本文選題：蘋果園　切入點(diǎn)：遙感識(shí)別　出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年03期

【摘要】：為提高高空間分辨率遙感影像(高分影像)中蘋果園提取精度,基于Quick Bird遙感數(shù)據(jù),研究綜合光譜特征和紋理特征的蘋果園自動(dòng)提取方法。該方法首先采用最佳指數(shù)因子(OIF)獲取多光譜波段最佳組合,然后采用不同大小滑動(dòng)窗口(從3像素×3像素到13像素×13像素)提取全色波段的灰度共生矩陣(GLCM)、分形和空間自相關(guān)3種紋理特征并分別與光譜特征組合,最后通過支持向量機(jī)(SVM)分類進(jìn)行蘋果園分類識(shí)別。研究表明:在分類特征上,與單一光譜或紋理特征相比,光譜特征結(jié)合紋理特征能有效提高蘋果園提取精度(Fa)和總體分類精度(OA),其中光譜+GLCM紋理(9像素×9像素)分類精度最高,Fa和OA分別為96.99%和96.16%,比光譜+分形紋理分別提高0.63個(gè)百分點(diǎn)和1.56個(gè)百分點(diǎn),比光譜+空間自相關(guān)紋理顯著提高11.92個(gè)百分點(diǎn)和9.20個(gè)百分點(diǎn)。在分類方法上,通過對(duì)比分析SVM、最大似然和神經(jīng)網(wǎng)絡(luò)3種方法的分類結(jié)果,探明SVM分類識(shí)別蘋果園精度最高。最后對(duì)蘋果園提取結(jié)果進(jìn)行面積統(tǒng)計(jì),結(jié)果表明GLCM紋理結(jié)合SVM分類的蘋果園面積估算與目視解譯結(jié)果的一致性超過98%。
[Abstract]:In order to improve the precision of apple orchard extraction from high spatial resolution remote sensing image (high score image), the automatic extraction method of apple orchard based on Quick Bird remote sensing data was studied.In this method, the best combination of multispectral bands is obtained by using the optimal exponential factor (OIFs).Then using sliding windows of different sizes (from 3 pixels 脳 3 pixels to 13 pixels 脳 13 pixels) to extract the gray level co-occurrence matrix (GLCM) of panchromatic band, fractal and spatial autocorrelation texture features are combined with spectral features, respectively.Finally, the classification and recognition of apple orchard are carried out by support vector machine (SVM) classification.The results show that: compared with single spectral or texture features,Spectral features combined with texture features can effectively improve the extraction accuracy of apple orchard (Faa) and the overall classification accuracy. The spectral GLCM texture (9 pixels 脳 9 pixels) has the highest classification accuracy (96.99%) and OA (96.16%), which is higher than that of spectral fractal texture (96.99%) and OA (96.16%).Don't increase by 0.63 percentage points and 1.56 percentage points,Compared with spectral spatial autocorrelation texture, it increased by 11.92% and 9.20%.In terms of classification methods, by comparing and analyzing the classification results of SVM, maximum likelihood and neural network, it is proved that SVM classification and recognition of apple orchard has the highest accuracy.Finally, the area statistics of apple orchard extraction results show that the GLCM texture combined with SVM classification of apple orchard area estimation and visual interpretation results are more than 98.
【作者單位】： 西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院;西北農(nóng)林科技大學(xué)信息工程學(xué)院;河南科技大學(xué)農(nóng)學(xué)院;
【基金】：國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目(2013AA102401-2) 國家自然科學(xué)基金項(xiàng)目(31501228) 陜西省自然科學(xué)基金項(xiàng)目(2015JM3110)
【分類號(hào)】：S661.1;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 游炯;裴志遠(yuǎn);王飛;吳全;郭琳;;基于改進(jìn)多元紋理信息模型和GF-1影像的縣域冬小麥面積提取[J];農(nóng)業(yè)工程學(xué)報(bào);2016年13期

2 石濤;張麗;楊元建;;基于Landsat-8和LSMM的冬小麥面積提取研究——以皖北為例[J];麥類作物學(xué)報(bào);2015年12期

3 楊閆君;黃彥;田慶久;王磊;耿君;楊冉冉;;基于高分一號(hào)衛(wèi)星WFV影像的水稻信息提取模式（英文）[J];光譜學(xué)與光譜分析;2015年11期

4 鄭淑丹;鄭江華;石明輝;郭寶林;森巴提;孫志群;賈曉光;李曉瑾;;基于分形和灰度共生矩陣紋理特征的種植型藥用植物遙感分類[J];遙感學(xué)報(bào);2014年04期

5 欒海軍;汪小欽;楊娜娜;朱曉玲;張愛國;黃靈操;;高空間分辨率遙感影像小波域分形紋理特征提取[J];廈門理工學(xué)院學(xué)報(bào);2014年03期

6 楊紅衛(wèi);童小華;;高分辨率影像的橡膠林分布信息提取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年04期

7 朱爽;張錦水;帥冠元;喻秋艷;;通過軟硬變化檢測識(shí)別冬小麥[J];遙感學(xué)報(bào);2014年02期

8 李恒凱;吳立新;李發(fā)帥;;面向土地利用分類的HJ-1CCD影像最佳分形波段選擇[J];遙感學(xué)報(bào);2013年06期

9 侯群群;王飛;嚴(yán)麗;;基于灰度共生矩陣的彩色遙感圖像紋理特征提取[J];國土資源遙感;2013年04期

10 張振興;李寧;劉陽;;基于Worldview-Ⅱ多光譜遙感數(shù)據(jù)紋理特征提取方法[J];系統(tǒng)工程與電子技術(shù);2013年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋榮杰;寧紀(jì)鋒;劉秀英;常慶瑞;;基于紋理特征和SVM的QuickBird影像蘋果園提取[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2017年03期

2 趙磊;朱永利;賈亞飛;張寧;郭小紅;袁亮;;基于GLCM和LBP的局部放電灰度圖像特征提取[J];電測與儀表;2017年01期

3 郭梁;任偉征;胡亮亮;張劍;羅均;諶洪光;姚紅光;陳欣;;傳統(tǒng)稻魚系統(tǒng)中“田鯉魚”的形態(tài)特征[J];應(yīng)用生態(tài)學(xué)報(bào);2017年02期

4 王艷楠;王健健;龔健新;袁帥;劉輝;羅文;;基于環(huán)境衛(wèi)星數(shù)據(jù)的沿海灘涂地物類型分類的隨機(jī)森林方法[J];遙感技術(shù)與應(yīng)用;2016年06期

5 朱爽;崔有禎;張錦水;;利用復(fù)合光譜紋理特征進(jìn)行城市邊緣區(qū)不透水層提取[J];測繪通報(bào);2016年11期

6 楊青山;張華;;融合像元形狀和光譜信息的高分遙感圖像分類新方法[J];國土資源遙感;2016年04期

7 項(xiàng)盛文;文貢堅(jiān);高峰;;知識(shí)驅(qū)動(dòng)下的飛機(jī)目標(biāo)變化檢測方法[J];國土資源遙感;2016年04期

8 段金廒;宿樹蘭;郭盛;嚴(yán)輝;唐于平;吳啟南;;2014—2015年我國中藥及天然藥物資源研究進(jìn)展與學(xué)科建設(shè)[J];中國現(xiàn)代中藥;2016年10期

9 馬尚杰;易湘生;游炯;郭琳;婁徑;;基于GF-1影像的冬小麥種植面積核算及直補(bǔ)政策實(shí)施評(píng)價(jià)[J];農(nóng)業(yè)工程學(xué)報(bào);2016年18期

10 劉佳;王利民;滕飛;楊玲波;高建孟;姚保民;楊福剛;;RapidEye衛(wèi)星紅邊波段對(duì)農(nóng)作物面積提取精度的影響[J];農(nóng)業(yè)工程學(xué)報(bào);2016年13期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉鳳珠;張景雄;林宗堅(jiān);陽柯;;多光譜遙感影像的灰度與紋理信息測度方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2016年03期

2 郭燕;武喜紅;程永政;王來剛;劉婷;;用高分一號(hào)數(shù)據(jù)提取玉米面積及精度分析[J];遙感信息;2015年06期

3 謝登峰;張錦水;潘耀忠;孫佩軍;袁周米琪;;Landsat 8和MODIS融合構(gòu)建高時(shí)空分辨率數(shù)據(jù)識(shí)別秋糧作物[J];遙感學(xué)報(bào);2015年05期

4 王利民;劉佳;楊福剛;富長虹;滕飛;高建孟;;基于GF-1衛(wèi)星遙感的冬小麥面積早期識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2015年11期

5 葛廣秀;李衛(wèi)國;景元書;;基于NDVI密度分割的冬小麥種植面積提取[J];麥類作物學(xué)報(bào);2014年07期

6 張煥雪;李強(qiáng)子;;空間分辨率對(duì)作物識(shí)別及種植面積估算的影響研究[J];遙感信息;2014年02期

7 李根;景元書;王琳;楊沈斌;;基于MODIS時(shí)序植被指數(shù)和線性光譜混合模型的水稻面積提取[J];大氣科學(xué)學(xué)報(bào);2014年01期

8 王秀君;陳健;;基于LST-EVI特征空間的土壤水分含量反演[J];遙感技術(shù)與應(yīng)用;2014年01期

9 欒海軍;田慶久;顧行發(fā);余濤;胡新禮;;基于分形理論與GEOEYE-1影像的NDVI連續(xù)空間尺度轉(zhuǎn)換模型構(gòu)建及應(yīng)用[J];紅外與毫米波學(xué)報(bào);2013年06期

10 娜仁花;鄭江華;郭寶林;森巴提;石明輝;孫志群;賈曉光;李曉瑾;;基于PCA和紋理特征的紅花種植面積遙感估算[J];中國中藥雜志;2013年21期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈佳;呂建新;辜良愉;;基于SVM的多傳感器信息融合技術(shù)在農(nóng)用柴油機(jī)故障診斷中的應(yīng)用研究[J];中國農(nóng)機(jī)化學(xué)報(bào);2013年02期

2 石晶晶;劉占宇;張莉麗;周灣;黃敬峰;;基于支持向量機(jī)(SVM)的稻縱卷葉螟危害水稻高光譜遙感識(shí)別[J];中國水稻科學(xué);2009年03期

3 趙爽;;基于SVM的拖拉機(jī)齒輪箱多故障診斷方法研究[J];農(nóng)機(jī)化研究;2011年05期

4 冉篤奎;李敏;解建倉;;基于SVM的南水北調(diào)工程向黃河相機(jī)補(bǔ)水分析[J];沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào);2010年05期

5 金t，

本文編號(hào)：1723043