基于中高分遙感的多特征作物種類識別

摘要：本文基于哨兵2號衛星的影像特征，對石河子總場農作物進行種類識別研究，并探討基于中高分遙感的作物種類識別技術的應用及存在問題。

關鍵詞：遙感;農作物種類識別

中高分遙感影像能夠提供豐富的地物空間結構和細節信息，在城市規劃、地形圖更新、土地利用、土地覆蓋等方面有著廣泛的應用，也為更加精細的遙感作物識別提供新的數據來源。受制于成像技術，高分辨率數據可供利用的光譜波段較少，光譜分辨率較低，傳統依靠光譜特征的分類方法嚴重制約著高分影像分類的精度。因此，在實際應用中通常將高分影像的紋理信息與光譜信息相結合，以提高地物分類的精度。

本文利用哨兵2號衛星的數據獲取農作物類別信息為目標，選取石河子總場的區域作為研究區，通過對農作物相關的植被指數特征和紋理特征進行選擇和分析，采用適用于高分辨率影像分類的面向對象分類方法，研究多特征面向對象農作物分類技術，為高分辨率影像農作物分類提供技術參考，為國產高分辨率影像的農業應用發展提供支持。

一、結果與分析

（一）植被指數和紋理特征的重要性評價

采用主成分分析法來評價植被指數和紋理特征的重要性程度，獲得每個指數和特征的重要性分值，用平均精確率減少（Mean Decrease Accuracy）重要性評分來表示，直接對所有特征對模型精確率的影響進行度量，通過將對特征值順序不斷打亂，以度量順序變化給模型的精確率造成的影響。

研究區影像的26個特征值的重要性分值如圖1-1和表1-1所示。從圖表中可以看出，重要性較高的植被指數從高到低依次為MSR、NDVI、GI、GNDVI和MCARI，重要性評分分別為40.3400、37.2719、33.5677、18.6619和16.4228;重要性較高的紋理特征指數是第四波段的Contrast、第八波段的Contrast、第三波段的Homogeneity、第三波段的Contrast、第三波段的second moment和第四波段的Entropy，重要性評分分別為42.7502，26.0820、24.2669、21.2991、20.1601、19.2425和Entropy。由此可知，植被指數特征的重要性相對而言比較高，而從四個波段計算得到的16個紋理特征中近紅外波段的紋理特征值重要性相對較高，其他波段的紋理特征值重要性相對較低。

（二）特征個數對分類精度的影響

基于主成分分析獲得的植被指數和紋理特征指數的重要性值，對特征指數按重要值的高低進行排序，每次選取不同的特征數量進行分類，以明確分類精度受參與分類的特征個數的多少的影響程度。采用基于樣本的支持向量機分類器開展分類實驗，所獲得的分類精度如表1-2所示。從表中可以看出，分類精度與特征數量個數呈正相關，即隨著特征數量的增加，分類精度不斷提高，但當特征數量超過15的時候分類精度的增加程度變的很小，達到了平衡的狀態，特征數量繼續增加，分類精度的增加很小或者會產生精度變低的情況。

（三）面向對象分類

根據特征主成分分析的結果，選擇重要性程度較高的前15個特征值參與分類，以提高分類的效率，鑒于哨兵2號數據的高空間分辨率特點，選擇基于多特征的面向對象分類方法，檢驗哨兵2號影像在農作物分類應用上的有效性，為哨兵2號數據的應用提供技術參考。

（1）影像分割

基于多特征Mean Shift 分割方法對研究區的影像進行分割，采用多光譜波段和基于GLCM的紋理特征（基于多光譜影像的第一主成分，以3*3窗口計算）homogeneity、contrast、entropy、second moment 四個特征）。通過多次比較實驗，根據研究區地物目標調節參數（帶寬、閾值和最小區域像素點個數等），分別得到最優的分割結果，當圖像分割參數Scale Level=50，Merge Level=80時得到最優的分割結果，能夠很好的將地物的形狀特征和輪廓表現出來。因此采用分割尺度為100的分割結果進行后續面向對象的分類實驗。

（2）分類結果

針對分割后的影像采用支持向量機分類器進行面向對象的分類，分類精度達到了95.4040%，Kappa Coefficient為0.9394，分類效果較好，結果如圖1-2所示。由此可以看出棉花、小麥、玉米和葡萄被很好的分開，且地物完整度較高。

分類結果還顯示，石河子總場農作物中，棉花的種植面積最高，占22.67%，其次為葡萄、小麥和玉米，分別占21.88%、11.40%、9.3%，其余面積為非農業用地。

二、討論

為檢驗基于哨兵2號數據影像農作物識別的有效性，同時掌握石河子總場中的農作物種植種類和面積，本章以石河子總場的哨兵2號中高分辨率遙感影像為研究對象，提取了影像的了10個植被指數和4個紋理特征進行測度，并采用主成分分析法對26個特特征對于5類地物的分類重要性進行了評價。根據評價的結果可知，在對農作物識別分類中植被指數的指示作用較高，而且不同的植被指數在植被分類中發揮的重要性程度不一。

通過對植被指數特征和紋理特征的評價和分析可以得出，本研究所選擇的10個農作物相關植被指數在作物分類識別中有著很重要的作用，而近紅外波段的紋理特征值對于作物的識別也有很大的作用。因此在進行高分辨率遙感農作物分類中，需針對所分類別及農作物的生長期，選擇合適的特征值進行分析，可以采用植被相關指數和近紅外波段的紋理特征值以獲得比較好的分類效果。

三、小結

高分辨率遙感農作物分類，采用面向對象的分類十分必要，相比基于像元的方法，面向對象分類結果可以更好的避免椒鹽效應，使分類結果破碎度減小，農田的規則形狀特征也十分適用基于對象的分析。分割過程中，需根據農田的面積大小選擇合適的分割參數，以獲得與地面更加匹配的對象，提高農作物的分類精度。

針對當前中高分辨率的遙感圖像存在波段少的特點，提出了利用多特征分類方法，通過選擇合適的植被相關指數和紋理特征，進行特征評價和分類分析，得出植被指數與近紅外波段的紋理特征值是農作物分類中需要選擇的特征，由于高分辨率影像空間分辨率較高，在進行大范圍研究中數據量會非常大，特征的多少對于分類器精度和速度有很大的影響，而植被指數也具有一定的地域性，因此在實際應用中，還需要根據研究區的地物類別及時相優選合適的植被指數和紋理特征用于分類，以保證分類精度和效率。

作者簡介：

董嘉偉（1992.07--）;性別：男，籍貫：甘肅天水，學歷：本科畢業于南昌工程學院;石河子大學在讀研究生。現有職稱：初級工程師;研究方向：農業信息化。