基于神經(jīng)網(wǎng)絡(luò)和面向?qū)ο蠹夹g(shù)的SPOT5遙感影像分類方法研究.pdf

1、隨著遙感技術(shù)的發(fā)展，新型傳感器的出現(xiàn)，衛(wèi)星影像不僅在空間分辨率較以前大大提高，而且在信息含量比中、低分辨率衛(wèi)星更多，從影像上能獲取更多的信息。因此，高分辨率遙感影像在森林資源信息提取中的應(yīng)用越來越多。森林資源信息提取研究中，最早出現(xiàn)的是目視影像解譯，但是目視解譯分類方法由于其勞動(dòng)強(qiáng)度大，工作時(shí)間長等原因已經(jīng)不能滿足森林資源監(jiān)測(cè)對(duì)時(shí)效性的要求，所以基于計(jì)算機(jī)的遙感數(shù)字圖像處理方法應(yīng)運(yùn)而生。但是即使是神經(jīng)網(wǎng)絡(luò)這一在傳統(tǒng)的基于像素的分類方法中

2、比較成熟的方法，在遙感影像計(jì)算機(jī)分類中，對(duì)于兩種空間分辨率的衛(wèi)星影像的信息提取，由于基于像素的方法對(duì)高分辨率影像的細(xì)節(jié)信息利用不足，在分類精度上反而達(dá)不到低空間分辨率影像的效果，因?yàn)樵趯?duì)高分辨率影像進(jìn)行分類時(shí)，容易出現(xiàn)“椒鹽現(xiàn)象”，降低了分類精度。而面向?qū)ο蟮姆诸惙椒▽擞跋窨臻g信息、紋理特征的同質(zhì)對(duì)象作為處理基本單元進(jìn)行衛(wèi)星影像的信息提取和分類，顯示了良好的應(yīng)用前景。
　　本研究以南部縣SPOT5影像為基礎(chǔ)數(shù)據(jù)源，其包含了空

3、間分辨率為10m的多光譜影像和空間分辨率為2.5m的全色波段影像。通過圖像的預(yù)處理，解譯標(biāo)志的建立，分別采用人工神經(jīng)網(wǎng)絡(luò)和面向?qū)ο蟮姆诸惙址▽?duì)研究區(qū)的衛(wèi)星信息數(shù)據(jù)進(jìn)行地物信息提取，并對(duì)基于神經(jīng)網(wǎng)絡(luò)分類方法和面向?qū)ο蠓诸惙椒ǖ姆诸惤Y(jié)果進(jìn)行目視比較和分類信息進(jìn)行精度評(píng)價(jià)。本文采用ENVI4.8軟件對(duì)遙感影像進(jìn)行神經(jīng)網(wǎng)絡(luò)分類;面向?qū)ο蟮姆诸惙椒▌t是基于eCognition軟件進(jìn)行的。通過對(duì)神經(jīng)網(wǎng)絡(luò)和面向?qū)ο蟮姆诸惤Y(jié)果表明:采用面向?qū)ο蟮姆诸惙?/p>

4、法可有效完成對(duì)研究區(qū)高空間分辨率遙感影像的森林資源信息，影像經(jīng)過多尺度分割后可以有效的避免“椒鹽現(xiàn)象”的出現(xiàn)。對(duì)兩種方法進(jìn)行混淆矩陣比較分析發(fā)現(xiàn):
　　(1)該研究區(qū)的植被區(qū)域和非植被區(qū)域的最適分割參數(shù)為20，形狀因子為0.1，顏色因子設(shè)為0.9;耕地和林地，以及林地中的有林地與疏林地分割尺度30和形狀因子為0.3時(shí)，再輔以NDVI指數(shù)能取得較好的分割效果;水田和水域在分割尺度為60，形狀因子為0.8能得到較好的分割效果。