典型文献
融合多特征的村域无人机影像两阶段土地利用分类方法
文献摘要：
为提高村域尺度土地利用分类精度,本文基于高分辨率无人机影像,研究了融合多特征的两阶段分类方法.该方法首先利用基于平均J-M距离增量的"扩充特征子集法"获取最优纹理特征和可见光植被指数,并与原始影像融合;然后,根据地物的具体特征表现,基于规则结合最邻近法分两阶段进行提取.研究结果表明:1)纹理特征和可见光植被指数有助于提高影像分割质量,且基于平均J-M距离增量的"扩充特征子集法"选取的特征相较于同类其他特征更能体现地类间差异化程度;2)相较于全局最优分割尺度下的决策树、支持向量机及随机森林等分类,本文方法总体精度分别高出6.89％、2.66％、5.17％,Kappa系数分别高出11.86％、4.28％、9.04％,在村域土地利用分类方面表现出较强适用性.
文献关键词：
村域尺度;土地利用;无人机影像;多特征;两阶段
中图分类号：
作者姓名：
王宏胜;李永树;张天棋;张雷;王建成;赵乐
作者机构：
中国电建集团贵州电力设计研究院有限公司勘测分公司,贵州 贵阳550081;西南交通大学 地球科学与环境工程学院,四川 成都611756;西南科技大学 环境与资源学院,四川 绵阳621010
文献出处：
引用格式：
[1]王宏胜;李永树;张天棋;张雷;王建成;赵乐-.融合多特征的村域无人机影像两阶段土地利用分类方法)[J].测绘与空间地理信息,2022(03):44-49
A类：
B类：
多特征,两阶段,土地利用分类,分类方法,高村,村域尺度,分类精度,高分辨率无人机影像,特征子集,子集法,纹理特征,可见光植被指数,影像融合,根据地,地物,具体特征,特征表现,基于规则,影像分割,地类,类间差异,全局最优,最优分割尺度,决策树,总体精度,Kappa
AB值：
0.311519
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
