融合多特征的村域无人机影像两阶段土地利用分类方法

摘要

为提高村域尺度土地利用分类精度,本文基于高分辨率无人机影像,研究了融合多特征的两阶段分类方法。该方法首先利用基于平均J-M距离增量的“扩充特征子集法”获取最优纹理特征和可见光植被指数,并与原始影像融合;然后,根据地物的具体特征表现,基于规则结合最邻近法分两阶段进行提取。研究结果表明:1)纹理特征和可见光植被指数有助于提高影像分割质量,且基于平均J-M距离增量的“扩充特征子集法”选取的特征相较于同类其他特征更能体现地类间差异化程度;2)相较于全局最优分割尺度下的决策树、支持向量机及随机森林等分类,本文方法总体精度分别高出6.89%、2.66%、5.17%,Kappa系数分别高出11.86%、4.28%、9.04%,在村域土地利用分类方面表现出较强适用性。