基于遥感影像增强的林地植被树种分类研究

摘要

在基于遥感影像的植被树种提取研究中,受气候、光照等外界因素的影响,导致遥感影像模糊,难以区分树种。为此,本文开展了基于遥感影像增强的林地植被树种分类研究。结合Retinex增强和引导滤波两种方法,增强林地植被树木遥感影像视觉效果、影像颜色及影像边缘细节后,提取增强后影像中林地的线性地形、植被指数和纹理特征,组成特征集输入旋转森林算法中,获取待分类样本的最大可信度值,由此得出林地植被树种分类结果。结果表明,该方法的遥感影像增强性能良好,影像结构相似性均在0.90以上,可显著提升影像视觉效果和质量,清晰呈现山脊和山谷的地形线性特征,实现杉木、油茶树、松树、映山红和草地的分类,Kappa系数高达0.805。