基于随机森林和纹理特征的苹果园遥感提取

摘要

为准确、快速地从高分影像中获取苹果种植分布信息,以QuickBird遥感影像为数据源,首先采用分形理论和灰度共生矩阵(GLCM)提取纹理特征,然后将提取的分形纹理和GLCM纹理特征分别与光谱特征组合,最后开展随机森林分类实验,对不同分类特征和不同分类方法的实验结果进行比较。结果表明:光谱+GLCM纹理识别苹果园的效果明显优于光谱特征和光谱+分形纹理,其苹果园提取精度为95.99%,比光谱分类显著提高11.83%,比光谱+分形纹理提高1.34%;在相同分类特征下随机森林分类结果最高,其中,随机森林结合光谱+GLCM纹理分类精度最高,总体精度和Kappa系数分别为95.30%和0.94,较最小距离和支持向量机分类有明显提高。