机构名称：
¥ 7.0
基于遥感数据的图像分类是自动制图研究的主要领域。随着城市发展的加快，迫切需要更新地理数据库。城市地区土地覆盖类型的自动制图是遥感领域最具挑战性的问题之一。传统的数据库更新费时费力，通常通过人工观察和目视解译进行，为了提高效率和准确性，数据收集和提取方面的新技术越来越必要。本文研究了一种基于正射影像和激光雷达数据（单独和组合）的基于对象的决策树分类。成功提取了四种土地覆盖类型，即森林、水体、空地以及建筑物。基于正射影像的分类准确率为 89.2%，基于激光雷达数据的分类准确率为 88.6%，获得了令人满意的结果。激光雷达数据和正射影像都显示出足够的能力来单独对一般土地覆盖类型进行分类。同时，正射影像和激光雷达数据的组合显示出显著的分类结果，准确率为 95.2%。整合数据的结果显示出非常高的一致性。与单独使用正射影像或激光雷达数据的过程相比，它降低了土地覆盖类型判别的复杂性。此外，还进行了另一种分类算法，支持向量机（SVM）分类。比较
使用正射影像和激光雷达数据进行基于对象的土地覆盖分类
主要关键词
相关文件推荐
