Please wait a minute...
img

官方微信

遥感技术与应用  2019, Vol. 34 Issue (3): 547-552    DOI: 10.11873/j.issn.1004-0323.2019.3.0547
城市遥感专栏     
基于高分二号数据的面向对象城市土地利用分类研究
宋明辉1,2
(1.轨道交通工程信息化国家重点实验室,陕西 西安 710043;
2.中铁第一勘察设计院集团有限公司,陕西 西安 710043)
Object-oriented Urban Land Classfication with GF-2 Remote Sensing Image
Song Minghui1,2
(1.State Key Laboratory of Rail Transit Engineering Informatization,Xi’an 710043,China;
2.China Railway First Survey and Design Institute Group Co.,Ltd.,Xi’an 710043,China)
 全文: PDF(12201 KB)  
摘要: 利用国产高分二号数据提取城市地物类别的方法研究具有重要的意义。以鸡西市城区作为研究区域,采用高分二号(GF\|2)遥感影像为数据源,对影像进行多尺度分割,建立相应地物的分类规则,采用规则集的面向对象分类方法对地物进行分类,并与支持向量机(Support Vector Machine,SVM)监督分类结果进行比较。实验结果发现:利用面向对象方法对城市土地利用分类的总体精度92.52%,Kappa系数为0.91,与SVM方法相比较,有很大的提高,分类效果更加能体现城市地类形状特征。使用面向对象的分类方法对高分二号影像进行分类效果更好,精度更高,基于高分二号数据面向对象分类方法是提取城市土地利用分类的有效方法。
〖HTH〗关〓键〓词〖HT5K〗:
高分二号;面向对象;多尺度分割;分类规则
〖HTH〗中图分类号〖HTSS〗:TP79〓〓〖HTH〗文献标志码〖HTSS〗:A〓〓〖HTH〗文章编号〖HTSS〗:10040323(2019)03054707
〖HK〗〖HT5SS〗
〖FL(2K2〗〖HT4F〗
1〓引〓言〖HT〗〖HJ*3〗〖HJ〗[HJ2mm]
Abstract:

It is of great significance to study the method of extracting urban features from GF-2 remote sensing data.Taking the urban area of Jixi City as the study area,and the GF-2 image is used as the data source.The image is divided into multiple scales,the classification rules of the corresponding objects are established,and the object-based classification method of the rule set is used to classify the objects.Compare with SVM supervised classification results.The results show that the overall accuracy of object-oriented classification is 92.52%,and the Kappa coefficient is 0.91,which is significantly higher than the SVM supervised classification.Using the object-oriented classification method to classify the GF-2 image is better and the precision is higher.Object-oriented classification method based on GF-2 data is an effective method for extracting urban land use classification.

Key words: GF-2    Object-based    Multi-scale segmentation    Classification rules
收稿日期: 2019-01-03 出版日期: 2019-07-09
ZTFLH:  TP79  
作者简介: 宋明辉(1980-),男,陕西宝鸡人,硕士,工程师,主要从事工程遥感技术应用研究。Email:songmh1980@163.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

宋明辉. 基于高分二号数据的面向对象城市土地利用分类研究[J]. 遥感技术与应用, 2019, 34(3): 547-552.

Song Minghui. Object-oriented Urban Land Classfication with GF-2 Remote Sensing Image. Remote Sensing Technology and Application, 2019, 34(3): 547-552.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.3.0547        http://www.rsta.ac.cn/CN/Y2019/V34/I3/547

[1] 肖林 车涛 戴礼云. 多源雪深数据在中国的空间特征评估[J]. 遥感技术与应用, 0, (): 0-0.
[2] 郭健, 刘良云, 刘新杰, 胡姣婵, 竞霞. 基于查找表的塔基平台O2-A波段大气校正方法研究[J]. 遥感技术与应用, 2019, 34(3): 467-475.
[3] 刘鸥阳, 刘良云, 胡姣婵, 刘新杰, 蒋金豹. 基于719 nm水汽吸收波段的日光诱导叶绿素荧光反演研究[J]. 遥感技术与应用, 2019, 34(3): 500-510.
[4] 陈思媛, 竞霞, 董莹莹, 刘良云. 基于日光诱导叶绿素荧光与反射率光谱的小麦条锈病探测研究[J]. 遥感技术与应用, 2019, 34(3): 511-520.
[5] 林中立, 徐涵秋. 近20年来新旧“火炉城市”热岛状况对比研究[J]. 遥感技术与应用, 2019, 34(3): 521-530.
[6] 程志峰, 何祺胜. 基于RSEI的苏锡常城市群生态环境遥感评价[J]. 遥感技术与应用, 2019, 34(3): 531-539.
[7] 李琼琼, 柳云龙. 城市居民区土壤重金属含量高光谱反演研究[J]. 遥感技术与应用, 2019, 34(3): 540-546.
[8] 田慧慧, 冯 莉, 赵璊璊, 郭 松, 董继伟. 无人机热红外城市地表温度精细特征研究 [J]. 遥感技术与应用, 2019, 34(3): 553-563.
[9] 梁丽娟, 黄万里张容焱, 林广发, 彭俊超, 梁春阳. Sentinel-2卫星影像融合方法与质量评价分析[J]. 遥感技术与应用, 2019, 34(3): 612-621.
[10] 张海涛, 金燕, 刘万军. 基于Marr小波改进的SIFT算法的遥感影像配准[J]. 遥感技术与应用, 2019, 34(3): 622-629.
[11] 卢静, 贾立, 郑超磊, 胡光成. 遥感水分收支对区域水资源估算潜能[J]. 遥感技术与应用, 2019, 34(3): 630-638.
[12] 李靖, 李浩, 王树东, 杨莹莹, 吴太夏. 中亚五国主要湖泊水面变化特征及关键影响因素分析[J]. 遥感技术与应用, 2019, 34(3): 639-646.
[13] 徐梦竹, 徐佳, 邓鸿儒, 袁春琦. 基于全极化SAR影像的海岛地物分类[J]. 遥感技术与应用, 2019, 34(3): 647-654.
[14] 许文鑫, 周玉科, 梁娟珠. 基于变化点的青藏高原植被时空动态变化研究 [J]. 遥感技术与应用, 2019, 34(3): 667-676.
[15] 徐凡, 张雪红, 石玉立. 基于激光雷达和航拍影像的城市地物分类研究[J]. 遥感技术与应用, 2019, 34(2): 253-262.