高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究

李春干 邵国凡

李春干, 邵国凡. Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究[J]. 北京林业大学学报, 2010, 32(4): 1-5.
引用本文: 李春干, 邵国凡. Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究[J]. 北京林业大学学报, 2010, 32(4): 1-5.
LI Chun-gan, SHAO Guo-fan. Using Landsat7 ETM+ images as ancillary data for forest cover classification of SPOT5 images[J]. Journal of Beijing Forestry University, 2010, 32(4): 1-5.
Citation: LI Chun-gan, SHAO Guo-fan. Using Landsat7 ETM+ images as ancillary data for forest cover classification of SPOT5 images[J]. Journal of Beijing Forestry University, 2010, 32(4): 1-5.

Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究

Using Landsat7 ETM+ images as ancillary data for forest cover classification of SPOT5 images

  • 摘要: 为改善面向对象的SPOT5图像分类精度, 将Landsat7 ETM+数据作为辅助数据,试验了3种图像分割和对象特征提取方案,在图像分割、基于规则的分类、基于分类的分割和对象特征提取与筛选的基础上,进行了Bayes准则分类试验。结果表明:ETM+图像信息参与分类明显地提高了SPOT5图像的分类精度,但由于空间分辨率低,在森林分布破碎、类型和种类多样、结构复杂的研究区域,ETM+数据只能用于对象特征提取,不能实质性地参与图像分割,否则会导致图像对象边界不准确、同质性降低、异质性增加,影响图像分类精度。
  • [1] 白莹, 胡淑萍.  基于CART决策树的自然保护区植被类型分布研究 . 北京林业大学学报, 2020, 42(6): 113-122. doi: 10.12171/j.1000-1522.20190269
    [2] 吴艳双, 张晓丽.  结合多尺度纹理特征的高光谱影像面向对象树种分类 . 北京林业大学学报, 2020, 42(6): 91-101. doi: 10.12171/j.1000-1522.20190155
    [3] 江涛, 王新杰.  基于卷积神经网络的高分二号影像林分类型分类 . 北京林业大学学报, 2019, 41(9): 20-29. doi: 10.13332/j.1000-1522.20180342
    [4] 刘正才, 屈瑶瑶.  基于SPOT-VGT数据的湖南省植被变化及其对气候变化的响应 . 北京林业大学学报, 2019, 41(2): 80-87. doi: 10.13332/j.1000-1522.20180278
    [5] 刘嘉政, 王雪峰, 王甜.  基于深度学习的5种树皮纹理图像识别研究 . 北京林业大学学报, 2019, 41(4): 146-154. doi: 10.13332/j.1000-1522.20180242
    [6] 朱方嫣, 沈文娟, 李明诗.  基于WorldView2和GF-2的面向对象多指标综合植被变化分析 . 北京林业大学学报, 2019, 41(11): 54-65. doi: 10.13332/j.1000-1522.20180435
    [7] 马静怡, 黄华国, 黄侃, 邢路.  基于16线阵TLS数据的单木识别及林分断面积估测研究 . 北京林业大学学报, 2018, 40(8): 23-32. doi: 10.13332/j.1000-1522.20180016
    [8] 王晓松, 杨刚.  一种融合聚类和分类算法的树木图像多目标优化分割方法 . 北京林业大学学报, 2018, 40(12): 124-131. doi: 10.13332/j.1000-1522.20180160
    [9] 李明泽, 于欣彤, 高元科, 范文义.  基于SAR极化分解与Landsat数据的森林生物量遥感估测 . 北京林业大学学报, 2018, 40(2): 1-10. doi: 10.13332/j.1000-1522.20170284
    [10] 冯静静, 张晓丽, 刘会玲.  基于灰度梯度图像分割的单木树冠提取研究 . 北京林业大学学报, 2017, 39(3): 16-23. doi: 10.13332/j.1000--1522.20160373
    [11] 冯静静, 张晓丽, 刘会玲.  基于灰度梯度图像分割的单木树冠提取研究 . 北京林业大学学报, 2017, 39(3): 16-23. doi: 10.13332/j.1000-1522.20160373
    [12] 魏晶昱, 毛学刚, 方本煜, 包晓建, 许振宇.  基于Landsat 8 OLI辅助的亚米级遥感影像树种识别 . 北京林业大学学报, 2016, 38(11): 23-33. doi: 10.13332/j.1000-1522.20160054
    [13] 刘诗琦, 贾黎明, 杨军, 辛建华.  基于Landsat TM 数据估算山东菏泽区域杨树人工林碳储量 . 北京林业大学学报, 2013, 35(6): 36-41.
    [14] 吴梦宇, 罗琴娟, 韩摇宁.  基于多运动特征的森林火灾烟雾图像识别算法 . 北京林业大学学报, 2013, 35(3): 154-158.
    [15] 田昕, 李增元, 陈尔学, 凌飞龙, OliverCartus3MaurizioSantoro, ChristianeSchmullius, .  基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究 . 北京林业大学学报, 2013, 35(1): 7-16.
    [16] 黄儒乐, 吴江, 韩宁.  林火烟雾图像自动识别中的模式分类器选择 . 北京林业大学学报, 2012, 34(1): 92-95.
    [17] 王晓松, 黄心渊, 付慧.  复杂背景下的树木图像提取 . 北京林业大学学报, 2010, 32(3): 197-203.
    [18] 蒲智, 刘萍, 杨辽, 白洁, .  城市绿地信息提取中的遥感影像阴影校正 . 北京林业大学学报, 2009, 31(2): 80-85.
    [19] 李长胜, 冯仲科, 王汉斌, .  满归林业局森林资源空间数据的景观分析 . 北京林业大学学报, 2008, 30(增刊1): 187-191.
    [20] 刘鹏举, 朱秀杰, 周宇飞, 李志清, 唐小明.  基于OWL的森林资源数据智能化采集技术 . 北京林业大学学报, 2008, 30(1): 108-113.
  • 加载中
计量
  • 文章访问数:  3955
  • HTML全文浏览量:  36
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  1900-01-01
  • 修回日期:  1900-01-01
  • 刊出日期:  2010-07-30

Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究

摘要: 为改善面向对象的SPOT5图像分类精度, 将Landsat7 ETM+数据作为辅助数据,试验了3种图像分割和对象特征提取方案,在图像分割、基于规则的分类、基于分类的分割和对象特征提取与筛选的基础上,进行了Bayes准则分类试验。结果表明:ETM+图像信息参与分类明显地提高了SPOT5图像的分类精度,但由于空间分辨率低,在森林分布破碎、类型和种类多样、结构复杂的研究区域,ETM+数据只能用于对象特征提取,不能实质性地参与图像分割,否则会导致图像对象边界不准确、同质性降低、异质性增加,影响图像分类精度。

English Abstract

李春干, 邵国凡. Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究[J]. 北京林业大学学报, 2010, 32(4): 1-5.
引用本文: 李春干, 邵国凡. Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究[J]. 北京林业大学学报, 2010, 32(4): 1-5.
LI Chun-gan, SHAO Guo-fan. Using Landsat7 ETM+ images as ancillary data for forest cover classification of SPOT5 images[J]. Journal of Beijing Forestry University, 2010, 32(4): 1-5.
Citation: LI Chun-gan, SHAO Guo-fan. Using Landsat7 ETM+ images as ancillary data for forest cover classification of SPOT5 images[J]. Journal of Beijing Forestry University, 2010, 32(4): 1-5.

目录

    /

    返回文章
    返回