- 面对对象土地覆盖分类
面向对象方法-----通过对影像的分割,使同质像元组成不同大小的对象,利用对象的空间特征和光谱特征进行分类,可以有效地克服基于像元层次分类的不足。影像对象的大小决定分割尺度,当影像分割对象与地物边界吻合的程度越高时,地物信息提取精度越高。
- 案例
数据准备:
· 高空间分辨率遥感影像--最常用的数据源( WorldView-2,QuickBird,GeoEye-1, IKONOS,UAV,spot,Airborne images)
· 中分辨率遥感影像---主要来自ASTER、Landsat TM/ETM+/OLI
研究所使用图像的空间分辨率决定了研究区域的范围和大小,图像的空间分辨率与研究区域的大小呈正相关。而大部分学者研究区域的面积小于300 ha(95.6%),这表明在未来的研究中需要更大的研究区,同时特征选择没有受到重视。
- 实验及结果
· 分割软件:
本次实验使用eco软件进行分割的研究占80.9%,使用ENVI软件的研究占4.4%,剩下的细分软件主要有SPRING和ERDAS;分辨率和最优分割尺度成反比
· 训练集大小对准确性的影响
分类精度与训练样本大小之间存在正相关关系,然而,这种正相关的强度非常弱。此外,随着训练样本的增加,分类精度的提高非常有限
· 监督分类方法---分类器
· 平均精度:RF(随机森林分类器) >SVM(支持向量机分类器)>D