论文部分内容阅读
遥感技术的形成与发展,以及与全球定位系统和地理信息系统技术的集成,为土地资源调查研究提供了全新的科学方法和技术手段。光谱和纹理特征作为遥感图像具有的基本信息,是对遥感图像进行土地利用/覆盖分类所依据的两个基本要素。传统的基于像素光谱信息分类的方法主要依靠影像中的光谱信息差异进行地物区分,但同谱异物和同物异谱现象的存在,使得利用原始遥感数据进行分类的精度受到限制,已远远不能满足日益增长的应用需求。纹理是遥感图像中的重要空间结构信息和基本特征,是进行图像分析和理解的一个重要辅助信息源。将纹理信息融合到原始遥感图像中,对于地物的准确识别和分类具有重要的作用。在众多的遥感图像分类方法中,决策树分类法具有灵活、直观、清晰、强健、运算效率高等特点,在遥感分类研究中己被广泛应用,并表现出巨大的优势。本研究以覆盖浙江省安吉县的遥感影像ALOS(Advanced Land Observing Satellite)/AVNIR-2(Advanced Visible and Near Infrared Radiometer type 2)为数据源,使用灰度共生矩阵对影像的第一主成份提取纹理特征,利用C5.0决策树算法,对复合了各纹理测度信息和光谱特征信息的多光谱遥感影像AVNIR-2进行分类,并把获得的结果与传统的最大似然法分类结果进行比较,分析各特征信息对分类精度的影响。研究的主要内容和结论归纳如下:(1)根据研究区的地形和地物分布特征,使用DEM和坡度图,将研究区分为山地丘陵区和河谷平原区。在分区的基础上,对典型地类的光谱特征进行分析,并根据山区未利用地在第2、3波段独特的光谱特征,构建了新的指数B23。再通过引入归一化差异水体指数(NDWI),结合改进的土壤调节植被指数(Modified Soil adjusted Vegetation Index,MSAVI)和B23(NDWI复合到河谷平原区,B23复合到山地丘陵区),并将它们复合到原始数据中进行分类,结果表明:与原始数据对比,利用最大似然法和决策树分类方法对复合数据的分类精度均有提高。从引入的三个指数来讲,MSAVI的作用主要体现在对林地和水体区分上,指数B23由于增大了未利用地与建筑用地的光谱区分度,提高了未利用地和建筑用地的分类精度,NDWI可以有效地提取水体类别。(2)使用灰度共生矩阵提取了以下五个纹理特征:熵、方差、均值、对比度和相异性。并根据各典型地物纹理特征,构造了新的参数Mean/Contrast,用于提升地物的纹理区分度。将五个纹理特征值分别复合到AVNIR-2影像上进行分类,结果证明:除方差外的4个纹理特征均对分类精度有不同程度的提升,其中熵和相异性的提升作用比较明显。在进行最大似然法分类时,熵和相异性对总体精度分别提高了6.0%和8.2%;利用决策树分类时,分别提高了7.7%和4.5%。Mean/Contrast对分类精度的提升作用略优于均值,说明对纹理特征值进行合理的组合是有一定的意义的。(3)对于多光谱影像ALOS-AVNIR-2的整体分类精度,决策树分类技术要优于最大似然法。将熵复合到ALOS影像上后,决策树分类的总体精度为84.5%,而最大似然法的总体精度为77.3%;复合了MSAVI、(NDWI、B23)后决策树分类的总体精度比最大似然法分别提升了5.0%和6.4%。相对于最大似然分类,决策树分类将多源辅助信息作为知识进行决策。有助于辅助信息更好地发挥作用。