基于面向对象的遥感影像分类研究——以河北省柏乡县为例

doi:10.11873/j.issn.1004-0323.2018.1.0143

遥感技术与应用

遥感应用

基于面向对象的遥感影像分类研究——以河北省柏乡县为例

江东¹，陈帅^1，2，丁方宇^1，2，付晶莹^1，2，郝蒙蒙^1，2

（1.中国科学院地理科学与资源研究所资源利用与环境修复重点实验室，北京 100101;
2.中国科学院大学资源与环境学院，北京 100049）

Classification of Remote Sensing Image based on Object-oriented Method:A Case Study of Baixiang County

Jiang Dong¹，Chen Shuai^1,2,Ding Fangyu^1，2，Fu Jingying^1,2，Hao Mengmeng^1，2

（1.Key Laboratory of Resource Utilization and Environmental Remediation，Institute of GeographicSciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China；2.College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049，China）

全文: PDF(7172 KB)

摘要：

遥感作为提取土地覆盖类型的主要手段对监测土地利用变化和制定国家政策具有重要意义。通过利用影像的光谱、形状和纹理信息，面向对象分类方法能够比基于像元的分类方法提供更高精度的数据。基于高分一号卫星数据提出一种自动计算最优尺度的方法，基于多尺度分割和3种监督型机器学习算法对研究区典型地物类型（农田、裸地、居民区和道路）进行面向对象分类，并用总体精度和Kappa系数对分类结果进行精度评价，分析了分类精度与训练样本占总样本比例的关系。研究表明，面向对象分类方法在训练样本占总样本比例较小的情况下就可以取得较高的分类精度，总体精度高于94%。总体来看，支持向量的分类精度比神经网络和决策树的分类精度高。

关键词： 面向对象分类; 高分一号; 最优尺度; 机器学习

Abstract: Remote sensing is the main means of extracting land cover types，which has important significance for monitoring land use change and developing national policies.Object-based classification methods can provide higher accuracy data than pixel-based methods by using spectral，shape and texture information.In this study，we choose GF-1 satellite’s imagery and proposed a method which can automatically calculate the optimal segmentation scale.The object-based methods for classifying four typical land cover types are compared using multi-scale segmentation and three supervised machine learning algorithms.The relationship between the accuracy of classification results and the training sample proportion is analyzed and the result shows that object-based methods can achieve higher classification results in the case of small training sample ratio，overall accuracies are higher than 94%.Overall，the classification accuracy of support vector machine is higher than that of neural network and decision tree during the process of object-oriented classification.

Key words: Object-based classification GF-1 Optimal scale Machine learning

收稿日期: 2017-01-19 出版日期: 2018-03-16

TP 79

基金资助: 国家自然科学基金项目（41571509），2015年度环保公益性行业科研专项项目（201509044）。

作者简介: 江东（1972-），男，安徽寿县人，博士，研究员，主要从事资源环境遥感应用。E-mail：jiangd@igsnrr.ac.cn。

	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
	江东
	陈帅
	丁方宇
	付晶莹
	郝蒙蒙

引用本文:

江东，陈帅，丁方宇，付晶莹，郝蒙蒙. 基于面向对象的遥感影像分类研究——以河北省柏乡县为例[J]. 遥感技术与应用, 10.11873/j.issn.1004-0323.2018.1.0143.

Jiang Dong，Chen Shuai,Ding Fangyu，Fu Jingying，Hao Mengmeng. Classification of Remote Sensing Image based on Object-oriented Method:A Case Study of Baixiang County. Remote Sensing Technology and Application, 10.11873/j.issn.1004-0323.2018.1.0143.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.1.0143 或 http://www.rsta.ac.cn/CN/Y2018/V33/I1/143

[1]	朱钟正，陈玉福，朱文泉，郑周涛. 适用于多目标遥感自动解译的最佳专题指数筛选[J]. 遥感技术与应用, 2017, 32(3): 564-574.
[2]	于博文,田淑芳. “高分一号”卫星数据几何校正研究[J]. 遥感技术与应用, 2017, 32(1): 133-139.
[3]	张胜敏,周美玲,司一丹,王中挺. 深蓝算法应用于GF-1 16 m相机反演陆地气溶胶[J]. 遥感技术与应用, 2016, 31(4): 709-713.
[4]	曹学诚,刘周周. 基于PostGIS的高分一号卫星影像管理与Web应用研究[J]. 遥感技术与应用, 2016, 31(2): 285-289.
[5]	满卫东,李春景,王宗明,贾明明,毛德华,刘明月,路春燕. 基于面向对象分类方法的乌苏里江流域中俄跨境区域湿地景观动态研究[J]. 遥感技术与应用, 2016, 31(2): 378-387.
[6]	刘锟,付晶莹,李飞. 高分一号卫星4种融合方法评价[J]. 遥感技术与应用, 2015, 30(5): 980-986.
[7]	徐菲楠,祁元,王建华,张金龙. 面向对象的黑河下游河岸林植被覆盖信息分类[J]. 遥感技术与应用, 2015, 30(5): 996-1005.
[8]	白晓燕,陈晓宏,王兆礼. 基于面向对象分类的土地利用信息提取及其时空变化研究[J]. 遥感技术与应用, 2015, 30(4): 798-809.
[9]	梁文秀,李俊生,周德民,申茜,张方方. 面向内陆水环境监测的GF-1卫星WFV数据特征评价[J]. 遥感技术与应用, 2015, 30(4): 810-818.
[10]	王少伟,张晓祥,杨晓英. 太湖湖滨敏感区的土地利用遥感分类研究[J]. 遥感技术与应用, 2014, 29(1): 114-121.
[11]	王贺,陈劲松,余晓敏. HJ数据的LBV变换及其在面向对象分类中的应用[J]. 遥感技术与应用, 2013, 28(6): 1020-1026.
[12]	丁辉,张茂省,李林. 基于多特征面向对象区域滑坡现象识别[J]. 遥感技术与应用, 2013, 28(6): 1107-1113.
[13]	刘珠妹,刘亚岚,谭衢霖,任玉环. 高分辨率卫星影像车辆检测研究进展[J]. 遥感技术与应用, 2012, 27(1): 8-14.
[14]	陈燕丽,莫伟华,莫建飞,王君华,钟仕全. 基于面向对象分类的南方水稻种植面积提取方法[J]. 遥感技术与应用, 2011, 26(2): 163-168.
[15]	阿依提拉·吾加布都拉, 塔西甫拉提·特依拜, 古丽加玛丽·吾不力. 基于面向对象方法的遥感土壤盐渍化信息监测——以渭干河—库车河三角洲绿洲为例[J]. 遥感技术与应用, 2010, 25(3): 373-378.

Viewed

Full text

Abstract

Cited

Shared

Discussed