基于决策树的无人机高光谱遥感影像地物分类研究Study on Ground Objects Classification by UAV Hyperspectral Remote Sensing Images Based on Decision Tree
万欢;孙昕;周浩澜;王长委;
摘要(Abstract)：
高光谱影像由于其波段众多,传统的多光谱图像的信息提取方法不适合高光谱影像的处理。利用无人机搭载美国Headwall公司的最新纳米级高光谱成像光谱仪,采集广东省广州市增城区某处的高光谱影像,提取光谱数据,分析不同地物间光谱曲线特征和差异,采用决策树进行地物分类。结果表明:根据无人机高光谱数据中不同地物之间光谱特征曲线的差异,建立分类树,不仅可以大大减少分类处理的工作量,且分类效果良好,准确度高。
关键词(KeyWords)： 无人机;高光谱遥感;光谱特征
基金项目(Foundation): 2018年省级促进经济发展专项资金(GDME-2018E004);; 2018年省级乡村振兴战略专项“老挝蔬菜农情监测系统构建与推广”
作者(Authors): 万欢;孙昕;周浩澜;王长委;
参考文献(References)：
- [1]周阳,杨宏海,刘勇,林森.高光谱成像技术的应用与发展[J].宇航计测技术,2017,37(4):22-29.
- [2]张兵.高光谱图像处理与信息提取前沿[J].遥感学报,2018,20(5):1062-1090.
- [3]杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊.高光谱遥感影像分类研究进展[J].遥感学报,2016,20(2):236-256.
- [4]谭雨蕾.基于特征度量的高光谱遥感影像波段选择方法研究[D].长春:吉林大学,2017.
- [5]杨钊霞,邹峥嵘,陶超,田彦平,何小飞.空-谱信息与稀疏表示相结合的高光谱遥感影像分类[J].测绘学报,2015,44(7):775-781.
- [6]马娜,胡云锋,庄大方,王新生.基于最佳波段指数和JM距离可分性的高光谱数据最佳波段组合选取研究———以环境小卫星高光谱数据在东莞市的应用为例[J].遥感技术与应用,2010,25(3):358-365.