摘要
耕地是重要的物质资源。实时动态掌握耕地信息是保障人民基本生活基本条件。准确快速提取耕地信息已成为耕地监测研究的重要环节。无人机遥感平台因其诸多优点，近年来已经在中国西南地区得到大规模使用。虽然无人机影像提供大量信息，但是如何对其进行耕地信息的提取一直是研究的重点和难点。 本文基于影像不同波段信息提取Canny边缘检测信息用于辅助影像的多尺度分割，同时结合最邻近和基于SEaTH的阈值分离算法对分割后的各个对象进行分类，对研究区耕地信息提取方法进行了研究，得到的主要研究成果如下: (1)研究区地物最优分割尺度分别为:植被和非植被最优分割尺度为130。林地和有作物覆盖耕地的最优分割尺度为110。无作物覆盖耕地、房屋、水泥路面、水体、薄膜覆盖耕地的最优分割尺度为85。 (2)使用Canny边缘检测算法对影像边缘信息进行提取并辅助影像的分割，可以得到较佳的分割结果。对于不同地物类型使用不同波段提取的Canny边缘算子辅助分割效果不一样。在区分林地和有作物覆盖耕地时，使用基于Canny G辅助分割效果较好。在区分无作物覆盖耕地、房屋、水泥路面、水体、薄膜覆盖耕地时，使用Canny R效果较好。 (3)不同的均质性因子的组合情况会影响分割结果。本文研究区的光谱因子权重为0.1、0.2较为合适;紧致度和光滑度为都为0.5较为合适。 (4)仅使用最邻近分类方法对于有作物覆盖耕地和无作物覆盖耕地的漏分误差较高(35.3％、36.1％)。使用基于SEaTH算法对薄膜覆盖耕地的错分误差和漏分误差都较大(33.7％、42.9％)。而基于SEaTH算法和最邻近相结合的分类方法对于有作物覆盖耕地、无作物覆盖耕地的漏分误差减少效果明显。其中薄膜覆盖耕地的用户精度较前两种方法分别提高了36.3％和25.6％。 (5)总体精度，基于SEaTH算法和最邻近相结合的分类方法(89.3％)＞基于SEaTH算法分类(80.7％)＞最邻近分类法(78.7％)。Kappa系数，基于SEaTH算法和最邻近相结合的分类方法(0.83)＞基于SEaTH算法分类(0.69)＞最邻近分类法(0.67)。基于SEaTH算法分类对特征差异较为明显的两类地物较为适用，而最邻近分类法相对SEaTH算法在进行复杂地物分类的效果较好。 (6)在进行植被和非植被地物类型分类时，采用最邻近分类方法较为合适;在植被地物中提取有作物覆盖耕地采用SEaTH阈值分离算法;在非耕地中提取无作物覆盖耕地，采用最邻近分类方法;通过最邻近分类方法提取水泥路面和薄膜覆盖耕地的混合类型后，采用SEaTH阈值分离算法分离出薄膜覆盖耕地。
NETL