文献类型：期刊文章

作　　者：余铭[1] 魏立飞[1] 尹峰[2] 李丹丹[3] 黄庆彬[4]

Yu Ming;Wei Lifei;Yin Feng;Li Dandan;Huang Qingbin(Faculty of Resources and Environmental Science,Hubei University,Wuhan 430062,China;Hubei Provincial Institute of Land and Resources,Wuhan 430062,China;Institute of Agricultural Resources and Regional Planning,Chinese Academy of Agricultural Sciences / Key Laboratory of Agricultural Remote Sensing,Ministry of Agriculture,Beijing 100081,China;Shenzhen Cadastral Surveying and Mapping Brigade,Shenzhen 518000,China)

机构地区：[1]湖北大学资源环境学院,武汉430062 [2]湖北省国土资源研究院,武汉430062 [3]中国农业科学院农业资源与农业区划研究所/农业部农业遥感重点实验室,北京100081 [4]深圳市地籍测绘大队,深圳518000

出　　处：《中国农业信息》

基　　金：国家重点研发计划课题(2017YFB0504202);国家自然科学基金优秀青年科学基金项目(41622107);湖北省技术创新专项重大项目(2018ABA078);空间数据挖掘与信息共享教育部重点实验室开放基金(2018LSDMIS05);农业部农业遥感重点实验室开放基金(20170007)

年　　份：2018

卷　　号：30

期　　号：3

起止页码：74-82

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：【目的】农作物精细分类对于农作物长势监测、产量预估、灾害评估、保障国家粮食安全具有重要意义。高光谱遥感影像具有丰富的光谱波段,能够探测到各类农作物之间细微差别,已逐渐成为分类的理想数据源。【方法】研究以由AVIRIS传感器收集的美国加利福尼亚州南部萨利纳斯山谷的农作物区域的高光谱数据为数据源,提出了一种基于条件随机场的高光谱遥感农作物精细分类方法,利用SVM分类器计算各类地物的概率,并定义为条件随机场的一元势函数以融合空间特征信息;将空间平滑项和局部类别标签成本项加入到二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后与传统的最小距离法和SVM算法进行比较。【结果】文章提出的方法较最小距离分类法、SVM传统方法相比,整体精度分别提高了16%和2%,除了C15类(葡萄园3)精度为72.32%与74.11%外,各类地物精度均在94%以上,各种"椒盐"噪声与分类混淆现象得到了改善。【结论】实验结果表明,该方法在农作物精细分类应用中具有较大优势。

关 键 词：高光谱遥感 农作物精细分类  条件随机场

分 类 号：S127]