地理与地理信息科学
地理與地理信息科學
지리여지리신식과학
GEOGRAPHY AND TERRITORIAL RESEARCH
2011年
5期
42-45,68
,共5页
胡玉福%邓良基%匡先辉%王鹏%何莎%熊玲
鬍玉福%鄧良基%劻先輝%王鵬%何莎%熊玲
호옥복%산량기%광선휘%왕붕%하사%웅령
遥感%纹理分析%灰度共生矩阵%监督分类
遙感%紋理分析%灰度共生矩陣%鑑督分類
요감%문리분석%회도공생구진%감독분류
为了提高高分辨率遥感图像土地利用分类精度,该文以金沙江下游河谷地带SPOT 5遥感图像350× 350像元作为试验区,在ERDAS IMAGINE 9.0和ENVI 4.1软件平台支持下,采用灰度共生矩阵方法提取遥感图像对比度、角二阶矩、熵、同质度等纹理指标辅助遥感图像分类,分析结果表明,相对于传统监督分类方法,基于纹理特征辅助监督分类方法总Kappa系数提高了9.15％,耕地、林地、水域、建设用地、未利用地Kappa系数分别提高了7.60％、6 17％、3.59％、15.74％和2 96％,分类结果面积准确率分别提高了3.38％、13.47％、4.65％、10.22％和153％,说明纹理辅助监督分类方法相对于传统监督分类方法有效提高了土地利用分类精度.
為瞭提高高分辨率遙感圖像土地利用分類精度,該文以金沙江下遊河穀地帶SPOT 5遙感圖像350× 350像元作為試驗區,在ERDAS IMAGINE 9.0和ENVI 4.1軟件平檯支持下,採用灰度共生矩陣方法提取遙感圖像對比度、角二階矩、熵、同質度等紋理指標輔助遙感圖像分類,分析結果錶明,相對于傳統鑑督分類方法,基于紋理特徵輔助鑑督分類方法總Kappa繫數提高瞭9.15％,耕地、林地、水域、建設用地、未利用地Kappa繫數分彆提高瞭7.60％、6 17％、3.59％、15.74％和2 96％,分類結果麵積準確率分彆提高瞭3.38％、13.47％、4.65％、10.22％和153％,說明紋理輔助鑑督分類方法相對于傳統鑑督分類方法有效提高瞭土地利用分類精度.
위료제고고분변솔요감도상토지이용분류정도,해문이금사강하유하곡지대SPOT 5요감도상350× 350상원작위시험구,재ERDAS IMAGINE 9.0화ENVI 4.1연건평태지지하,채용회도공생구진방법제취요감도상대비도、각이계구、적、동질도등문리지표보조요감도상분류,분석결과표명,상대우전통감독분류방법,기우문리특정보조감독분류방법총Kappa계수제고료9.15％,경지、임지、수역、건설용지、미이용지Kappa계수분별제고료7.60％、6 17％、3.59％、15.74％화2 96％,분류결과면적준학솔분별제고료3.38％、13.47％、4.65％、10.22％화153％,설명문리보조감독분류방법상대우전통감독분류방법유효제고료토지이용분류정도.
