基于空间信息的高光谱遥感植被分类技术

被引:21
作者
吴见
彭道黎
机构
[1] 北京林业大学省部共建森林培育与保护教育部重点实验室
关键词
遥感; 植被; 分类; 高光谱; 最小噪声变换; 最大似然法;
D O I
暂无
中图分类号
S127 [遥感技术在农业上的应用];
学科分类号
082804 ;
摘要
高光谱数据常带有噪声,传统的仅考虑光谱信息的遥感植被分类方法效果不佳,融入空间信息进行植被分类显得尤为重要。以NDVI阈值法提取植被信息后,采用最小噪声变换对Hyperion高光谱影像进行压缩处理,取前60个分量数据,并采用一种空间与光谱信息相结合的高光谱影像植被分类法,完成研究区植被分类。结果表明,对各植被类型的平均分类精度达90.3%,而最大似然法的平均分类精度仅为70.0%。融入空间信息的高光谱遥感植被分类方法能有效地削弱噪声,在一定程度上提高了分类精度,在实际应用中有一定的参考价值。
引用
收藏
页码:150 / 153
页数:4
相关论文
共 15 条
[1]   SOM神经网络改进及在遥感图像分类中的应用 [J].
任军号 ;
吉沛琦 ;
耿跃 .
计算机应用研究, 2011, 28 (03) :1170-1172+1182
[2]   遗传算法优化的BP神经网络遥感图像分类研究 [J].
可华明 ;
陈朝镇 ;
张新合 ;
王金亮 .
西南大学学报(自然科学版), 2010, 32 (07) :128-132
[3]   基于CART决策树与最大似然比法的植被分类方法研究 [J].
张晓娟 ;
杨英健 ;
盖利亚 ;
李亮 ;
王宇 .
遥感信息, 2010, (02) :88-92
[4]  
基于支持向量机的玉米苗期田间杂草光谱识别[J]. 邓巍,张录达,何雄奎,Mueller J,曾爱军,宋坚利,刘亚佳,周继中,陈吉,王旭.光谱学与光谱分析. 2009(07)
[5]   基于K-L变换的BP神经网络遥感图像分类 [J].
胡剑策 ;
吴国平 .
测绘科学, 2009, 34 (03) :137-139
[6]   支持向量机在高光谱遥感图像植被分类中的应用 [J].
马心璐 ;
任志远 ;
王永丽 .
农业系统科学与综合研究, 2009, 25 (02) :204-207
[7]  
基于支持向量机(SVM)特征加权/选择的光谱匹配算法[J]. 王圆圆,陈云浩,李京.光谱学与光谱分析. 2009(03)
[8]   基于变差函数和神经网络的遥感影像分类 [J].
裴亮 ;
谭阳 ;
李文杰 .
遥感信息, 2009, (01) :60-65
[9]   基于特征的模糊神经网络遥感图像目标分类识别 [J].
瞿继双 ;
瞿松柏 ;
王自杰 .
遥感学报, 2009, 13 (01) :67-74
[10]   基于支持向量机的高光谱遥感图像分类 [J].
谭琨 ;
杜培军 .
红外与毫米波学报, 2008, (02) :123-128