论文部分内容阅读
大麻不仅仅是一种工业原料还是毒品的主要原植物,其花叶中含有具有致幻成瘾作用的的四氢大麻酚(THC),容易被用来吸食。随着种植规模的扩大,我国大麻产量已居世界第一位,受我国的种植模式的影响,使得大麻种植分布零散,因此造成国家缺乏有效、准确的手段来收集大麻种植范围和面积信息。由于大麻品种繁多,种植条件各异,在我们前期毒品原植物调查与监测的实际工作中发现,大麻在种植过程中,容易发生生物学混杂等而导致含毒量变化,使得部分地方种植的大麻毒性成分(THC)含量超标,成为事实上的毒品原植物,为毒品泛滥留下了严重隐患。本文以内蒙古自治区达拉特地区为研究区,基于国产高分辨率的高分二号卫星遥感影像,利用两种不同的方法对大麻地块进行了信息提取。首先通过对研究区影像光谱特征、空间特征、语义特征等进行分析,选取相应的特征值作为决策树节点,构建大麻地块信息提取的决策树,应用ENVI软件平台对原始数据进行由大到小,由粗到细的分类过程,实现大麻地块的快速识别提取最终得到预想的分类结果。其次利用面向对象分类方法提取大麻地块信息过程中,以四叉树分割作为多尺度分割的预分割,以提高分割效率,尝试将归一化植被指数NDVI这一语义信息作为单独一个波段组合到影像中参与影像分割,最后基于单波段最优尺度计算模型的基础上,将全部波段共同参与模型计算,对最优尺度选择模型进行了改进。研究表明:1、面向对象的信息提取方法提取的结果相较于基于像元的决策树分类器提取的分类结果无论在用户精度、生产者精度还是总体精度上都有很大的提高。2、改进后的分割方法使得分割效率得到了很大的提升,使得大面积的大麻种植监测成为可能。3、将NDVI作为单独的一个波段参与影像分割也使分割精度得到了提高,使得植被与非植被的区分更为明显。4、改进后的最优尺度选择模型综合考虑了所有波段的特征,依据该模型得到的最优尺度更具科学性,从根本上保证了后续的信息提取精度。