基于几何语义知识的冬小麦自动分类

论文摘要

为了实现遥感影像的作物自动分类,并探索空间信息在分类中作用。笔者提出结合光谱和空间信息的作物分类方法。首先,借助光谱信息实现地物初始分割,然后以目标作物历史空间分布为语义约束,根据隶属度提取目标作物。最后,在多时相遥感影像条件下,以冬小麦为目标作物进行了方法的验证。结果显示,本研究方法可实现冬小麦自动提取与识别,总体精度为95.33%,Kappa系数为0.90,可满足农情监测的实际需求。另外,在单时相遥感影像条件下,本研究结合几何语义知识的作物分类精度也达到较高水平。相对于遥感影像单一光谱信息的分类方法,本研究方法利用作物空间信息,不仅能满足精度要求,还实现分类的自动化,对工程化应用具有一定的参考价值。

论文目录

• 0 引言
• 1 研究区及数据
•   1.1 研究区概况
•   1.2 数据获取及处理
• 2 研究方法
•   2.1 非监督分类
•   2.2 基于几何语义知识的自动分类
•     2.2.1 几何语义
•     2.2.2 类别语义化约束
• 3 结果与分析
•   3.1 基于空间语义的自动识别结果
•   3.2 不同分类方法比较
•     3.2.1 基于多时相遥感数据的不同分类方式对比
•     3.2.2 基于单时相遥感数据的不同分类方式对比
• 4 结论与讨论

文章来源

类型: 期刊论文

作者: 王利民,刘佳,邵杰,杨福刚,季富华,姚保民

关键词: 空间语义知识,非监督分类,冬小麦,自动分类,总体精度,系数

来源: 中国农学通报 2019年19期

年度: 2019

分类: 农业科技,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,农作物,自动化技术

单位: 中国农业科学院农业资源与农业区划研究所

基金: 高分辨率对地观测系统重大专项(民用部分)(09-Y20A05-9001-17,18)

分类号: TP751;S512.11

页码: 120-130

总页数: 11

文件大小: 3522K

下载量: 86