《表2 类别间距离矩阵：基于无人机遥感影像分类方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于无人机遥感影像分类方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在选取训练样本之前，需要对其创建图像的特征指标。试验选取了通过自定义的归一化植被指数（NDVI）和归一化红边指数（NDRE）特征，计算如公式（1）和（2），以及系统内的亮度（Brightness）、最大差分（Max.diff）、绿光均值（Mean Green）、红光均值（Mean Red）、近红外均值（Mean Nir）、红边均值（Mean Red＿edge）、形状指数（Shapeindex）和长宽比（Length/Width）这10个特征值作为分类的依据。一般情况下，选取的特征越多，信息就越丰富，分类精度也就越高。但是由于无法定量分析各个特征的具体贡献，容易存在信息冗余，因此在选取样本后需要对空间特征进行优化。经过用e Cognition软件中的空间特征优化工具对选取这10个特征值进行计算后，得到训练样本之间最小分离距离为0.801 748（类别间距离矩阵见表2）和最佳维数为8，特征值计算结果显示归一化植被指数和红光均值这两个特征值不适合应用到分类中。