作者：宋荣杰; 宁纪锋; 刘秀英; 常庆瑞苹果园遥感识别信息提取灰度共牛矩阵支持向量机quickbird
摘要：为提高高空间分辨率遥感影像（高分影像）中苹果园提取精度，基于QuickBird遥感数据，研究综合光谱特征和纹理特征的苹果园自动提取方法。该方法首先采用最佳指数因子（OIF）获取多光谱波段最佳组合，然后采用不同大小滑动窗口（从3像素×3像素到13像素×13像素）提取全色波段的灰度共牛矩阵（GLCM）、分形和空间自相关3种纹理特征并分别与光谱特征组合，最后通过支持向量机（SVM）分类进行苹果园分类识别。研究表明：在分类特征上，与单一光谱或纹理特征相比，光谱特征结合纹理特征能有效提高苹果园提取精度（Fn）和总体分类精度（OA），其中光谱＋GLCM纹理（9像素×9像素）分类精度最高，Fn和OA分别为96．99％和96．16％，比光谱＋分形纹理分别提高0．63个百分点和1．56个百分点，比光谱＋空间自相关纹理昆著提高11．92个百分点和9．20个百分点。在分类方法上，通过对比分析SVM、最大似然和神经网络3种方法的分类结果，探明SVM分类识别苹果园精度最高。最后对苹果园提取结果进行面积统计，结果表明GLCM纹理结合SVM分类的苹果园面积估算与目视解译结果的一致性超过98％。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
