本文關(guān)鍵詞： 多時(shí)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(xué)報(bào)》2017年01期 　論文類型：期刊論文

【摘要】：傳統(tǒng)的多時(shí)相遙感圖像分類大多拘泥于單一特征,本文基于多時(shí)相的Landsat 8遙感數(shù)據(jù),開(kāi)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(shí)間序列、最佳時(shí)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(duì)其進(jìn)行特征約簡(jiǎn)。分類結(jié)果表明:(1)利用初始分類特征,分類的總體精度達(dá)到92.81%,棉花提取精度達(dá)87.4%,與僅利用NDVI時(shí)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(dá)93.66%,棉花分類精度達(dá)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(shí)有效降低了分類器的計(jì)算復(fù)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(guó)科學(xué)院遙感與數(shù)字地球研究所;中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院;
【基金】：高分辨對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)(編號(hào):11-Y20A40-9002-15/17)~~
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉吉?jiǎng)P;鐘仕全;梁文海;;基于多時(shí)相Landsat8 OLI影像的作物種植結(jié)構(gòu)提取[J];遙感技術(shù)與應(yīng)用;2015年04期

2 朱良;平博;蘇奮振;杜云艷;蘇偉光;;多時(shí)相TM影像決策樹(shù)模型的水稻識(shí)別提取[J];地球信息科學(xué)學(xué)報(bào);2013年03期

3 潘遠(yuǎn);楊景輝;武文波;;粗糙集約簡(jiǎn)的神經(jīng)網(wǎng)絡(luò)遙感分類應(yīng)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(jìn);林林;萬(wàn)定生;;多策略結(jié)合的高光譜圖像波段選擇新方法[J];計(jì)算機(jī)科學(xué)與探索;2010年05期

6 王國(guó)胤;姚一豫;于洪;;粗糙集理論與應(yīng)用研究綜述[J];計(jì)算機(jī)學(xué)報(bào);2009年07期

7 趙春暉;陳萬(wàn)海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進(jìn)展與分析[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);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(yīng)用——以兵團(tuán)農(nóng)一師十六團(tuán)為例[J];遙感技術(shù)與應(yīng)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(shí)別模型[J];農(nóng)業(yè)工程學(xué)報(bào);2004年04期

10 谷延鋒,張曄;基于自動(dòng)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(yīng)用;2003年06期

【共引文獻(xiàn)】

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(yù)測(cè)預(yù)報(bào)[J];水文地質(zhì)工程地質(zhì);2017年02期

2 周馨;王國(guó)胤;于洪;;基于改進(jìn)極限學(xué)習(xí)機(jī)的軟測(cè)量建模[J];計(jì)算機(jī)應(yīng)用;2017年03期

3 杜政;方耀;;結(jié)合隨機(jī)森林的高分一號(hào)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(shù)東;;綜合多特征的Landsat 8時(shí)序遙感圖像棉花分類方法[J];遙感學(xué)報(bào);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(rùn)流域的應(yīng)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(biāo)記數(shù)據(jù)的粗糙集屬性約簡(jiǎn)算法[J];計(jì)算機(jī)科學(xué);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(jì)算方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);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(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

9 崔莉;陸文偉;葛樂(lè);龔燈才;楊志超;;基于粗糙模糊集的輸電桿塔塔材實(shí)際強(qiáng)度精確計(jì)算[J];電測(cè)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(jī)與應(yīng)用;2016年22期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡瓊;吳文斌;宋茜;余強(qiáng)毅;楊鵬;唐華俊;;農(nóng)作物種植結(jié)構(gòu)遙感提取研究進(jìn)展[J];中國(guó)農(nóng)業(yè)科學(xué);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(yīng)用;2013年04期

3 朱良;平博;蘇奮振;杜云艷;蘇偉光;;多時(shí)相TM影像決策樹(shù)模型的水稻識(shí)別提取[J];地球信息科學(xué)學(xué)報(bào);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(xué)報(bào);2013年11期

5 吳健生;潘況一;彭建;黃秀蘭;;基于QUEST決策樹(shù)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(shí)相遙感影像農(nóng)作物識(shí)別方法的分析[J];測(cè)繪通報(bào);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(shí)別分類方法[J];地球信息科學(xué)學(xué)報(bào);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(shí)別分析[J];地球信息科學(xué)學(xué)報(bào);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(xué);2011年11期

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

【相似文獻(xiàn)】

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(biāo)計(jì)算[J];遙感信息;2013年05期

相關(guān)碩士學(xué)位論文 前1條

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

，

本文編號(hào)：1546000