无人机多光谱影像土地利用信息提取方法研究

摘要：

以无人机多光谱和倾斜影像为数据源,运用面向对象自动分类的方法,首先利用分型网络演化分割算法(Fractal Net Evolution Approach,FNEA)进行分割实验,确定研究区每个地类最优分割尺度,并结合多光谱影像的光谱特征、纹理特征、空间特征、语义关系以及通过倾斜摄影提取的数字表面模型(Digital Surface Model,DSM)和其衍生的坡度数据等,构建研究区分类规则集,并采用多尺度分割后的多层次信息提取方法,将地物分为3个尺度,在不同尺度下提取相应的地物,总体精度为88.03％,Kappa系数为86.12％,分类结果较好.同时设置对比实验,利用传统的决策树方法分类,其总体精度仅为77.78％,Kappa系数为74.23％.研究表明,针对无人机的高分辨率多光谱影像面向对象的多尺度信息提取方法在信息提取时要优于决策树分类方法,同时验证了该多光谱传感器在信息提取上应用的可行性.

关键词：无人机、多光谱、倾斜摄影、面向对象、决策树分类

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：黑龙江工程学院青年科学基金项目;基于多源遥感数据的火干扰对森林碳动态的影响研究;黑龙江工程学院省级领军人才梯队培育计划;黑龙江省省属本科高校基本科研业务费项目

在线出版日期：2023-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33