面向对象的宽波段影像水稻种植信息提取

为解决基于像素的遥感影像农作物提取中的“同物异谱、同谱异物”问题,本文基于天宫二号宽波段成像仪获取的影像数据,提出一种面向对象方式的水稻种植信息提取技术。首先以面向对象的方式对地物进行多尺度分割,充分利用地物间的关联和上下文信息,获取抗噪、空间分布连续的地块单元。进一步构建卷积神经网络,对分割后的地块进行光谱特征的高维映射和提取,获取了湖南省华容县的水稻种植信息分布。实验表明,通过结合面向对象方法和深度学习网络,能够充分利用天宫二号宽波段影像包含丰富的光谱和空间信息,实现早稻、晚稻种植信息的高精度提取。本文所提方法较常规像元级分类,提取的水稻种植信息在空间分布上更为连续、合理,有效缓解了“椒盐噪声”现象,且总体精度提升至97.08%,Kappa系数提升至0.95。