高分辨率遥感与LiDAR融合：面向对象分类提升地物识别精度

随着高分辨率遥感技术的飞速发展和多源数据获取的日益普及，多源传感器数据融合在遥感信息提取领域已成为研究热点。本文探讨了如何利用GeoEye高分辨率航空影像与机载LiDAR数据的协同优势，以提高遥感数据的分类精度。作者针对遥感数据的分割参数、特征选择以及分类规则等关键特性进行了深入研究，并提出了基于面向对象的模糊分类方法——成员函数法。 成员函数法是一种在面向对象分类中广泛应用的技术，它通过定义物体内部的隶属程度来处理数据的不确定性。在本研究中，这种方法被用于处理高分辨率影像中的复杂地形和细节信息，例如建筑物的精细纹理、煤堆的形状以及灌木丛的密集分布。通过这种方式，研究者能够更精确地识别这些在单一遥感数据中可能难以区分的地物类型。 实验在选定的实验区进行了细致的实施，结果显示，结合高分辨率遥感影像和LiDAR数据的成员函数法分类方法显著提升了地物识别的准确性。总体分类精度达到了93.92%，Kappa指数(KIA)为92.52%，这表明这种方法在复杂矿区环境中表现出了显著的优势，相较于传统方法，分类精度有了显著提升。这为后续的地理信息系统应用、土地利用规划以及环境监测等方面提供了更为精细和可靠的数据支持。 这篇论文的重要贡献在于提出了一个有效的多源遥感数据融合策略，特别是在高分辨率影像与LiDAR数据的结合方面，展示了面向对象分类方法特别是成员函数法在提高地物识别精度方面的潜力。这对于遥感领域的研究者和实践者来说，是一个具有实际应用价值的研究成果。