物候和波谱--位置分析在城镇绿化植物群分类中的应用

遥感图像植物群分类已被证明是植物群分布自动制图快速有效的方法。然而,场景噪声和植物群之间光谱可分性差等形成的负面影响,使传统的分类方法无法满足必要的精度要求。为了解决这个问题,提出了一种称为SLPA的遥感图像植物群分类方法。它由波谱—位置联合分析(S-L分析)和植物物候遥感分析(PA)两部分组成。通过向特征空间添加密度描述符以及在特征空间叠加冬、夏季图像特征数据,可以将这两类分析嵌入分类过程。这种改进增加了可用描述符的数量,使分类特征空间足够丰富,以适应复杂分类;同时又降低了分类不确定性,使分类精度获得显著改善。精度测试显示,增加S-L分析和物候分析,将使植物群分类的全局精度分别平均提高15.0%和29.3%。另外,由于采用二值邻域均值替代灰度邻域密度,使得加入S-L分析几乎不引起运算复杂性增大。Matlab测试结果显示,SLPA在城镇植物群遥感自动分类方面具有鲁棒和普适性。