基于超高空间分辩率无人机影像的面向对象土地利用分类方法

• 作者: 刘舒 朱航
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 遥感 土地利用 无人机影像 面向对象 特征选择 随机森林
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 农业航空工程
• 页码范围: 87-94
• 页数: 8页
• 分类号: TP79
• 字数: 6283字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.02.011

摘要

为明确基于无人机超高空间分辨率影像的土地利用分类方法,尤其是有效特征和算法的选择,该研究获取吉林省德惠市一农耕区超高分无人机影像,获取区域正射影像图和数字表面模型,计算地形指标,采用面向对象方法进行土地利用分类研究.首先,采用随机森林算法,以光谱特征为基础,依次引入指数、形态、地形、纹理特征,建立5种特征选择方案,分析各类特征对分类效果的影响.其次,以Boruta特征选择算法获取的优化特征集为基础,采用随机森林算法、朴素贝叶斯算法、逻辑回归算法和支持向量机算法分类,分析不同算法的分类效果.结果表明:采用5种特征选择方案分类,引入形态特征时总体精度降低,引入其他特征时总体精度逐渐提高.5种特征共同参与的分类效果最佳,总体精度为98.04％,Kappa系数为0.980.错分主要发生在裸地和宅基地,漏分主要发生在草地、裸地、水渠和道路.错分和漏分主要是因为这几种类型对象具有相似的光谱、形态、纹理特征或相似的分布位置.采用优化特征集分类时,相比其他算法,随机森林算法更擅长处理高维特征集,获得最高的总体精度98.19％,最低的错分和漏分误差,分类效果最佳.借助无人机超高空间分辨率影像提取地形信息、形态信息,可以有效辅助土地利用分类,并能提高传统分类方法精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘舒	吉林建筑大学测绘与勘查工程学院	4	0	0.0	0.0
2	朱航	吉林大学机械与航空航天工程学院	12	48	3.0	6.0