一种遥感影像自动识别耕地类型的机器学习算法

• 作者: 于佩鑫 刘素红 周询 王西凯 王跃宾
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 影像窗口子区 特征库 机器学习 耕地自动识别
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 68-73
• 页数: 6页
• 分类号: TP751
• 字数: 5252字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2018.04.11

摘要

耕地作为重要的土地资源,关系着国家的粮食安全问题,因此迫切需求快速准确获取耕地信息的方法.传统的遥感影像监督分类方法以训练样本和待分类像元/图斑的光谱特征或纹理特征的一致性作为分类依据,这对训练样本的依赖性较强.对此提出了一种基于影像窗口子区的耕地类型自动识别算法,通过提取一定大小影像窗口子区的多光谱和多层次特征,利用机器学习算法,实现影像窗口子区耕地和非耕地类型的自动判别.依据该算法,可以通过建立某个区域内遥感影像耕地类型的特征库,实现对影像窗口子区类别的非监督自动判别,提高目前分类算法的自动化程度.以东北地区高空间分辨率遥感影像为例进行实验,精度达到了90.8％.该算法为耕地信息自动化快速获取提供了技术支持,也可用于遥感影像中某一种纯净地物类型的快速提取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘素红	北京师范大学地理学院	50	562	13.0	22.0
5	周询	北京师范大学地理学院	5	5	2.0	2.0
9	王跃宾	北京师范大学数学科学学院	3	2	1.0	1.0
10	于佩鑫	北京师范大学地理学院	4	12	2.0	3.0
14	王西凯	北京师范大学地理学院	4	4	2.0	2.0