-
题名一种遥感影像自动识别耕地类型的机器学习算法
被引量：9
- 1
-
-
作者
周询
王跃宾
刘素红
于佩鑫
王西凯
-
机构
北京师范大学地理学院
北京师范大学地理科学学部
北京师范大学数学科学学院
-
出处
《国土资源遥感》
CSCD
北大核心
2018年第4期68-73,共6页
-
基金
国家自然科学基金项目"典型植被群落结构和光谱参数季节变化的多尺度实验研究"(编号:41171262)
水利部公益行业科研专项经费项目"典型黑土区坡耕地土壤侵蚀危害程度研究"(编号:201501012)共同资助
-
文摘
耕地作为重要的土地资源,关系着国家的粮食安全问题,因此迫切需求快速准确获取耕地信息的方法。传统的遥感影像监督分类方法以训练样本和待分类像元/图斑的光谱特征或纹理特征的一致性作为分类依据,这对训练样本的依赖性较强。对此提出了一种基于影像窗口子区的耕地类型自动识别算法,通过提取一定大小影像窗口子区的多光谱和多层次特征,利用机器学习算法,实现影像窗口子区耕地和非耕地类型的自动判别。依据该算法,可以通过建立某个区域内遥感影像耕地类型的特征库,实现对影像窗口子区类别的非监督自动判别,提高目前分类算法的自动化程度。以东北地区高空间分辨率遥感影像为例进行实验,精度达到了90. 8%。该算法为耕地信息自动化快速获取提供了技术支持,也可用于遥感影像中某一种纯净地物类型的快速提取。
-
关键词
影像窗口子区
特征库
机器学习
耕地自动识别
-
Keywords
image window subarea
feature database
machine learning
automatic identification of cultivated land
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
