“四同”條件下周口城區高分一號遙感影像分類對比研究

作者：葉杰,孟凡曉,白濰銘,張斌,鄭金明

摘要：目前大多數面向像元、面向對象遙感影像分類對比研究算法、軟件、樣本均不同,引入多方面系統誤差導致結果一定程度上不嚴謹。為更準確比較2種分類方法,本文采用面向像元、面向對象2種分類方式,在同軟件平臺、同分類器、同訓練樣本、同驗證樣本,即“四同”條件下對2018年4月17日高分一號周口城區融合影像進行分類對比研究,并完成主、客觀評價精度評價。結果表明:①“四同”條件下2種分類方式、CART(Classification and Regression Tree)、SVM(Support Vector Machine)、RF(Random Forests)3種機器學習算法均能識別周口城區主要地物類型,而面向對象的分類效果明顯優于面向像元分類,與前人研究結論一致。其中面向像元分類效果最好的是RF算法,總體分類精度為78.02%,Kappa系數為0.72;面向對象分類效果最好的是RF算法,總體分類精度為93.40%,Kappa系數為0.92;②盡管由于光譜特征相似、分布交叉,單類別建筑用地、交通用地用戶精度與生產者精度較低,但面向對象分類較面向像元分類效果明顯提升,以RF分類為例,建筑用地生產者精度由56.18%提高至92.13%,用戶精度由69.44%提高至87.23%;交通用地生產者精度由72.15%提高至89.87%,用戶精度由72.15%提高至92.20%;③與前人研究成果比較,本文在“四同”條件下實現了更科學、更嚴謹的面向像元、面向對象遙感分類方法對比,對后續高分辨率遙感影像分類具有一定參考意義。

發文機構：河南省航空物探遙感中心 西北核技術研究所

關鍵詞：“四同”條件面向像元面向對象高分一號機器學習對比分析單類別總體精度the four identical conditionpixel-basedobject-basedGF-1machine learningcomparison analysiseach categoryoverall accuracy

分類號： TP3[自動化與計算機技術—計算機科學與技術]