基于小波包变换的农作物分类无人机遥感影像适宜尺度筛选

摘要：

为寻找适宜分类的空间尺度，该文提出一种基于小波包的空间尺度选择方法。该文以无人机航拍农作物影像为数据源，针对高空间分辨率遥感影像农作物分类问题，基于小波包变换对影像分类特征进行多尺度定量分析。将七种农作物影像样本进行小波包分解，从高频部分获取均值，方差，能量，能量差四种纹理信息，从低频部分获取光谱信息，构建分类特征矢量，通过作物样本之间的J-M距离，分析在不同小波包分解层样本之间的可分性，并进一步通过农作物面向对象分类精度和分割耗时评价适宜尺度。该文选择位于河北的涿州农场为研究区，利用无人机航空影像，对提出的方法进行试验验证，结果显示：小波包分解到第三、四层级时，即空间分辨率为0.32~0.64 m时，适宜农作物面向对象分类；在适宜尺度下，基于小波包分解的面向对象分类总体分类精度可达到89%，Kappa 系数可达到0.85。研究结果可为高空间分辨率遥感农作物精细识别提供支撑。

关键词：无人机、农作物、尺度、小波包、分类

所属期刊栏目：32

分类号：S127(农业物理学)

资助基金：863计划课题星地遥感的农作物信息感知2013AA10230103；国家自然科学基金项目基于高分辨率遥感数据的农作物纹理特征表达及其类型识别研究41171337

在线出版日期：2016-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：95-101