• 首页
  • 刊物介绍
  • 编委会
  • 过刊浏览
  • 订阅指南
  • 在线投稿
  • 联系我们
基于面向对象分类方法在SPOT影像中的地物信息提取
投稿时间:2010-10-24    点此下载全文
引用本文:祖 琪,袁希平,莫源富,袁 磊.基于面向对象分类方法在SPOT影像中的地物信息提取[J].中国岩溶,2011,30(2):227-232.
摘要点击次数: 2247
全文下载次数: 3433
学科分类:
作者单位
祖 琪 昆明理工大学国土资源工程学院 
袁希平 昆明理工大学国土资源工程学院 
莫源富 中国地质科学院岩溶地质研究所 
袁 磊 昆明理工大学国土资源工程学院 
基金项目:中国地质科学院岩溶地质研究所基本科研业务费项目(2009016)
中文摘要:利用基于面向对象分类方法的eCognition软件,以桂林寨底地区为研究区,对影像中各类地物设置不同的分割参数,即初始分割尺度为30,形状因子为0.1,光谱因子为0.9,紧凑度为0.7,光滑度为0.3,能够比较准确地分割出水体、植被、非植被3类地物。根据建立的类层次结构,继续对植被和非植被2个大类进行细分,结果表明当分别选定分割尺度为80和50时效果较理想。利用eCogni-tion对完成分割的地类进行分类,并结合最后的手动修改,取得了较高的分类精度,即总的分类精度达到96.28%,Kappa系数为0.9523。与传统的分类方法进行对比,面向对象分类方法在高分辨率影像分类工作中具有较大的优势。
中文关键词:eCognition  面向对象分类  类层次结构  分割  最大似然法分类
 
Surface features’ information extraction from SPOT images with object-oriented classification method
Abstract:With eCognition software of the object-oriented classification method, different segmentation parameters for each surface features in the images is set in the study area of Zhaidi, Guilin. When initial segmentation parameter is 30, shape is 0.1, color is 0.9, compactness is 0.7 and smoothness is 0.3, vegetation, non-vegetation and water body can be parted accurately. Further separation for vegetation and non-vegetation according to the established classification hierarchy, it is concluded that the results close to ideal if the selected segmentation scale is 80 and 50. Classification to the surface features that have been cut by means of eCognition and manually modification has resulted in relatively high accuracy – the general accuracy up to 96.28% and the Kappa coefficient 95.23%. Contrasting with the result by traditional way, the object-oriented classification method is of greater advantage in classifying high-resolution remote sensing data.
keywords:eCognition  object-oriented classification  class hierarchy structure  segmentation  maximum likelihood classification
查看全文  查看/发表评论  下载PDF阅读器


您是第 2284842 位访问者
版权所有《中国岩溶》编辑部
主管单位:中国地质科学院 主办单位:中国地质科学院岩溶地质研究所 地址:广西桂林七星路50号
邮政编码:541004 电话:0773-5812949 7796657 电子邮件:zgyr@karst.ac.cn

技术支持:北京勤云科技发展有限公司