基于SPOT5影像与多特征的土地利用分类研究.pdfVIP

基于SPOT5影像与多特征的土地利用分类研究 口 太原科技大学 秦园 ■●盈j■ 随着经济的快速发展，土地的开发利用程度加大，对于土地利用的监管责任重大。传统的调查手段需要大量的 人 力、物 力和财力，且调查周期过长 ，缺乏实时性 。5s技术和计算机技术 的发展 ，为土地信息调 查提供 了高效的信 息来源和较好 的处理技术。本文将针对 高分辨率卫星影像SPOT5，提 出综合影像 多特征信息，采用决策树分类法， 对土地利用信息进行分类 。 ■目圈 土地利用；分类；SPOT5；多特征；决策树 0、引言 异。本文用灰度共生特性作为纹理 的度量 ．选取 以下统计指标 ： SP0T5卫星上搭载三种成像装置 ．包括高分辨率几何装置 、 方差、对比度、熵 、能量和相关。 高分辨率立体成像装置和植被探测器 。SPOT5影像 同时采用全 (1)方差 (Variance)：反映影像的灰度变化程度。 色和多光谱两种获取方式 ，其能够提供 四种不同的分辨率2．5m． (2)对比度 (Contrast)：反映影像的清晰度和纹理沟纹深 5m ．10m ． 20m。本文主要使用的ENVI软件 ，是美 国RSI公司 浅的程度。 的旗舰产品 ．是一套功能齐全且强大的遥 感影像处理软件 。本文 (3)熵 (Entropy)：反映影像所具有的信息量的度量 ，表 选用泰来县某 区域 的SPOT5影像 ，对此影像 进行以下预处理 征纹理 的复杂程度。 辐射校正 、几何校正 影像配准等前期工作 为提高影像质量 ， (4)角二阶距 (AngularSecondMoment)：亦称能量 ．反 再利用Pansharp变换法将SPOT5 (2．5m．其贡献为高分辨率 ) 映影像灰度分布均匀程度和纹理粗细度 。 和SPOT5 (10m，其贡献 为多光谱信息)融合 ；最后对融合后影 (5)相关 (Correlation)：反映影像的局部灰度相关性。 像进行直方 图均衡化处理 ，以增强影像清晰度、光谱分辨率 、亮 在利用灰度共生矩阵进行纹理分析时，通过反复试验对 比． 度 涉及到的3个重要参数选用如下 ：指标 (1)一(4)移动窗 13大 小为3×3．指标 (5)移动 窗 31大 小为5X5：移 动步 长均 为 1．多特征提取 1 移动 方 向均为0。。 高分辨率影像不仅包含了大量的光谱信息 ．而且有丰富的纹 1．3地形特征 理信息 ，又受到地形特征的影响．将对已预处理好的影像提取光 因地形 的起伏变化会对地物的光谱反射特性产生一定影响 ． 谱特征、纹理特征、高程信息等 多种特征。 即可能会导致 ”同物异谱 、异物同谱”情况出现。所 以要分析区 1．1光谱特征 域的地形特征 ，作为辅助信息参与分类 。选用研究 区域的纸 质地 SPoT5影像有五个波段 ．除全色波段外 从其他四个 中选取 形图．对其矢量化 。应用ARCGIS软件生成DEM模型 5【1．并计算 三个波段进行组合 。为了更好 的表达影像信息 ，选择最佳波段进 坡度值 行组合 ，根据孙华 【1】等的研究 ．且综合本文影像分类 目的．确定 波段组合R (4)G (2)B (1)。另外选取计算归一化植被指数 2．决策树分类法及利用See5．0建立决策树 (NDVI) 因其广泛用于植被状况监测 ．根据不同地物类型光谱 2．1决策树分类法 特征 ．对土地利用进行分类 ，可 以较为准确地提取出耕地和 园林 遥 感影像的 自动分类方法有非监督分类和监督分类 。监督分 地 2【】。