从无人机空中飞行器的高光谱图像中分类红树林物种,使用基于特征组合和优化的面向对象方法

科学领域:

• 生态生态学 生态生态学
• 遥感 遥感 遥感 遥感
• 计算机科学 计算机科学

背景情况:

• 红树林物种的精确空间分布对于生态保护至关重要.
• 超光谱成像提供了有效的红树林监测,但由于空间复杂性和光谱冗余性,在精细分类方面面临挑战.
• 红树林物种之间的光谱相似性阻碍了仅使用光谱信息进行准确的分类.

研究的目的:

• 开发面向对象的多特征组合方法,用于细分红树林物种的细分分类.
• 在红树林分类中评估各种光谱,植被指数,分数顺序差异,纹理和几何特征的有效性.
• 为了比较不同机器学习分类器在红树林物种识别方面的性能.

主要方法:

• 超光谱图像使用多尺度技术进行了细分,用于对象提取.
• 使用遗传算法从光谱,植被指数,分数顺序差异,纹理和几何特征中进行特征选择.
• 测试了10个特征组合方案,使用K-近邻 (KNN),支持向量机 (SVM),随机森林 (RF) 和人工神经网络 (ANN) 分类器.

主要成果:

• 使用纹理特征的支向量机 (SVM) 实现了97.04%的准确性.
• 人工神经网络 (ANN) 使用原始光谱,第一阶差异光谱,纹理,植被指数和几何特征的组合,达到98.03%的准确性.
• 纹理和分数顺序的差异化是关键特征,植被指数和几何特征进一步提高了准确性.

结论:

• 与基于像素的方法相比,拟议的面向对象的多功能组合方法显著提高了红树林物种分类的准确性和效率.
• 这种方法为红树林的恢复和管理提供了强大的技术支持,因为它允许精确的物种识别.
• 该研究强调了结合多种特征和使用基于对象的分析来进行复杂的生态监测的重要性.