基于分割区域及特征相似度的玉米田遥感图像分类方法

摘要

针对遥感图像中玉米田目标光谱复杂,同物异谱现象严重导致分类结果差的问题,提出一种基于分割区域及特征相似度的玉米田遥感图像分类方法。首先利用主成分分析法（PCA）对多光谱和高分辨全色融合图像进行第一主成分提取,以获得包含丰富图像信息的单色图像I;对I进行分水岭分割,得到一幅过分割目标区域图;构建由纹理、亮度及轮廓特征相似度组成的特征组;最后基于随机森林原理,利用构建的特征组对玉米目标进行提取。用高分一号卫星数据进行实验,并与支持向量机方法（SVM）、神经网络算法和最大似然算法进行了比较分析,实验表明,该方法的分类精度优于其他算法。