| 410 | 1 | 652 |
| 下载次数 | 被引频次 | 阅读次数 |
以高分二号影像为原始数据，采用eCognition软件中的ESP2工具预测影像最佳分割尺度参数，通过k近邻、分类与回归树、支持向量机3种面向对象分类方法提取高铁线路，并引入总体精度、Kappa系数、完整率、正确率和提取质量5个指标对提取的高铁线路进行精度评价。结果表明，3种方法的5个评定指标均在0.9以上，这表明面向对象分类方法在高铁线路提取中具有可行性。
Abstract：The ESP2 tool in eCognition software is used in combination with the GF-2 images as the original data to predict the optimal segmentation scale parameters of the image, and the high-speed railway lines are extracted through three object-oriented classification methods, i. e., k-nearest neighbor, classification and regression tree, and support vector machine. Five indicators of overall accuracy, Kappa coefficient, completion rate, correct rate and extraction quality are introduced to evaluate the accuracy of the extracted high-speed railway lines. The experimental results show that the five mentioned extraction indexes of the three methods are all above 0. 9, which indicates that the object-oriented classification method is feasible in the field of high-speed railway line extraction.
[1]熊嘉阳，沈志云.中国高速铁路的崛起和今后的发展[J].交通运输工程学报，2021, 21(5):6-29
[2]黄邵东，徐伟恒，熊源，等.结合纹理和空间特征的多光谱影像面向对象茶园提取[J].光谱学与光谱分析，2021, 41(8):2 565-2 571
[3]肖艳，王斌.基于面向对象的极化雷达影像分类[J].红外与毫米波学报，2020, 39(4):505-512
[4]李前景，刘珺，米晓飞，等.面向对象与卷积神经网络模型的GF-6 WFV影像作物分类[J].遥感学报，2021, 25(2):549-558
[5]张露洋，雷国平，郭一洋，等.基于Landsat影像的面向对象土地利用分类：以下辽河平原为例[J].应用基础与工程科学学报，2021, 29(2):261-271
[6]杨云辉，赵鲁全，李新举，等.利用无人机和面向对象技术快速提取田坎面积[J].测绘地理信息，2022,47(2):96-100
[7] Trevisiol F, Lambertini A, Franci F, et al. An Object-Oriented Approach to the Classification of Roofing Materials Using very High-Resolution Satellite StereoPairs[J]. Remote Sensing, 2022, 14(4):849
[8] Shafizadeh-Moghadam H, Khazaei M, Alavipanah S K, et al. Google Earth Engine for Large-Scale Land Use and Land Cover Mapping:An Object-Based Classification Approach Using Spectral, Textural and Topographical Factors[J]. GIScience&Remote Sensing,2021, 58(6):914-928
[9]刘星雷，鲁铁定，龚循强.基于GF-2遥感影像的面向对象分类方法比较研究[J].江西科学，2019, 37(6):913-916
[10]林雪，彭道黎，黄国胜，等.结合多尺度纹理特征的遥感影像面向对象分类[J].测绘工程，2016, 25(7):22-27
[11]闵蕾，高昆，李维，等.光学遥感图像分割技术综述[J].航天返回与遥感，2020, 41(6):1-13
[12]李娜，包妮沙，吴立新，等.面向对象矿区复垦植被分类最优分割尺度研究[J].测绘科学，2016, 41(4):66-71
[13]刘金丽，陈钊，高金萍，等.高分影像树种分类的最优分割尺度确定方法[J].林业科学，2019, 55(11):95-104
[14]庄喜阳，赵书河，陈诚，等.面向对象的遥感影像最优分割尺度监督评价[J].国土资源遥感，2016, 28(4):49-58
[15]李志强，蔡国印，杨柳忠，等.一种基于多分类器的GF-2卫星影像分类方法[J].测绘地理信息，2019,44(4):94-97
[16]龚循强，刘星雷，鲁铁定，等.基于规则验证点的面向对象分类精度评价[J].激光与光电子学进展，2020, 57(24):289-294
[17]洪亮，冯亚飞，彭双云，等.面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类[J].测绘学报，2022, 51(2):224-237
[18]李卓，韩文超，胡起源，等.融合光谱混合分解与面向对象的土地利用/覆被分类[J].农业工程学报，2021, 37(17):225-233
[19]戴激光，杜阳，方鑫鑫，等.多特征约束的高分辨率光学遥感影像道路提取[J].遥感学报，2018, 22(5):777-791
基本信息:
DOI：10.14188/j.2095-6045.2022860
中图分类号:U238;P237
引用信息:
[1]周秀芳,龚循强,李泽春等.基于ESP2的面向对象分类方法在高铁线路提取中的应用[J].测绘地理信息,2024,49(04):20-23.DOI:10.14188/j.2095-6045.2022860.
基金信息:
江西生态文明建设制度研究中心开放基金（JXST2104）; 国家自然科学基金（42101457）