研究目的
评估高分辨率数据无人机在图像分类中的能力，并比较基于像素和基于对象的分类方法在使用支持向量机（SVM）分类器时的效果。
研究成果
与基于像素的技术相比，面向对象影像分析（OBIA）技术能更好地利用无人机影像数据的光谱、形状和纹理特性进行图像分类。该方法适用于特征提取且具有较高潜力。
研究不足
该研究仅限于使用马来西亚特定地区的无人机影像数据，且未探索支持向量机参数的优化以获得更好的分类结果。
1：实验设计与方法选择：
本研究采用支持向量机（SVM）分类器，对比了基于像素和基于对象的图像分析（OBIA）技术进行图像分类的效果。
2：样本选择与数据来源：
使用无人机eBee SenseFly搭载佳能IXUS/ELPH 1610万像素相机获取的航拍影像数据。
3：实验设备与材料清单：
无人机eBee SenseFly、佳能IXUS/ELPH 1610万像素相机、用于正射影像生成的Pix4D软件、用于OBIA分类的eCognition 9.0版本软件，以及用于基于像素分类的ENVI 5.1版本软件。
4：0版本软件，以及用于基于像素分类的ENVI 1版本软件。 实验流程与操作步骤：
4. 实验流程与操作步骤：研究分为两个阶段——基于像素和基于对象的分类，并通过混淆矩阵和卡帕统计量进行精度评估。
5：数据分析方法：
采用不同样本量对分类结果进行评估，并基于总体精度（OA）比较结果。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Canon IXUS / ELPH
16.1 MP
Canon
Optical sensor for capturing visible color bands (red, green, and blue)
-
UAV eBee SenseFly
eBee
SenseFly
Data capturing for high-resolution aerial imagery
-
Pix4D
Pix4D
Generating orthomosaic images with digital surface model (DSM), digital terrain model (DTM), and contour line
-
e-cognition
version 9.0
Object-based image analysis (OBIA) classification
-
ENVI
version 5.1
Pixel-based classification
-
登录查看剩余3件设备及参数对照表
查看全部
