基于小波包变换的农作物分类无人机遥感影像适宜尺度筛选.pdf

第 32卷 第 21期 农 业 工 程 学 报 、，o1-32 No．21 2016盆 11月 TransactionsoftheChineseSociety ofAgriculturalEngineering Nov．2016 95 基于小波包变换的农作物分类无人机遥感影像适宜尺度筛选 张 超 ，一，刘佳佳 ，苏 伟 ，乔 敏 ，杨建宇 ，一，朱德海 ，2 (1．中国农业大学信息与电气工程学院，北京 100083； 2 国土资源部农用地质量与监控重点试验室，北京 100035) 摘 要：为寻找适宜分类的空间尺度，该文提出一种基于小波包的空间尺度选择方法。该文以无人机航拍农作物影像为 数据源，针对高空间分辨率遥感影像农作物分类问题，基于小波包变换对影像分类特征进行多尺度定量分析。将七种农 作物影像样本进行小波包分解，从高频部分获取均值，方差，能量，能量差四种纹理信息，从低频部分获取光谱信息， 构建分类特征矢量，通过作物样本之间的J-M距离，分析在不同小波包分解层样本之间的可分性，并进一步通过农作物 面向对象分类精度和分割耗时评价适宜尺度。该文选择位于河北的涿州农场为研究区，利用无人机航空影像，对提出的 方法进行试验验证，结果显示：小波包分解到第三、四层级时，即空间分辨率为0．32~0．64m时，适宜农作物面向对象分 类；在适宜尺度下，基于小波包分解的面向对象分类总体分类精度可达到 89％，Kappa系数可达到 0．85。研究结果可为 高空间分辨率遥感农作物精细识别提供支撑。 关键词：无人机；农作物；尺度；小波包；分类 doi：10．11975~．issn．1002-6819．2016．21．013 中图分类号 ：$127 文献标志码：A 文章编号：1002—6819(2016)一21—0095—07 张 超，刘佳佳，苏 伟，乔 敏，杨建宇，朱德海．基于小波包变换的农作物分类无人机遥感影像适宜尺度筛选[J]．农业 工程学报，2016，32(21)：95—101． doi：10．11975~．issn．1002—6819．2016．21．013 http：／w／ww．tcsae．org ZhangChao，Liu／iajia，SuWei，QiaoMin，YangJianyu，ZhuDehai．Optimalscaleofcropclassificationusingunmannedaerial vehicleremotesensingimagerybasedonwaveletpackettransform[J]．TransactionsofhteChineseSocietyofAgricultural Engineering (TransactionsofhteCSAE)，2016，32(21)：95— 101．(inChinesewiht Englishabsrtact) doi： 10．11975~．issn．1002～6819．2016．21．013 http：／／www．tcsae．org 感最优空间分辨率；韩鹏等[6]采用信息熵的方式选取最优 0 引 言 的空间分辨率。上述研究中存在着只能针对单波段计算、 农作物类型识别是农情监测重要的基础工作，农作 纹理信息考虑欠缺等问题。 物类型识别的精度影响后续的长势监测、灾害监测和产 近年来，更多学者关注于遥感影像基于小波变换的 量估算精度。农作物类型识别也为农业生产过程中的水 尺度转换和分类。ChangKim等[7】利用小波子带提取均值 资源合理调配、精准施肥用药等提供基础数据。目前，遥 和方差等统计数据来表示纹理。王改梅等[8]基于小波包从 感技术 已经广泛应用于农作物类型识别。丰富的高空间 影像高频部分提取纹理特征并表征影像。Wei等I9】对比分 分辨率遥感，为农作物精细识别提供了数据基础，但空间 析了基于小波包分解和统计方法提取纹理信息参与面向 分辨率的提高，