當(dāng)前林地提取的方式主要是選擇樣本通過監(jiān)督或半監(jiān)督進(jìn)行的,效率較低,為此本文提出一種結(jié)合多特征的HSV變換高光譜影像林地提取方法.該方法首先對(duì)原影像進(jìn)行相關(guān)校正處理,然后利用歸一化植被指數(shù)（NDVI）和主成分分析（PCA）得到合成影像,最后利用HSV變換通過設(shè)置色彩值范圍對(duì)影像進(jìn)行色彩分割提取林地信息.結(jié)果顯示,使用本文方法對(duì)高光譜林地的提取精度可以達(dá)到96.29%,說明了本文方法的有效性. 

【文章來源】：全球定位系統(tǒng). 2020,45(03)CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

研究區(qū)位置示意圖及其林地區(qū)域參考圖

為了更好地對(duì)該區(qū)域林地信息進(jìn)行提取,本文提出了一種基于HSV變換的色彩分割林地提取方法.首先對(duì)原影像進(jìn)行輻射定標(biāo)、大氣校正和正射校正,得到校正后的影像;然后對(duì)校正后的影像進(jìn)行PCA降維,并選取第一主成分和第二主成分與NDVI進(jìn)行合成,得到合成后的影像;接著再進(jìn)行HSV變換并進(jìn)行色彩分割得到該區(qū)域林地提取二值圖,進(jìn)行小對(duì)象刪除以及空洞填充,得到最終林地提取圖;最后與林地區(qū)域的參考圖進(jìn)行精度評(píng)價(jià).具體的林地提取流程圖如圖2所示,合成后影像的相關(guān)信息如表1所示.2.1 高光譜影像植被指數(shù)的計(jì)算

由于所選影像地物復(fù)雜,通過對(duì)原影像做相關(guān)處理可以很好地回避同譜異物和同物異譜對(duì)林地提取的影響.從圖3(a)可以看出,部分水體的顏色與林地的顏色極為相似,如果用原影像對(duì)林地進(jìn)行提取,將造成林地中混合水體的現(xiàn)象出現(xiàn).為此,通過將NDVI和PCA進(jìn)行組合,得到的影像可以很好地避免這一情況的出現(xiàn),如圖3(b)所示,再通過HSV變換可以更加清晰地對(duì)地物進(jìn)行區(qū)分,有利于林地的提取,如圖3(c)所示.3.2 精度評(píng)價(jià)與分析

【參考文獻(xiàn)】：
期刊論文
[1]基于多核極限學(xué)習(xí)機(jī)的遙感影像林地信息提取[J]. 王傳立,張曉芳,唐鼐,袁夢,文益君,郭瑞.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2018(09)
[2]基于決策樹和SVM的Sentinel-2A影像作物提取方法[J]. 王利軍,郭燕,賀佳,王利民,張喜旺,劉婷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(09)
[3]“綠水青山就是金山銀山”理論實(shí)踐政策機(jī)制研究[J]. 秦昌波,蘇潔瓊,王倩,萬軍,王金南.  環(huán)境科學(xué)研究. 2018(06)
[4]基于深度極限學(xué)習(xí)機(jī)的高光譜遙感影像分類研究[J]. 呂飛,韓敏.  大連理工大學(xué)學(xué)報(bào). 2018(02)
[5]基于紋理特征和SVM的QuickBird影像蘋果園提取[J]. 宋榮杰,寧紀(jì)鋒,劉秀英,常慶瑞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(03)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)模型的遙感圖像分類[J]. 付秀麗,黎玲萍,毛克彪,譚雪蘭,李建軍,孫旭,左志遠(yuǎn).  高技術(shù)通訊. 2017(03)
[7]基于KNN方法的大興安嶺地區(qū)森林地上碳儲(chǔ)量遙感估算[J]. 戚玉嬌,李鳳日.  林業(yè)科學(xué). 2015(05)
[8]基于高光譜影像融合的濕地植被類型信息提取技術(shù)研究[J]. 韋瑋,李增元.  林業(yè)科學(xué)研究. 2011(03)
[9]高光譜遙感數(shù)據(jù)植被信息提取方法[J]. 李丹,陳水森,陳修治.  農(nóng)業(yè)工程學(xué)報(bào). 2010(07)
[10]一種用于高光譜遙感影像分類的改進(jìn)多類支持向量機(jī)[J]. 于寧鋒,楊化超.  遙感信息. 2007(05)



本文編號(hào)：3284607