基于对象分类的遥感影像森林变化检测方法

摘要

针对湖北省宜昌市点军区森林变化检测应用需求,采用两期高分二号(GF-2)数据进行对比分析。定义了基于邻域差分绝对值与标准差比的多尺度分割评价函数,用来确定对遥感图像分割的分割尺度、形状因子以及紧凑度。通过试验,利用神经网络分类方法确定了基于对象分类的最优特征组合,并采用基于对象的最近邻(k NN)分类方法对遥感图像进行分类,最后对两期遥感影像分类结果中的森林类别进行变化检测。结果显示,在分类过程中,基于对象的分类总体精度为0.9866,Kappa系数为0.9752,高于神经网络和最大似然分类方法。在以森林地为主的丘陵地带变化检测应用中具有较好的适用性。