结合纹理信息Hyperion高光谱影像分类

作     者：张倩倩 陈健 江洪 唐敏忠 ZHANG Qianqian;CHEN Jian;JIANG Hong;TANG Minzhong

作者机构：浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室浙江临安311300 南京大学国际地球系统科学研究所江苏南京210093 

出 版 物：《浙江农林大学学报》 (Journal of Zhejiang A&F University)

年 卷 期：2013年第30卷第6期

页      面：880-886页

学科分类：090704[农学-森林经理学] 0907[农学-林学] 09[农学] 

基　　金：国家自然科学基金重大项目(61190114) 浙江省重点科技创新团队资助项目(2010R50030) 浙江农林大学科研启动基金资助项目(2351000758) 

主　　题：森林测计学 遥感 分类 高光谱 端元 纹理 

摘      要：高光谱遥感光谱特征明显,单纯利用其光谱优势难以达到影像分类精度要求,特别是区分植被精细类别。为了进一步提高Hyperion高光谱影像分类精度,研究加入包含区域亮度变化及结构特征的纹理信息,试图提高分类精度。以杭州市余杭区百丈镇为试验区,首先提取研究区道路、建筑物、农田、毛竹Phyllostachys edulis林、马尾松Pinus massoniana林和栎类Quercus等7种类型的端元光谱,然后对端元进行线性光谱分离,利用二阶概率矩阵对线性光谱分离出的8个波段提取纹理特征,最终结合线性分离后的端元光谱实现分类。结果表明:纹理信息融入后分类结果较单源信息光谱角制图和单源信息支持向量机方法有明显的改善,建筑物精度分别提高了34.13%和17.16%,农田提高了19.71%和9.24%,马尾松则改善了27.09%和5.42%,栎类精度提高了近3.00%和10.00%,且一定程度上避免了椒盐效应。采用光谱与纹理信息结合的方法对Hyperion高光谱影像分类是可行的。分类过程中端元的提取、纹理分析时特征向量的组合及纹理移动窗口大小的选择对分类结果起重要的作用。