浙江农林大学学报
浙江農林大學學報
절강농림대학학보
JOURNAL OF ZHEJIANG FORESTRY COLLEGE
2012年
2期
210-217
,共8页
森林经理学%树种分类%移动窗口%纹理因子%总精度%灰度共生矩阵
森林經理學%樹種分類%移動窗口%紋理因子%總精度%灰度共生矩陣
삼림경이학%수충분류%이동창구%문리인자%총정도%회도공생구진
遥感图像尤其是高分辨率(1~4m)遥感图像在树种分类方面有着广阔的应用前景.利用主成分分析法对遥感数据去相关分析,然后通过对纹理提取过程的分析,探讨不同移动窗口大小对纹理特征的影响,以期为中山陵园风景区的森林调查提供依据,分类方法为经典的最大似然分类器.根据不同移动窗口大小的纹理因子相关性和对保持纹理信息丰富度的影响,来选择合适的窗口大小及纹理因子组合,以对树种分类精度的提高程度为评价标准.研究结果表明,利用窗口大小为19×19下的纹理信息可有效提高分类精度,总精度达到66%,Kappa系数达到0.59,比单纯的光谱信息最大似然法图像分类精度高,其中均值与均匀性、对比度、偏斜度纹理因子组合为最佳纹理组合,能有效减少数据冗余.高分辨率遥感数据纹理信息的运用为树种分类识别时的特征选择提供了有利技术参考.图4表3参19
遙感圖像尤其是高分辨率(1~4m)遙感圖像在樹種分類方麵有著廣闊的應用前景.利用主成分分析法對遙感數據去相關分析,然後通過對紋理提取過程的分析,探討不同移動窗口大小對紋理特徵的影響,以期為中山陵園風景區的森林調查提供依據,分類方法為經典的最大似然分類器.根據不同移動窗口大小的紋理因子相關性和對保持紋理信息豐富度的影響,來選擇閤適的窗口大小及紋理因子組閤,以對樹種分類精度的提高程度為評價標準.研究結果錶明,利用窗口大小為19×19下的紋理信息可有效提高分類精度,總精度達到66%,Kappa繫數達到0.59,比單純的光譜信息最大似然法圖像分類精度高,其中均值與均勻性、對比度、偏斜度紋理因子組閤為最佳紋理組閤,能有效減少數據冗餘.高分辨率遙感數據紋理信息的運用為樹種分類識彆時的特徵選擇提供瞭有利技術參攷.圖4錶3參19
요감도상우기시고분변솔(1~4m)요감도상재수충분류방면유착엄활적응용전경.이용주성분분석법대요감수거거상관분석,연후통과대문리제취과정적분석,탐토불동이동창구대소대문리특정적영향,이기위중산릉완풍경구적삼림조사제공의거,분류방법위경전적최대사연분류기.근거불동이동창구대소적문리인자상관성화대보지문리신식봉부도적영향,래선택합괄적창구대소급문리인자조합,이대수충분류정도적제고정도위평개표준.연구결과표명,이용창구대소위19×19하적문리신식가유효제고분류정도,총정도체도66%,Kappa계수체도0.59,비단순적광보신식최대사연법도상분류정도고,기중균치여균균성、대비도、편사도문리인자조합위최가문리조합,능유효감소수거용여.고분변솔요감수거문리신식적운용위수충분류식별시적특정선택제공료유리기술삼고.도4표3삼19