基于航空正射影像的面向对象林隙识别
[目的]研究分割尺度及对象特征对航空正射影像面向对象林隙识别的影响,评价基于航空正射影像林隙识别适宜性.[方法]以真彩色航空正射影像为基础数据,采用面向对象分类方法,以东北典型天然次生林帽儿山实验林场东林施业区为试验区进行林隙识别.在面向对象分类过程中,对航空正射影像的3个分量(Blue、Green和Red)采用10种尺度(10～100,步长为10)进行分割,应用拓扑组合准确度(RA(or)和RA(os))和位置准确度(Dsr)评价分割结果.对每种尺度分割结果,应用航空正射影像的光谱及光谱+纹理结合特征,采用带有线性核的支持向量机(SVM)分类器进行林隙、非林隙和树冠分类,共获得20种分类结果.利用混淆矩阵计算的生产者精度、用户精度、分类总精度和Kappa系数4个评价指标对分类结果进行精度评价.[结果]对象特征(大小和形状)受尺度参数影响,小尺度分割产生小面积对象,大尺度分割产生大面积对象,但大尺度不能有效将明显的林隙从冠层中分离出来,存在明显分割不足的现象.拓扑组合准确度(RA(or)和RA(os))和位置准确度(Dsr)说明与参考对象最相似的分割对象结果是在尺度20时获得的分割结果(RA(or)和RA(os)较大且接近,Dsr较小).光谱及光谱+纹理结合特征分类方案分类总精度具有相似的变化特征,即小尺度分类总精度较低,随着尺度增大,分类总精度也再提高并在某个尺度达到最大值,之后分类总精度随尺度增大而降低,并趋于平稳.光谱+纹理结合特征的分类总精度低于仅使用光谱特征的分类总精度,在中小尺度上尤其明显.在尺度参数为20时使用光谱+纹理结合特征分类总精度低19个百分点,在尺度参数为30时低13个百分点.基于航空正射影像分割最优尺度参数为20.[结论]基于航空正射影像进行林隙识别,最高精度仅为74％(Kappa=61％),林隙生产者和用户精度在60％以上,非林隙生产者和用户精度在90％左右.基于航空正射影像林隙识别纹理特征的加入还将继续降低识别精度.
林隙、影像分割、对象特征、航空正射影像、支持向量机、面向对象
55
S771.8(森林工程、林业机械)
国家重点研发计划2017YFD0600902;中央高校基本科研业务费专项资金项目2572018BA02;国家级大学生创新训练项目201810225116
2019-06-27（万方平台首次上网日期，不代表论文的发表时间）
共10页
87-96
