基于高光谱影像多维特征的植被精细分类

• 作者: 吴国俊 杨敏 苗宇宏
• 来源期刊: 大气与环境光学学报
• 学科: 地球科学
• 关键词: 高光谱 光谱降维 纹理特征 植被指数 支持向量机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 光学遥感
• 页码范围: 117-124
• 页数: 8页
• 分类号: P237
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6141.2020.02.005

摘要

目前,高光谱植被精细分类存在三个问题:单纯利用光谱信息得到的分类精度较低;光谱数据存在噪声影响了最终的分类结果;缺少针对具体应用场景而设计的分类方法.为此,提出了一种基于高光谱影像多维特征的植被精细分类方法,通过光谱数据降维、纹理特征提取以及植被指数选择三个方面对高光谱影像数据进行分析与利用,依靠前期现场调查得到的地面植被分布情况,选择训练样本并进行支持向量机(Support vector machine,SVM)监督分类,完成地面植被的精细分类,对分类结果进行验证,总体精度可达99.6％.结果表明,基于高光谱影像多维特征的植被分类方法能够有效地减小数据噪声、提高信息利用率,为植被生态监测提供更为准确的数据支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨敏		17	79	5.0	8.0
2	吴国俊	中国科学院西安光学精密机械研究所陕西省海洋光学重点实验室	19	75	4.0	7.0
6	苗宇宏	中国科学院西安光学精密机械研究所陕西省海洋光学重点实验室	1	1	1.0	1.0