城镇绿化植物群软分类

摘要：

在城镇景观中,场景噪声、阴影遮挡、植物群之间光谱相似等形成的负面影响,使传统的监督分类方法无法满足精度要求.为此,提出一种适用于城镇植物群的软分类方法.在常规BP网络监督分类的基础上,做了3处改进:①在特征空间堆叠冬、夏季图像特征,以增加特征空间维度,适应复杂分类.②以BP网络软输出集群原型,并据原型中确定成员的信息、递归推测模糊成员的类码,实现软分类.③根据软分类对象尺寸、类别、位置和彼此的邻近关系,滤除和吸收噪声图斑;以及将树冠本影补充到树冠对象中,而使植物群对象更完整、准确.MATLAB测试结果显示,在一个由32个描述符(2个季节的描述符堆叠,每个季节16个)组成的特征空间中,使用高空间分辨率卫星真彩色图像,可以对4种主要植物群类别和水体、其他背景分类.与硬分类、单季节的传统方法相比,新方法分类的全局精度(OA)和卡帕系数(κ)平均分别提高30.25％和40.61％.说明该法在城镇植物群遥感自动分类方面具有鲁棒和普适性.

关键词：城镇植物群、双季节、BP网络、解模糊、对象邻近分析

所属期刊栏目：33

分类号：TP79(遥感技术)

资助基金：国家自然科学基金面上项目"北京城市绿地应急避险功能空间格局及其对人口辐射力的影响分析"51278056;北京市公园管理中心科技项目"基于高分辨率遥感影像的北京园林树种识别研究"ZX2016023

在线出版日期：2018-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：721-730