论文部分内容阅读
茶园的光谱特性比较复杂,往往与其他木本植被相互交叉重叠形成混淆。克服茶园光谱混淆问题的一个重要手段是在光谱特征的基础上引入基于空间信息的纹理特征。由于纹理特征的复杂性,目前仍无法统一的判断一个纹理提取和构建的方法的好与坏,通常针对不同的情况给出最适合的纹理特征构建方法。高分辨率遥感影像对地面信息的表达更丰富、更清晰,在提取地物纹理等空间信息方面有着巨大的优势。因此,本文基于高分辨率遥感影像,开展结合光谱和纹理特征的茶园提取方法的研究,主要研究内容和结论如下:(1)茶园影像特征构建。①光谱信息优化组合。基于NDVI指数和MNDVI指数构建了 DNDVI指数,增强光谱信息的同时消除了部分阴影;利用最佳指数因子(OIF)选取最优组合波段,对数据降维的同时保留了主要光谱信息。②纹理特征构建。利用灰度共生矩阵(GLCM)、Gabor滤波器以及局部二值模式(LBP),分别构建了适合于WV-2影像和GF-2影像的纹理特征;并在此基础上提出一种融合LBP和Gabor的纹理构建方法,构建了 LBP_GABOR纹理,更好地表达了影像的茶园信息。(2)茶园提取方法优选。对比5种不同光谱、纹理特征组合方案提取茶园的精度,寻找最适合的茶园提取方法。结果表明,结合光谱信息和LBP_GABOR纹理(BOIF+DNDVI+LBP_GABOR)的分类方法,在WV-2影像的总体精度和Kappa系数分别可以达到92.34%和0.843,在GF-2影像的总体精度和Kappa系数分别可以达到90.78%和0.816,效果最好。(3)方法的区域适用性验证。选取地形地物相对更复杂的安溪县长坑乡南部(覆盖面积为2600m×1790m)和安溪县蓝田乡(覆盖范围为12992m×11067m)的GF-2号数据,进行茶园提取,验证方法的效果。其中在安溪县长坑乡南部的总体精度和Kappa系数分别达到88.74%和0.756,在安溪县蓝田乡的总体精度和Kappa系数分别达到89.11%和0.843,证明本文方法能够较好的适用于茶园信息的提取。