期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
应用无人机可见光影像和面向对象的随机森林模型对城市树种分类
1
作者 陈逊龙 孙一铭 +4 位作者 郭仕杰 段煜柯 唐桉琦 叶章熙 张厚喜 《东北林业大学学报》 CAS CSCD 北大核心 2024年第3期48-59,共12页
为及时准确的了解城市树种空间分布信息,提升城市居民生活水平和推动城市生态系统可持续发展。以福州市仓山区城市森林为研究对象,应用无人机(UAV)监测城市树种空间分布及其动态变化的可见光影像,根据最佳尺度对影像进行分割,并提取分... 为及时准确的了解城市树种空间分布信息,提升城市居民生活水平和推动城市生态系统可持续发展。以福州市仓山区城市森林为研究对象,应用无人机(UAV)监测城市树种空间分布及其动态变化的可见光影像,根据最佳尺度对影像进行分割,并提取分割对象的光谱、地形、指数、纹理和几何特征。通过对不同类型特征的组合构建不同的分类方案,利用递归特征消除法(RFE)筛选出优选特征子集,利用面向对象方法结合随机森林(RF)模型对城市树种进行分类。结果表明:在随机森林模型分类的过程中,利用光谱特征对树种分类的总体分类精度为82.12%;地形特征对树种分类的贡献度率为14.96%;指数特征和纹理特征的引入,在一定程度提高了树种的分类精度;几何特征的贡献较小,在分类过程中没有明显的贡献。特征优选子集的S10方案分类精度最高,总体精度达92.42%,Kappa系数为0.91。说明特征优选能够降低高维度特征的复杂性,在大幅减少数据冗余的同时提高了分类精度。在最优特征子集下,随机森林(RF)算法分类的总体精度比极致梯度提升(XGBoost)、轻量级梯度提升机(LightGBM)和k最近邻算法(KNN)分别提高了1.15%、1.81%和15.15%,Kappa系数分别提高了1%、2%和17%。 展开更多
关键词 城市树种 无人机影像 面向对象 随机森林模型 地形特征
下载PDF
基于无人机多光谱影像和随机森林的蔬菜识别 被引量：2
2
作者 郭倩 魏嘉豪 +4 位作者 张健 叶章熙 张厚喜 赖正清 邓辉 《中国农业科技导报》 CAS CSCD 北大核心 2023年第2期99-110,共12页
实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割,以光谱特征(spectrum features,SPEC)为基础,分别引入指数特征(index features,INDE)、纹理特征(grey-level co-occurrence matrix fea... 实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割,以光谱特征(spectrum features,SPEC)为基础,分别引入指数特征(index features,INDE)、纹理特征(grey-level co-occurrence matrix features,GLCM)和几何特征(geometric features,GEOM)构建8个分类方案(S1~S8),使用随机森林算法进行分类并分析分类效果。结果表明,方案S5(SPEC+GLCM+INDE)的分类效果最好,总体精度和Kappa系数分别为92.75%和0.92。几何特征的引入降低了分类精度,而纹理和指数特征则与其相反;仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜,为提高精度后续研究有必要引入植株高度等特征;在4大类特征中,重要性排在首位的是光谱特征,其次为指数特征。基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度,并能确认影响精度的重要特征,可为其他作物的精准识别提供借鉴。 展开更多
关键词 无人机 随机森林 蔬菜 多光谱影像 面向对象
下载PDF
基于无人机可见光影像与OBIA-RF算法的城市不透水面提取 被引量：5
3
作者 叶章熙 郭倩 +2 位作者 张健 张厚喜 邓辉 《农业工程学报》 EI CAS CSCD 北大核心 2022年第4期225-234,共10页
不透水面是一种重要的城市地物类型,及时准确地获取城市不透水面信息对城市的合理规划、生态环境保护及可持续发展具有重要意义。低空无人机(Unmanned Aerial Vehicle,UAV)作为新型的遥感平台,具有操作灵活、时空分辨率高、受云雾影响... 不透水面是一种重要的城市地物类型,及时准确地获取城市不透水面信息对城市的合理规划、生态环境保护及可持续发展具有重要意义。低空无人机(Unmanned Aerial Vehicle,UAV)作为新型的遥感平台,具有操作灵活、时空分辨率高、受云雾影响小等优点,为中小尺度城市不透水面遥感监测提供了新的技术手段。以无人机可见光影像作为数据源,通过使用面向对象与随机森林算法相结合的方法开展对城市不透水面信息提取研究。首先,根据最佳尺度对影像进行分割并提取分割对象的不同特征,以光谱特征为基础,分别引入指数与地形特征建立方案S1~S4,以光谱、指数和地形特征为基础,分别加入纹理与几何特征构建方案S5~S7,以此来分析不同类型特征对不透水面提取效果的影响;同时,基于优选特征子集(13个)构建方案S8,基于上述8种方案,利用随机森林(RandomForest,RF)算法进行分类并确定最佳方案。然后,通过比较随机森林、支持向量机(Support Vector Machine,SVM)和K-最邻近法(K-Nearest Neighbors,KNN)算法在最佳方案的特征子集下的分类效果,评价随机森林算法对于不透水面的分类性能。结果表明:地形特征中的归一化数字表面模型(normalized Digital Surface Model,n DSM)对不透水面提取精度的提升作用最大,多个方案通过引入n DSM后分类精度均有较大幅度的提升(22.49~39.67个百分点);基于特征优选子集的S8方案分类精度最高,其总体精度达96.18%,Kappa系数为0.95,可见特征优选能够将高维度特征进行降维和优化,大幅减少特征数的同时还能一定程度提高分类效果;随机森林算法在最优特征子集下的分类效果优于SVM与KNN,总体精度比二者分别提升了1.35和14.18个百分点。可见面向对象和随机森林相结合的方法可有效开展城市不透水面精细化提取。该研究为基于无人机可见光影像的不透水面提取提供了一种新方法,也可为城市其他类别地物监测提供技术参考。 展开更多
关键词 无人机 遥感 可见光影像 随机森林 不透水面提取 面向对象分类 特征选择
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部