综合多特征的Landsat8时序遥感图像棉花分类方法

摘要

传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究.综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简.分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81％,棉花提取精度达87.4％,与仅利用NDVI时间序列相比,精度分别提高5.53％和5.05％;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66％,棉花分类精度达92.73％,与初始分类特征提取结果相比,棉花分类精度提高5.33％.基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度.