期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于无人机遥感的煤矸石山植被分类 被引量：1
1
作者 周涛 胡振琪 +2 位作者 阮梦颖 刘曙光 张驭航 《煤炭科学技术》 EI CAS CSCD 北大核心 2023年第5期245-259,共15页
植被种类的准确分类是实现煤矸石山植被修复效果评价的基础。利用无人机遥感技术获取不同季节的煤矸石山可见光影像,通过色彩空间转换和纹理滤波充分挖掘可见光影像中丰富的色彩、结构及纹理等特征;然后对传统人工特征选取方法做出改进... 植被种类的准确分类是实现煤矸石山植被修复效果评价的基础。利用无人机遥感技术获取不同季节的煤矸石山可见光影像,通过色彩空间转换和纹理滤波充分挖掘可见光影像中丰富的色彩、结构及纹理等特征;然后对传统人工特征选取方法做出改进,该方法可快速、简单、高效地筛选特征信息以获取最优分类特征,并将优选结果与RGB影像融合以获得多特征融合影像;最后,利用3种监督分类模型分别对两期RGB影像及多特征融合影像进行分类处理并对结果进行精度评价及植被动态变化分析。结果表明:基于改进的人工特征选取方法可筛选出不同季节煤矸石山影像的最优分类特征,所选特征不仅能有效反映各类地物的差异性,同时可降低特征信息冗余以提高影像分类精度及效率。支持向量机(Support Vector Machine Classification,SVM)分类方法结合多特征融合影像的分类精度最高,总体分类精度最高可达90.60%,相应Kappa系数为0.8780,较同期RGB影像分别提高了9.74%和0.1265;而最大似然(Maximum Likelihood Classification,MLC)和神经网络(Neural Network,NNC)分类方法精度提高较少,总体分类精度较同期RGB影像最多可分别提高6.95%和3.93%,相应Kappa系数分别提高0.0845和0.0541。同时,基于最优分类结果从植被覆盖度和植被配置模式2个角度对常村煤矸石山植被修复效果进行评价,结果表明:该煤矸石山采用了多种不同的植被配置模式,且秋夏两季的植被覆盖度均高于75%,植被修复的整体效果较好。研究可为基于无人机可见光影像的煤矸石山植被信息识别分类提供参考,同时为煤矸石山植被修复的后期管理、维护等提供意见或建议。 展开更多
关键词 无人机遥感 煤矸石山 植被分类 色彩空间转换 纹理滤波 多特征优选
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部