10.6041/j.issn.1000-1298.2018.04.025
基于小波纹理和随机森林的猕猴桃果园遥感提取
为快速、准确地从高分影像中获取猕猴桃种植分布信息,提出了一种结合小波变换纹理分析和随机森林.分类的QuickBird影像猕猴桃果园自动提取方法.首先,采用coif5小波对QuickBird全色影像进行多尺度小波分解,计算各子频带小波系数的能量特征作为纹理特征;然后,将小波纹理与光谱特征组合构建分类特征;最后,利用随机森林分类实现土地利用分类和猕猴桃果园空间分布提取.结果表明,小波纹理识别猕猴桃果园的效果明显优于光谱特征和其他2种纹理特征;光谱+小波纹理特征的分类精度最高,猕猴桃果园提取精度(Fk)和总体分类精度(OA)分别为95.30%和94.46%,比光谱+灰度共生矩阵纹理分类分别提高6.70%和2.88%,比光谱+分形纹理分类显著提高13.43%和6.98%;随机森林分类结果优于相同特征下的支持向量机、最大似然分类.本文提取的猕猴桃果园面积与目视解译结果的相对误差小于7%.此外,利用本文方法对同期QuickBird影像另一研究区的苹果园分布进行提取,结果表明,该方法对苹果园提取有较好的适用性.
猕猴桃果园、遥感提取、小波纹理、随机森林、QuickBird
49
TP79;S127(遥感技术)
国家高技术研究发展计划863计划项目2013AA102401-2;国家重点研发计划项目2017YFC0403203;国家自然科学基金项目41771315;陕西省水利科技项目2017slkj-7
2018-06-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
222-231