無人機(jī)遙感和面向?qū)ο髨D像分析技術(shù)在環(huán)境監(jiān)測中得到越來越多的發(fā)展。然而在科學(xué)文獻(xiàn)領(lǐng)域,使用無人機(jī)和面向?qū)ο笾茍D農(nóng)村居住環(huán)境的文獻(xiàn)仍然很少。因此本研究構(gòu)造一個整合框架用于提取農(nóng)村居住環(huán)境中各類地物信息。首先利用尺度參數(shù)評估（ESP,Estimation of Scale Parameter）工具和專家判斷來確定最優(yōu)分割尺度參數(shù);然后分別采用專家規(guī)則集和監(jiān)督分類算法提取農(nóng)村居住環(huán)境中各類地物;最后采用基于面的精度評價方法對分類性能進(jìn)行評估。結(jié)果表明,利用ESP工具和專家判斷確定最優(yōu)分割尺度是可行的�？傮w精度為75.19%,說明基于規(guī)則的提取方法對研究區(qū)各類地物的提取效果不佳。但在農(nóng)村居住環(huán)境中利用模板匹配結(jié)合閾值規(guī)則對太陽能熱水器提取精度達(dá)92%。分析訓(xùn)練樣本和特征對隨機(jī)森林（RF,Random Forest）、支持向量機(jī)（SVM,Support Vector Machines）和K最近鄰（KNN,K-Nearest Neighbor）分類器分類結(jié)果的影響,說明RF分類器對農(nóng)村居住環(huán)境分類效果最好,總體分類精度高達(dá)91.34%。研究結(jié)果表明:該框架在農(nóng)村居住環(huán)境地物提取方面是一種有價值的工具... 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(03)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

研究區(qū)位置及其遙感影像

使用分類器進(jìn)行影像分類時，其中最重要的就是訓(xùn)練樣本和特征的選擇[19]。馬磊等[3]指出只有當(dāng)訓(xùn)練集比處于低水平時分類結(jié)果才有意義。因此將訓(xùn)練集比設(shè)定在一個較低的水平并采用分層隨機(jī)抽樣的方法選擇訓(xùn)練樣本。分析eCognition軟件中常用來參與分類的特征[19]，將選擇的對象特征輸入分類過程（圖2）。其中白色部分的特征為必要特征集共有23個特征，灰色部分的特征屬于可選的幾何特征集共有9個特征。除自定義特征外，剩余特征為eCognition軟件中內(nèi)置特征[21]。為驗證不同訓(xùn)練樣本和特征集對農(nóng)村居住環(huán)境分類效果的具體影響，本研究設(shè)計了A、B、C、D 4種不同的實驗方案（表2）。方案A和方案D使用含有23個特征指數(shù)的必要特征集，方案B和方案C包含必要特征集和可選的幾何特征集共32個特征指數(shù)（圖2）。最后通過評估分類性能來確定最佳的分類集合。

利用ESP工具得到Rate of Change-Local Variance曲線（圖3）。在圖3中，200個分割尺度層被ESP工具自動處理。Rate of Change曲線的峰值對應(yīng)的分割尺度層是30、50、62、80、103和124，說明在上述尺度參數(shù)分割只會給對象的結(jié)構(gòu)帶來較小的變化。根據(jù)之前實際分割的20個分割層，利用Rate of Change-Local Variance曲線確定最優(yōu)的尺度分割參數(shù)（表3）。3.2 農(nóng)村居住環(huán)境規(guī)則分類結(jié)果分析

【參考文獻(xiàn)】：
期刊論文
[1]集成U-Net方法的無人機(jī)影像胡楊樹冠提取和計數(shù)[J]. 李越帥,鄭宏偉,羅格平,楊遼,王偉勝,桂東偉.  遙感技術(shù)與應(yīng)用. 2019(05)
[2]基于高分二號數(shù)據(jù)的面向?qū)ο蟪鞘型恋乩梅诸愌芯縖J]. 宋明輝.  遙感技術(shù)與應(yīng)用. 2019(03)
[3]基于激光雷達(dá)和航拍影像的城市地物分類研究[J]. 徐凡,張雪紅,石玉立.  遙感技術(shù)與應(yīng)用. 2019(02)
[4]基于隨機(jī)森林算法的冬小麥提取研究[J]. 賀原惠子,王長林,賈慧聰,陳方.  遙感技術(shù)與應(yīng)用. 2018(06)
[5]Sentinel-2A與Landsat-8影像在油菜識別中的差異性研究[J]. 韓濤,潘劍君,張培育,曹羅丹.  遙感技術(shù)與應(yīng)用. 2018(05)
[6]遙感影像空間分辨率對城市建筑物高度估算精度的影響[J]. 丁哲,汪小欽,鄔群勇,孫振海,張仕山,楊光輝,黃書海,黃志松.  遙感技術(shù)與應(yīng)用. 2018(03)
[7]基于資源三號影像的紅樹林物種分類研究[J]. 李想,劉凱,朱遠(yuǎn)輝,蒙琳,于晨曦,曹晶晶.  遙感技術(shù)與應(yīng)用. 2018(02)
[8]基于面向?qū)ο蟮倪b感影像分類研究——以河北省柏鄉(xiāng)縣為例[J]. 江東,陳帥,丁方宇,付晶瑩,郝蒙蒙.  遙感技術(shù)與應(yīng)用. 2018(01)
[9]遙感與中國可持續(xù)發(fā)展:機(jī)遇和挑戰(zhàn)[J]. 徐冠華,柳欽火,陳良富,劉良云.  遙感學(xué)報. 2016(05)



本文編號：3353924