基于无人机遥感的煤矸石山植被分类

植被种类的准确分类是实现煤矸石山植被修复效果评价的基础。利用无人机遥感技术获取不同季节的煤矸石山可见光影像，通过色彩空间转换和纹理滤波充分挖掘可见光影像中丰富的色彩、结构及纹理等特征；然后对传统人工特征选取方法做出改进，该方法可快速、简单、高效地筛选特征信息以获取最优分类特征，并将优选结果与RGB影像融合以获得多特征融合影像；最后，利用3种监督分类模型分别对两期RGB影像及多特征融合影像进行分类处理并对结果进行精度评价及植被动态变化分析。结果表明：基于改进的人工特征选取方法可筛选出不同季节煤矸石山影像的最优分类特征，所选特征不仅能有效反映各类地物的差异性，同时可降低特征信息冗余以提高影像分类精度及效率。支持向量机（Support Vector Machine Classification, SVM）分类方法结合多特征融合影像的分类精度最高，总体分类精度最高可达90.60%，相应Kappa系数为0.878 0，较同期RGB影像分别提高了9.74%和0.126 5；而最大似然（Maximum Likelihood Classification, MLC）和神经网络（Neural Netwo...