基于波段组合的高光谱数据湿地分类研究

对高光谱数据进行波段组合,可以减少信息量的冗余,提高数据的处理速度。对黄河口入海口湿地进行分类,对合理利用、开发保护该地区湿地资源具有重要意义。本文首先分析了“珠海一号”高光谱数据各个波段的信息量及波段之间的相关系数,然后利用最佳波段指数(OIF)方法选出波段组合B7-B8-B32,进一步在OIF基础上设置信息量与相关系数阈值,选出波段组合B7-B18-B32,实验结果证明分类精度提高了5.4%。最后,根据地物的光谱特征分析,选择光谱差异较大的波段进行组合B6-B13-B18,分类后精度比OIF筛选出的波段组合精度高12.6694%。经实验验证,结合地物光谱特征的波段组合可以大大提高分类精度。

特征优选下的GF-6影像土地利用分类方法研究

考虑多特征组合下的遥感影像分类时,信息量冗余会影响分类精度的问题。本文采用最佳波段指数(OIF)选择最佳波段组合,然后提取纹理和植被指数特征并结合随机森林特征重要性与分类精度之间的线性关系达到特征优选目标:获取最佳特征集合。最后采用随机森林算法、SVM、最大似然算法对实验区进行土地利用分类,对比原始波段、最佳波段组合、全特征集合、优选特征集合分类结果,研究多特征优选下适宜于土地利用分类的最优分类模型。研究结果表明:不同特征集合的分类结果存在一定的差异,在相同的算法下:最大似然算法下原始光谱波段分类精度最高;随机森林算法下优选特征分类精度最高;支持向量算法下全特征集合分类精度最高。在不同算法的特征集合结合中基于随机森林算法的优选特征分类精度最高:总体精度88.07%、F1函数0.843 4、kappa系数0.830 5。因此特征优选下的特征集合结合优势算法在土地利用分类中具有一定的应用价值。