基于紋理特征的高分辨率遙感影像分類方法

《基于紋理特征的高分辨率遙感影像分類方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、第33卷第1期桂林理工大學(xué)學(xué)報Vol.33No.12013年2月JournalofGuilinUniversityofTechnologyFeb.2013文章編號:1674－9057(2013)01－0080－06doi:10.3969/j．issn.1674－9057.2013.01.015基于紋理特征的高分辨率遙感影像分類方法a，baaaa韋春桃，王寧，張利恒，原凱敏，鄒瑄(桂林理工大學(xué)a.測繪地理信息學(xué)院;b.廣西空間信息與測繪重點實驗室，廣西桂林541004)摘要:

2、灰度共生矩陣能較好反映影像灰度統(tǒng)計規(guī)律，小波變換能較好反映影像的多尺度特性，利用兩者結(jié)合進行了紋理特征提取。將灰度共生矩陣和小波變換提取紋理特征作為分類特征向量，建立基于支持向量機分類模型對高分辨率遙感影像進行分類;在支持向量機參數(shù)優(yōu)化問題上，利用遺傳算法進行參數(shù)尋優(yōu)，有效的避免多學(xué)習(xí)和欠學(xué)習(xí)狀態(tài)的發(fā)生。分類實驗結(jié)果表明了本方法的有效性。關(guān)鍵詞:紋理特征;遙感影像分類;灰度共生矩陣;小波變換;支持向量機;遺傳算法中圖分類號:TP751文獻標(biāo)志碼:A時未加入像元灰度空間分布和結(jié)構(gòu)特征以及分類0引言時樣本不足的情況，采用結(jié)合紋理的支持向量機隨著高分辨率遙感的不斷發(fā)展，

3、人們可以從分類方法，取得了較好的效果。遙感影像中獲得更多有用的數(shù)據(jù)和信息，遙感影支持向量機(supportvectormachine，SVM)像分類又是獲取信息的重要手段，然而基于光譜是統(tǒng)計理論學(xué)習(xí)方法，已經(jīng)在小樣本、非線性和特征分類時影像存在異物同譜和同物異譜的現(xiàn)象，高維模式識別問題中表現(xiàn)出獨特的優(yōu)勢?；谠谝欢ǔ潭壬嫌绊懥擞跋穹诸惥?。而紋理特征SVM在收斂性、訓(xùn)練速度以及分類精度上具有較作為遙感影像中非常重要的特征，反映了遙感影高的性能，本文采用灰度共生矩陣和小波變換提像的灰度性質(zhì)和空間結(jié)構(gòu)關(guān)系，相對于光譜特征，取紋理特征，利用提取的紋理特征作為特征向量，紋

4、理特征受傳感器、大氣和地表環(huán)境的影響相對建立支持向量機分類模型對高分辨率遙感影像進較小，研究表明利用紋理特征進行遙感影像分類行了分類，并對其分類結(jié)果進行了分析和評價。［1］［2］能夠提高分類精度。陳啟浩等通過灰度差矢1紋理特征的提取量法快速提取紋理特征，利用神經(jīng)網(wǎng)絡(luò)并輔以紋理特征對遙感影像進行分類，在增加紋理特征后，影像的紋理分析方法可分為4類:統(tǒng)計分析［6］影像分類的總精度從55%提高到94%;楊玉靜法、結(jié)構(gòu)分析法、模型分析法和信號處理方法。［3］等利用灰度共生矩陣提取紋理特征并利用紋理基于統(tǒng)計分析方法的灰度共生矩陣反映了不同灰特征影像輔助光譜特征的方法，也提高

5、了分類的度像元的空間結(jié)構(gòu)信息;而基于信號處理分析方法［4］精度;孫建國等在只做陰影補償不做地形校正的小波變換可以對影像進行多尺度分析，增加影像的情況下，使用光譜和紋理特征相結(jié)合的方法對的細(xì)節(jié)特征。由于灰度共生矩陣能較好反映影像灰山區(qū)高分辨率遙感影像分類，取得了很好的效果;度統(tǒng)計規(guī)律，而小波分析方法能較好反映影像的多［5］陳波等針對傳統(tǒng)模式識別分類精度不高、分類尺度特性，本文利用兩者一起進行紋理特征提取。收稿日期:2012－05－10基金項目:國家自然科學(xué)基金項目(41161073);廣西青年科學(xué)基金項目(2012GXNSFBA053131);廣西空間信息與測繪重點

6、實驗室研究基金項目(桂科能1103108－17;1207115－03);廣西自然科學(xué)基金創(chuàng)新研究團隊項目(2012GXNSFGA060001)作者簡介:韋春桃(1968—)，博士，教授，研究方向:數(shù)字?jǐn)z影測量與遙感，wct2005@glut.edu.cn。引文格式:韋春桃，王寧，張利恒，等．基于紋理特征的高分辨率遙感影像分類方法［J］．桂林理工大學(xué)學(xué)報，2013，33(1):80－85．第1期韋春桃等:基于紋理特征的高分辨率遙感影像分類方法811.1灰度共生矩陣提取紋理特征θ為共生矩陣的生成方向，通常θ方向為0°、45°、灰度共生矩陣(graylevelco-oc

7、currencema-90°、135°等4個方向。trix，GLCM)通過對影像灰度級之間聯(lián)合條件概1.1.1紋理測度的選擇灰度共生矩陣提供了像率密度P(i，j/d，θ)的計算表示紋理。P(i，j/d，θ)元灰度值在一定方向和距離上的相關(guān)性，為了區(qū)分表示在給定空間距離d和方向θ時，灰度i為始點，不同地物的紋理特征還需要在灰度共生矩陣的基出現(xiàn)灰度級為j的概率。P(i，j/d，θ)常用矩陣形式礎(chǔ)上對紋理信息進行特征統(tǒng)計，從而提取可以定量［7］表示，稱為灰度共生矩陣。用數(shù)學(xué)公式表示則為:描述紋理的統(tǒng)計特征。Haralick提出了1組14P(i，j/d，θ)={［(x，y

8、)，(x+