分割尺度对面向对象树种分类的影响及评价
[目的]研究分割尺度对高空间分辨率遥感影像与星载全极化SAR数据协同面向对象树种分割与分类的影响,进而评价2种数据协同树种分类的适宜性.[方法]以QuickBird遥感影像和Radarsat-2数据为试验数据,在面向对象分类过程中采用3种分割方案(单独使用QuickBird遥感影像分割、单独使用Radarsat-2数据分割和QuickBird & Radarsat-2协同分割),每种分割方案采用10种分割尺度(25~ 250,步长为25),应用修正的欧式距离3(ED3modified)评价分割质量.对于3种分割方案采用各自特征及二者共同特征,分别应用支持向量机(SVM)分类器进行面向对象树种分类.[结果]在10种分割尺度上,QuickBird & Radarsat-2协同分割和单独使用QuickBird遥感影像分割的ED3modified明显低于单独使用Radarsat-2数据分割获得的ED3modified.QuickBird&Radarsat-2协同分割以分割尺度100进行分割的质量最好(ED3modified=0.34).3种分割-分类方案在小尺度上分类总精度(OA)较低,随着尺度增大,OA也再提高并在某个尺度达到最大值,之后OA随尺度增大而降低.QuickBird & Radarsat-2协同分割-分类在分割尺度100获得了最高分类精度(OA=85.55%;Kappa=0.86).单独使用QuickBird遥感影像分割-分类在分割尺度150获得了最高分类精度(OA=81.11%;Kappa =0.82),单独使用Radarsat-2数据分割-分类在分割尺度125获得了最高分类精度(OA=66.67%;Kappa=0.68).OA与ED3 modified高度相关(R2 =0.73).[结论]在所有尺度(25 ~250)上,QuickBird&Radarsat-2协同使用的分割质量和分类精度高于单独使用其中一种数据源的分割质量和分类精度,相比单独使用Radarsat-2数据优势更加明显.分割尺度对面向对象树种分类结果有着重要影响.匹配良好的分割和参考对象能够得到更高精度的分类结果,同时,轻微的过度分割或分割不足不会明显影响分类结果.
影像分割、尺度参数、SAR、QuickBird、Radarsat、支持向量机
53
S771.8(森林工程、林业机械)
国家重点研发计划2017YFD0600902;国家自然科学基金项目31300533
2018-03-26(万方平台首次上网日期,不代表论文的发表时间)
共11页
73-83