發(fā)布時間：2021-02-15 08:31

　　[目的]針對影像上純凈、混合像元共存的現象,文章結合硬分類方法和軟分類方法各自的優(yōu)勢,提出了目標地物信息的軟硬結合的分類方法。[方法]該方法將遙感影像劃分為典型目標地物像元、非目標地物像元和混合目標地物像元3個部分。典型的目標地物像元和非目標地物像元,采用硬分類方法（ISODATA）聚類確定類型;混合目標地物像元采用非線性支撐向量回歸混合像元分解模型,從目標地物端元光譜庫和非目標地物端元光譜庫中多次隨機選擇像元,進行目標地物不同豐度值的混合像元模擬,構建樣本庫進行支撐向量回歸,提取出混合像元的目標地物豐度。該文以冬小麥為研究對象,選用2006年4月7日的TM影像,采用軟硬結合的分類方法進行冬小麥識別。[結果]較傳統(tǒng)的硬、軟分類方法,軟硬結合分類方法精度高,總體精度達到了90.2%;而軟分類方法為86.6%,硬分類方法為81.6%。[結論]軟硬結合的分類方法克服了硬分類方法對混合像元信息提取受到光譜不確定影響,也克服了軟分類方法受到光譜異質性干擾的問題。該分類方法簡便、易操作,適合單目標特定地物的信息提取。 

【文章來源】：中國農業(yè)資源與區(qū)劃. 2020,41(08)北大核心CSSCI

【文章頁數】：10 頁

【文章目錄】：
0 引言
1 研究區(qū)與數據
2 軟硬結合分類方法的冬小麥信息提取
    2.1 數據預處理
    2.2 終端像元的提取
    2.3 構造混合像元樣本集
    2.4 混合像元分解
    2.5 精度評價方法
3 結果與分析
    3.1 識別結果
    3.2 精度評價
4 結論與討論


【參考文獻】：
期刊論文
[1]剖線強度梯度變化的作物軟硬變化區(qū)精確劃分[J]. 朱爽,張錦水,崔有禎.  中國農業(yè)資源與區(qū)劃. 2018(07)
[2]應用面向對象的決策樹模型提取橡膠林信息[J]. 梁守真,陳勁松,吳炳方,陳工.  遙感學報. 2015(03)
[3]基于微波遙感極化目標分解的土地覆蓋/土地利用分類[J]. 馬騰,王耀強,李瑞平,李彪.  農業(yè)工程學報. 2015(02)
[4]基于最小距離法的RADARSAT-2遙感數據旱地作物識別[J]. 丁婭萍,陳仲新.  中國農業(yè)資源與區(qū)劃. 2014(06)
[5]基于C5.0的遙感影像決策樹分類實驗研究[J]. 白秀蓮,巴雅爾,哈斯其其格.  遙感技術與應用. 2014(02)
[6]通過軟硬變化檢測識別冬小麥[J]. 朱爽,張錦水,帥冠元,喻秋艷.  遙感學報. 2014(02)
[7]面向省級農作物種植面積遙感估算的分層方法[J]. 朱爽,張錦水.  農業(yè)工程學報. 2013(02)
[8]基于支撐向量回歸的高光譜混合像元非線性分解[J]. 吳波,張良培,李平湘.  遙感學報. 2006(03)
[9]Landsat5圖像的增益、偏置取值及其對行星反射率計算分析[J]. 韋玉春,黃家柱.  地球信息科學. 2006(01)
[10]基于SVM的多源信息復合的高空間分辨率遙感數據分類研究[J]. 張錦水,何春陽,潘耀忠,李京.  遙感學報. 2006(01)



本文編號：3034529