本文關(guān)鍵詞： 多時相Landsat 數(shù)據(jù) 綜合多特征 NDVI 棉花提取 特征選擇　出處：《遙感學報》2017年01期 　論文類型：期刊論文

【摘要】：傳統(tǒng)的多時相遙感圖像分類大多拘泥于單一特征,本文基于多時相的Landsat 8遙感數(shù)據(jù),開展了綜合多特征的特征提取與特征選擇方法研究。綜合了NDVI時間序列、最佳時相反射率光譜特征以及紋理特征作為初始分類特征,并采用基于屬性重要度的粗糙集特征選擇算法對其進行特征約簡。分類結(jié)果表明:(1)利用初始分類特征,分類的總體精度達到92.81%,棉花提取精度達87.4%,與僅利用NDVI時間序列相比,精度分別提高5.53%和5.05%;(2)利用粗糙集選擇后的特征分類,分類總體精度可達93.66%,棉花分類精度達92.73%,與初始分類特征提取結(jié)果相比,棉花分類精度提高5.33%�；趯傩灾匾鹊拇植诩卣鬟x擇不僅提高了分類精度,同時有效降低了分類器的計算復雜度。
[Abstract]:The traditional classification of multitemporal remote sensing images is mostly confined to a single feature. Based on the multi-temporal Landsat 8 remote sensing data, the feature extraction and feature selection methods of multi-temporal remote sensing images are studied. The NDVI time series are synthesized. The optimal temporal reflectance spectral feature and texture feature are used as the initial classification features, and the feature selection algorithm based on attribute importance is used to reduce the feature. The classification results show that: 1) the initial classification feature is used. The overall accuracy of classification is 92.81, and the precision of cotton extraction is 87.4. Compared with only using NDVI time series, the accuracy is increased by 5.53% and 5.05 respectively. The classification accuracy of cotton is 93.666.The precision of cotton classification is 92.733.Compared with the result of initial classification feature extraction, the classification accuracy of cotton is increased by 5.33.The rough set feature selection based on attribute importance not only improves the classification accuracy, but also improves the classification accuracy of cotton. At the same time, the computational complexity of the classifier is reduced effectively.
【作者單位】： 中國科學院遙感與數(shù)字地球研究所;中國礦業(yè)大學環(huán)境與測繪學院;
【基金】：高分辨對地觀測系統(tǒng)重大專項(編號:11-Y20A40-9002-15/17)~~
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前10條

1 劉吉凱;鐘仕全;梁文海;;基于多時相Landsat8 OLI影像的作物種植結(jié)構(gòu)提取[J];遙感技術(shù)與應用;2015年04期

2 朱良;平博;蘇奮振;杜云艷;蘇偉光;;多時相TM影像決策樹模型的水稻識別提取[J];地球信息科學學報;2013年03期

3 潘遠;楊景輝;武文波;;粗糙集約簡的神經(jīng)網(wǎng)絡(luò)遙感分類應用[J];遙感信息;2012年04期

4 尹繼豪;王義松;;高光譜遙感影像中最佳譜段的快速選擇方法[J];遙感信息;2010年03期

5 吳昊;李士進;林林;萬定生;;多策略結(jié)合的高光譜圖像波段選擇新方法[J];計算機科學與探索;2010年05期

6 王國胤;姚一豫;于洪;;粗糙集理論與應用研究綜述[J];計算機學報;2009年07期

7 趙春暉;陳萬海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進展與分析[J];黑龍江大學自然科學學報;2007年05期

8 劉玫岑;李霞;蔣平安;盛建東;;ASTER數(shù)據(jù)在棉花信息提取中的應用——以兵團農(nóng)一師十六團為例[J];遙感技術(shù)與應用;2005年06期

9 曹衛(wèi)彬,楊邦杰,宋金鵬;TM影像中基于光譜特征的棉花識別模型[J];農(nóng)業(yè)工程學報;2004年04期

10 谷延鋒,張曄;基于自動子空間劃分的高光譜數(shù)據(jù)特征提取[J];遙感技術(shù)與應用;2003年06期

【共引文獻】

相關(guān)期刊論文 前10條

1 曹洪洋;任曉瑩;;基于粗糙集理論的區(qū)域降雨型滑坡預測預報[J];水文地質(zhì)工程地質(zhì);2017年02期

2 周馨;王國胤;于洪;;基于改進極限學習機的軟測量建模[J];計算機應用;2017年03期

3 杜政;方耀;;結(jié)合隨機森林的高分一號分類最優(yōu)組合研究[J];地理空間信息;2017年02期

4 王文靜;張霞;趙銀娣;王樹東;;綜合多特征的Landsat 8時序遙感圖像棉花分類方法[J];遙感學報;2017年01期

5 方耀;顏梅春;;主成分等變換及組合分類在半濕潤流域的應用[J];地理空間信息;2017年01期

6 張維;苗奪謙;高燦;李峰;;一種處理部分標記數(shù)據(jù)的粗糙集屬性約簡算法[J];計算機科學;2017年01期

7 潘慶先;董紅斌;韓啟龍;王瑩潔;丁蕊;;一種基于BP神經(jīng)網(wǎng)絡(luò)的屬性重要性計算方法[J];中國科學技術(shù)大學學報;2017年01期

8 胡帥鵬;張清華;姚龍洋;;一種變粒度的規(guī)則提取算法[J];重慶郵電大學學報(自然科學版);2016年06期

9 崔莉;陸文偉;葛樂;龔燈才;楊志超;;基于粗糙模糊集的輸電桿塔塔材實際強度精確計算[J];電測與儀表;2016年23期

10 張任;王暉;;基于三支決策粗糙集的概念漂移研究[J];微型機與應用;2016年22期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 胡瓊;吳文斌;宋茜;余強毅;楊鵬;唐華俊;;農(nóng)作物種植結(jié)構(gòu)遙感提取研究進展[J];中國農(nóng)業(yè)科學;2015年10期

2 程熙;沈占鋒;周亞男;夏列鋼;駱劍承;;基于Bhattacharyya距離的典型地物波譜特征差異性分析[J];遙感技術(shù)與應用;2013年04期

3 朱良;平博;蘇奮振;杜云艷;蘇偉光;;多時相TM影像決策樹模型的水稻識別提取[J];地球信息科學學報;2013年03期

4 徐涵秋;唐菲;;新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J];生態(tài)學報;2013年11期

5 吳健生;潘況一;彭建;黃秀蘭;;基于QUEST決策樹的遙感影像土地利用分類——以云南省麗江市為例[J];地理研究;2012年11期

6 屠星月;趙冬玲;;多時相遙感影像農(nóng)作物識別方法的分析[J];測繪通報;2012年S1期

7 郭亞鴿;于信芳;江東;王世寬;姜小三;;面向?qū)ο蟮纳种脖粓D像識別分類方法[J];地球信息科學學報;2012年04期

8 魏新彩;王新生;劉海;徐靜;;HJ衛(wèi)星圖像水稻種植面積的識別分析[J];地球信息科學學報;2012年03期

9 李雪;鐘仕全;王蕾;彭波;馮志敏;;基于HJ衛(wèi)星遙感數(shù)據(jù)的林果光譜特征分析[J];新疆農(nóng)業(yè)科學;2011年11期

10 楊學忠;;河北省灤南縣種植業(yè)布局現(xiàn)狀調(diào)查與對策研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2011年05期

【相似文獻】

相關(guān)期刊論文 前1條

1 張浩;葛小青;馮旭祥;;Landsat 8影像像元地理坐標計算[J];遙感信息;2013年05期

相關(guān)碩士學位論文 前1條

1 奚禎苑;基于多時相Landsat 8數(shù)據(jù)對臨安西部山核桃受干旱脅迫程度的監(jiān)測研究[D];浙江農(nóng)林大學;2015年

，

本文編號：1546000