文献类型：期刊文章

作　　者：刘炜[1] 王聪华[1] 赵尔平[1] 雒伟群[1]

LIU Wei;WANG Cong-hua;ZHAO Er-ping;LUO Wei-qun(Xizang Key Laboratory of Optical Information Processing and Visualization Technology,College of Information Engineering, Xizang Minzu University, Xianyang 712082, China)

机构地区：[1]西藏民族大学信息工程学院西藏光信息处理与可视化技术重点实验室,陕西咸阳712082

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(41361044;61162025)

年　　份：2019

卷　　号：53

期　　号：1

起止页码：137-145

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：以兰州市城关区EO-1 ALI图像作为基础数据源,对比LOOC与最邻近分类(NNC)方法提取不透水面的精度差异. LOOC方法对融合后EO-1 ALI图像进行LBV变换,将变换结果作为解译底图;设置4个尺度层次,分别对应水体、农用地、灌木林地、城市绿地和草地这5种主要背景类别,对解译底图执行4尺度面向对象分割;将上述类别对象的光谱特征和形态特征差异作为判别规则,利用决策树分类,将这5种背景类别依次从解译底图上提取、分离,生成不透水面初级提取图层;通过光谱反射率差异分析,选定EO-1 ALI图像的近红外波段8和中红外波段10作为分类特征,利用基于模糊C-均值(FCM)算法的非监督分类,从初级图层中分离出砂土、阴影这两种与高、低反照度不透水面光谱特征相近的类别,采用数学形态学开闭运算整饬图像,生成不透水面二级提取图层.结合目视评判和总体精度、 Kappa系数,定量分析LOOC方法与NNC方法的提取精度差异.结果表明:LOOC方法提取不透水面的总体精度、 Kappa系数分别为87.13%、 0.830 3,较NNC方法分别提高5.91%、 7.19%.LOOC方法依据各背景类别的遥感多特征知识,分两级将其分离出解译底图,从而间接、逐步逼近不透水面精准空间分布信息,辨识不透水面的效率优于NNC方法.

关 键 词：EO-1ALI图像  不透水面  光谱反射率 LBV变换  最邻近分类(NNC)  

分 类 号：TP753] X87]