基于纹理特征和SVM的QuickBird影像苹果园提取

• 作者: 刘秀英 宁纪锋 宋荣杰 常庆瑞
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 苹果园 遥感识别 信息提取 灰度共生矩阵 支持向量机 QuickBird
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 188-197
• 页数: 10页
• 分类号: TP79|S127
• 字数: 8802字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2017.03.024

摘要

为提高高空间分辨率遥感影像(高分影像)中苹果园提取精度,基于QuickBird遥感数据,研究综合光谱特征和纹理特征的苹果园自动提取方法.该方法首先采用最佳指数因子(OIF)获取多光谱波段最佳组合,然后采用不同大小滑动窗口(从3像素×3像素到13像素×13像素)提取全色波段的灰度共生矩阵(GLCM)、分形和空间自相关3种纹理特征并分别与光谱特征组合,最后通过支持向量机(SVM)分类进行苹果园分类识别.研究表明:在分类特征上,与单一光谱或纹理特征相比,光谱特征结合纹理特征能有效提高苹果园提取精度(Fa)和总体分类精度(OA),其中光谱+ GLCM纹理(9像素×9像素)分类精度最高,Fa和OA分别为96.99％和96.16％,比光谱+分形纹理分别提高0.63个百分点和1.56个百分点,比光谱+空间自相关纹理显著提高11.92个百分点和9.20个百分点.在分类方法上,通过对比分析SVM、最大似然和神经网络3种方法的分类结果,探明SVM分类识别苹果园精度最高.最后对苹果园提取结果进行面积统计,结果表明GLCM纹理结合SVM分类的苹果园面积估算与目视解译结果的一致性超过98％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常庆瑞	西北农林科技大学资源环境学院	254	4005	33.0	47.0
2	宋荣杰	西北农林科技大学资源环境学院	19	85	6.0	9.0
6	宁纪锋	西北农林科技大学信息工程学院	41	801	17.0	27.0
7	刘秀英	西北农林科技大学资源环境学院	27	221	9.0	13.0