针对现有的高分辨率遥感影像面向对象分类确定最优分割尺度研究中,大多仅考虑了对象光谱特征而忽略了对象空间特征的局限性,采用RMNE(the ratio of mean difference to neighbors(Abs)to entropy)方法,以高分二号(GF-2)影像为数据源,利...针对现有的高分辨率遥感影像面向对象分类确定最优分割尺度研究中,大多仅考虑了对象光谱特征而忽略了对象空间特征的局限性,采用RMNE(the ratio of mean difference to neighbors(Abs)to entropy)方法,以高分二号(GF-2)影像为数据源,利用影像纹理信息熵作为对象内部同质性指标,对象光谱均值与邻域光谱均值差分绝对值作为对象之间异质性指标,并结合目视确定茶园最优分割尺度为170,进而利用面向对象分类方法实现了茶园提取。结果表明,基于RMNE方法确定最优分割尺度获取的分割结果,较为符合真实的茶园对象边界,并且该分割尺度下的茶园提取生产者精度达到96.76%,用户精度达到83.60%。展开更多
文摘针对现有的高分辨率遥感影像面向对象分类确定最优分割尺度研究中,大多仅考虑了对象光谱特征而忽略了对象空间特征的局限性,采用RMNE(the ratio of mean difference to neighbors(Abs)to entropy)方法,以高分二号(GF-2)影像为数据源,利用影像纹理信息熵作为对象内部同质性指标,对象光谱均值与邻域光谱均值差分绝对值作为对象之间异质性指标,并结合目视确定茶园最优分割尺度为170,进而利用面向对象分类方法实现了茶园提取。结果表明,基于RMNE方法确定最优分割尺度获取的分割结果,较为符合真实的茶园对象边界,并且该分割尺度下的茶园提取生产者精度达到96.76%,用户精度达到83.60%。
