林业科学
林業科學
임업과학
SCIENTIA SILVAE SINICAE
2010年
8期
130-139
,共10页
面向对象%SPOT5图像%森林分类%多分类器%对象特征%筛选
麵嚮對象%SPOT5圖像%森林分類%多分類器%對象特徵%篩選
면향대상%SPOT5도상%삼림분류%다분류기%대상특정%사선
为改善SPOTS图像森林分类精度,采用面向对象的图像分析方法,对图像分割、对象特征提取与筛选、多分类器分类与结合进行探索,采用大尺度分割-基于规则的分类-基于分类的分割-分区控制-底层分类-逐层向上合并的技术路线,试验了最小距离、马氏距离、Bayes、模糊分类和支持向量机5个分类器.结果表明:在森林分布破碎、类型和种类多样、结构复杂的南方人工林区,总体分类精度最高的Bayes分类器,对以龄组为基础包含22个类型的第3级分类的总体精度达到了79.38%,以树种为基础包含15个类型的第2级分类的总体精度达到了81.82%,以森林类型为基础包含9个类型的第1级分类的总体精度达到了86.33%.在景观复杂地区的森林分层分类中,由底层分类开始、逐层向上合并的方法,效果比由顶层分类开始、逐层往下分类的方法更好.ETM+作为辅助数据,较大程度地提高了SPOT5图像的分类精度,但ETM+图像不能实质性参与分割过程,只能用于提取对象特征,否则会导致对象同质性差、特征变异,降低分类精度.
為改善SPOTS圖像森林分類精度,採用麵嚮對象的圖像分析方法,對圖像分割、對象特徵提取與篩選、多分類器分類與結閤進行探索,採用大呎度分割-基于規則的分類-基于分類的分割-分區控製-底層分類-逐層嚮上閤併的技術路線,試驗瞭最小距離、馬氏距離、Bayes、模糊分類和支持嚮量機5箇分類器.結果錶明:在森林分佈破碎、類型和種類多樣、結構複雜的南方人工林區,總體分類精度最高的Bayes分類器,對以齡組為基礎包含22箇類型的第3級分類的總體精度達到瞭79.38%,以樹種為基礎包含15箇類型的第2級分類的總體精度達到瞭81.82%,以森林類型為基礎包含9箇類型的第1級分類的總體精度達到瞭86.33%.在景觀複雜地區的森林分層分類中,由底層分類開始、逐層嚮上閤併的方法,效果比由頂層分類開始、逐層往下分類的方法更好.ETM+作為輔助數據,較大程度地提高瞭SPOT5圖像的分類精度,但ETM+圖像不能實質性參與分割過程,隻能用于提取對象特徵,否則會導緻對象同質性差、特徵變異,降低分類精度.
위개선SPOTS도상삼림분류정도,채용면향대상적도상분석방법,대도상분할、대상특정제취여사선、다분류기분류여결합진행탐색,채용대척도분할-기우규칙적분류-기우분류적분할-분구공제-저층분류-축층향상합병적기술로선,시험료최소거리、마씨거리、Bayes、모호분류화지지향량궤5개분류기.결과표명:재삼림분포파쇄、류형화충류다양、결구복잡적남방인공림구,총체분류정도최고적Bayes분류기,대이령조위기출포함22개류형적제3급분류적총체정도체도료79.38%,이수충위기출포함15개류형적제2급분류적총체정도체도료81.82%,이삼림류형위기출포함9개류형적제1급분류적총체정도체도료86.33%.재경관복잡지구적삼림분층분류중,유저층분류개시、축층향상합병적방법,효과비유정층분류개시、축층왕하분류적방법경호.ETM+작위보조수거,교대정도지제고료SPOT5도상적분류정도,단ETM+도상불능실질성삼여분할과정,지능용우제취대상특정,부칙회도치대상동질성차、특정변이,강저분류정도.
