农业机械学报

作者：宋荣杰,宁纪锋,常庆瑞,班松涛,刘秀英,张宏鸣

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,河南科技大学,西北农林科技大学,

关键词：猕猴桃果园;遥感提取;小波纹理;随机森林;QuickBird

基金：国家高技术研究发展计划（863计划）项目（2013AA102401-2）、国家重点研发计划项目（2017YFC0403203）、国家自然科学基金项目（41771315）和陕西省水利科技项目（2017slkj-7）

为快速、准确地从高分影像中获取猕猴桃种植分布信息，提出了一种结合小波变换纹理分析和随机森林分类的QuickBird影像猕猴桃果园自动提取方法。首先，采用coif5小波对QuickBird全色影像进行多尺度小波分解，计算各子频带小波系数的能量特征作为纹理特征；然后，将小波纹理与光谱特征组合构建分类特征；最后，利用随机森林分类实现土地利用分类和猕猴桃果园空间分布提取。结果表明，小波纹理识别猕猴桃果园的效果明显优于光谱特征和其他2种纹理特征；光谱+小波纹理特征的分类精度最高，猕猴桃果园提取精度（Fk）和总体分类精度（OA）分别为95.30%和94.46%，比光谱+灰度共生矩阵纹理分类分别提高6.70%和2.88%，比光谱+分形纹理分类显著提高13.43%和6.98%；随机森林分类结果优于相同特征下的支持向量机、最大似然分类。本文提取的猕猴桃果园面积与目视解译结果的相对误差小于7%。此外，利用本文方法对同期QuickBird影像另一研究区的苹果园分布进行提取，结果表明，该方法对苹果园提取有较好的适用性。

来源：2018年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第4期