研究;2002年03期

10 駱劍承,周成虎,梁怡,馬江洪;支撐向量機及其遙感影像空間特征提取和分類的應用研究[J];遙感學報;2002年01期

，

本文編號：1238400