文档介绍：第卷第期地理与地理信息科学
27 5
年月
2011 9 Geography and Geo-Information Science September 2011
基于纹理特征的高分辨率遥感
图像土地利用分类研究
胡玉福邓良基匡先辉王鹏何莎熊玲
, , , , ,
(四川农业大学资源环境学院,四川雅安 625014)
摘要为了提高高分辨率遥感图像土地利用分类精度该文以金沙江下游河谷地带遥感图像像
: , SPOT 5 350×350
元作为试验区在和软件平台支持下采用灰度共生矩阵方法提取遥感图像对
, ERDAS IMAGINE ENVI ,
比度、角二阶矩、熵、同质度等纹理指标辅助遥感图像分类,分析结果表明,相对于传统监督分类方法,基于纹理特
征辅助监督分类方法总系数提高了耕地林地水域建设用地未利用地系数分别提高了
Kappa %, 、、、、 Kappa
%、%、%、%%,%、%、%、% 和
%,说明纹理辅助监督分类方法相对于传统监督分类方法有效提高了土地利用分类精度。
关键词:遥感;纹理分析;灰度共生矩阵;监督分类
中图分类号文献标识码文章编号
:TP751;F301 :A :1672-0504(2011)05-0042-04
近年来随着遥感技术的发展[1] 遥感图像分辨地貌以中低山为主地势由西北
, 21″~28°14′27″)。,
率已有很大提高,但遥感图像的计算机分类技术远向东南渐次抬升,江边河谷及二半山区较宽,最低海
[2,3] 拔最高海拔气候属南亚热带干热
远落后于遥感技术本身的发展,传统的分类方法 400m, 2 767m。
多基于影像的光谱特征进行分类,对影像的其它特河谷气候,年均气温 22℃,年均降雨量 534mm,年
均日照区内成土母质类型主要有花岗
征应用不多,这对于高分辨率影像丰富、复杂的表现 2 。
形式远远不够,遥感图像的计算机分类精度急待提岩、砂岩和片麻岩残、坡积物及少量的河流冲积物。
高[4,5]。近年来国内外学者在加强高分辨率遥感图土地利用方式主要包括耕地、林地、水域、建设用地
像计算机自动解译、充分挖掘影像信息、改善地物信和未利用地,受地形地貌的限制,土地利用斑块较为
息识别与提取过程等方面做了大量的研究和探索, 破碎。
数据来源与遥感图像预处理
提出了很多先进的技术和方法[6-11]。但由于遥感数
数据来源于研究区年月过境的
据的复杂性和地物分布的随机性等原因,目前遥感 2004 3 SPOT 5
遥感图像已进行辐射校正和几何粗校正影像清
图像计算机自动分类精度较低,难以满足土地调查, ,
晰空间分辨率为研究区大小为像
和动态监测的需要,在土地资源调查与监测过程中, , , 350×350
元图像预处理在软件平
高分辨率解译多采用人工目视勾绘,计算机自动解。 ERDAS IMAGINE
台下进行主要包括几何精校正图像裁剪和图像增
译方法则很少,从而导致效率低、费工费