輔助紋理特征的ALOS影像土地利用-覆蓋分類.pdf

1、遙感技術(shù)的形成與發(fā)展，以及與全球定位系統(tǒng)和地理信息系統(tǒng)技術(shù)的集成，為土地資源調(diào)查研究提供了全新的科學(xué)方法和技術(shù)手段。光譜和紋理特征作為遙感圖像具有的基本信息，是對遙感圖像進(jìn)行土地利用/覆蓋分類所依據(jù)的兩個(gè)基本要素。傳統(tǒng)的基于像素光譜信息分類的方法主要依靠影像中的光譜信息差異進(jìn)行地物區(qū)分，但同譜異物和同物異譜現(xiàn)象的存在，使得利用原始遙感數(shù)據(jù)進(jìn)行分類的精度受到限制，已遠(yuǎn)遠(yuǎn)不能滿足日益增長的應(yīng)用需求。紋理是遙感圖像中的重要空間結(jié)構(gòu)信息和基本特

2、征，是進(jìn)行圖像分析和理解的一個(gè)重要輔助信息源。將紋理信息融合到原始遙感圖像中，對于地物的準(zhǔn)確識別和分類具有重要的作用。在眾多的遙感圖像分類方法中，決策樹分類法具有靈活、直觀、清晰、強(qiáng)健、運(yùn)算效率高等特點(diǎn)，在遙感分類研究中己被廣泛應(yīng)用，并表現(xiàn)出巨大的優(yōu)勢。本研究以覆蓋浙江省安吉縣的遙感影像ALOS/AVNIR-2為數(shù)據(jù)源，使用灰度共生矩陣對影像的第一主成份提取紋理特征，利用c5.0決策樹算法，對復(fù)合了各紋理測度信息和光譜特征信息的多光譜遙

3、感影像AVNIR-2進(jìn)行分類，并把獲得的結(jié)果與傳統(tǒng)的最大似然法分類結(jié)果進(jìn)行比較，分析各特征信息對分類精度的影響。主要研究內(nèi)容及結(jié)果如下：
　　 (1)根據(jù)研究區(qū)的地形和地物分布特征，使用DEM和坡度圖，將研究區(qū)分為山地丘陵區(qū)和河谷平原區(qū)。在分區(qū)的基礎(chǔ)上，對典型地類的光譜特征進(jìn)行分析，并根據(jù)山區(qū)未利用地在第2、3波段獨(dú)特的光譜特征，構(gòu)建了新的指數(shù)B23。再通過引入歸一化差異水體指數(shù)(NDWI)，結(jié)合改進(jìn)的土壤調(diào)節(jié)植被指數(shù)(Modi

4、fied Soil adjusted Vegetation Index，MSAVI)和B23(NDWI復(fù)合到河谷平原區(qū)，B23復(fù)合到山地丘陵區(qū))，并將它們復(fù)合到原始數(shù)據(jù)中進(jìn)行分類，結(jié)果表明：與原始數(shù)據(jù)對比，利用最大似然法和決策樹分類方法對復(fù)合數(shù)據(jù)的分類精度均有提高。從引入的三個(gè)指數(shù)來講，MSAVI的作用主要體現(xiàn)在對林地和水體區(qū)分上，指數(shù)B23由于增大了未利用地與建筑用地的光譜區(qū)分度，提高了未利用地和建筑用地的分類精度，NDWI可以有效地

5、提取水體類別。
　　 (2)使用灰度共生矩陣提取了以下五個(gè)紋理特征：熵、方差、均值、對比度和相異性。并根據(jù)各典型地物紋理特征，構(gòu)造了新的參數(shù)Mean/Contrast，用于提升地物的紋理區(qū)分度。將五個(gè)紋理特征值分別復(fù)合到AVNIR-2影像上進(jìn)行分類，結(jié)果證明：除方差外的4個(gè)紋理特征均對分類精度有不同程度的提升，其中熵和相異性的提升作用比較明顯。在進(jìn)行最大似然法分類時(shí)，\熵和相異性對總體精度分別提高了6.0％和8.2％；利用決策

6、樹分類時(shí)，分別提高了7.7％和4.5％。Mean/Contrast對分類精度的提升作用略優(yōu)于均值，說明對紋理特征值進(jìn)行合理的組合是有一定的意義的。
　　 (3)對于多光譜影像ALOS-AVNIR-2的整體分類精度，決策樹分類技術(shù)要優(yōu)于最大似然法。將熵復(fù)合到ALOS影像上后，決策樹分類的總體精度為84.5％，而最大似然法的總體精度為77.3％；復(fù)合了MSAVI、(NDWI、B23)后決策樹分類的總體精度比最大似然法分別提升了5.0