基于无人机影像的城市植被精细分类

摘要：

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90％,深度学习方法的总体分类精度为84％;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.

关键词：无人机影像、城市植被、精细分类、多维特征空间、机器学习、深度学习

所属期刊栏目：42

分类号：TP751.1;X87(遥感技术)

资助基金：国家重点实验室开放基金;上海市科技创新行动计划科技攻关项目;自然资源部测绘科学与地球空间信息技术重点实验室开放研究基金课题

在线出版日期：2022-08-11（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：2852-2861