面向对象的高分辨率影像单值分类耕地提取方法研究

Method Research on Cultivated Land Extraction Based on Object One-Class Classification of High-spatial-resolution Images

遥感技术已广泛应用于土地覆盖/土地利用分类中。在专题应用中,用户只对某一类地物感兴趣,如耕地提取,即单类别分类问题。随着影像分辨率的提高,基于像元的分类算法难以满足高分辨率影像高精度信息提取的需求。本文采用结合面向对象分类思想和基于正样本、未标记样本遥感单值(PUL)分类方法从多源高分辨率影像中提取耕地信息,并与基于像素的分类试验进行对比分析。结果表明,在缺少部分地类的不完全训练集下,基于面向对象的单值分类较传统神经网络分类有更较稳定的表现,并且远优于基于像素的分类结果。