基于纹理特征的高分辨率遥感影像分类方法

《基于纹理特征的高分辨率遥感影像分类方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第33卷第1期桂林理工大学学报Vol.33No.12013年2月JournalofGuilinUniversityofTechnologyFeb.2013文章编号:1674－9057(2013)01－0080－06doi:10.3969/j．issn.1674－9057.2013.01.015基于纹理特征的高分辨率遥感影像分类方法a，baaaa韦春桃，王宁，张利恒，原凯敏，邹瑄(桂林理工大学a.测绘地理信息学院;b.广西空间信息与测绘重点实验室，广西桂林541004)摘要:

2、灰度共生矩阵能较好反映影像灰度统计规律，小波变换能较好反映影像的多尺度特性，利用两者结合进行了纹理特征提取。将灰度共生矩阵和小波变换提取纹理特征作为分类特征向量，建立基于支持向量机分类模型对高分辨率遥感影像进行分类;在支持向量机参数优化问题上，利用遗传算法进行参数寻优，有效的避免多学习和欠学习状态的发生。分类实验结果表明了本方法的有效性。关键词:纹理特征;遥感影像分类;灰度共生矩阵;小波变换;支持向量机;遗传算法中图分类号:TP751文献标志码:A时未加入像元灰度空间分布和结构特征以及分类0引言时样本不足的情况，采用结合纹理的支持向量机随着高分辨率遥感的不断发展，

3、人们可以从分类方法，取得了较好的效果。遥感影像中获得更多有用的数据和信息，遥感影支持向量机(supportvectormachine，SVM)像分类又是获取信息的重要手段，然而基于光谱是统计理论学习方法，已经在小样本、非线性和特征分类时影像存在异物同谱和同物异谱的现象，高维模式识别问题中表现出独特的优势。基于在一定程度上影响了影像分类精度。而纹理特征SVM在收敛性、训练速度以及分类精度上具有较作为遥感影像中非常重要的特征，反映了遥感影高的性能，本文采用灰度共生矩阵和小波变换提像的灰度性质和空间结构关系，相对于光谱特征，取纹理特征，利用提取的纹理特征作为特征向量，纹

4、理特征受传感器、大气和地表环境的影响相对建立支持向量机分类模型对高分辨率遥感影像进较小，研究表明利用纹理特征进行遥感影像分类行了分类，并对其分类结果进行了分析和评价。［1］［2］能够提高分类精度。陈启浩等通过灰度差矢1纹理特征的提取量法快速提取纹理特征，利用神经网络并辅以纹理特征对遥感影像进行分类，在增加纹理特征后，影像的纹理分析方法可分为4类:统计分析［6］影像分类的总精度从55%提高到94%;杨玉静法、结构分析法、模型分析法和信号处理方法。［3］等利用灰度共生矩阵提取纹理特征并利用纹理基于统计分析方法的灰度共生矩阵反映了不同灰特征影像辅助光谱特征的方法，也提高

5、了分类的度像元的空间结构信息;而基于信号处理分析方法［4］精度;孙建国等在只做阴影补偿不做地形校正的小波变换可以对影像进行多尺度分析，增加影像的情况下，使用光谱和纹理特征相结合的方法对的细节特征。由于灰度共生矩阵能较好反映影像灰山区高分辨率遥感影像分类，取得了很好的效果;度统计规律，而小波分析方法能较好反映影像的多［5］陈波等针对传统模式识别分类精度不高、分类尺度特性，本文利用两者一起进行纹理特征提取。收稿日期:2012－05－10基金项目:国家自然科学基金项目(41161073);广西青年科学基金项目(2012GXNSFBA053131);广西空间信息与测绘重点

6、实验室研究基金项目(桂科能1103108－17;1207115－03);广西自然科学基金创新研究团队项目(2012GXNSFGA060001)作者简介:韦春桃(1968—)，博士，教授，研究方向:数字摄影测量与遥感，wct2005@glut.edu.cn。引文格式:韦春桃，王宁，张利恒，等．基于纹理特征的高分辨率遥感影像分类方法［J］．桂林理工大学学报，2013，33(1):80－85．第1期韦春桃等:基于纹理特征的高分辨率遥感影像分类方法811.1灰度共生矩阵提取纹理特征θ为共生矩阵的生成方向，通常θ方向为0°、45°、灰度共生矩阵(graylevelco-oc

7、currencema-90°、135°等4个方向。trix，GLCM)通过对影像灰度级之间联合条件概1.1.1纹理测度的选择灰度共生矩阵提供了像率密度P(i，j/d，θ)的计算表示纹理。P(i，j/d，θ)元灰度值在一定方向和距离上的相关性，为了区分表示在给定空间距离d和方向θ时，灰度i为始点，不同地物的纹理特征还需要在灰度共生矩阵的基出现灰度级为j的概率。P(i，j/d，θ)常用矩阵形式础上对纹理信息进行特征统计，从而提取可以定量［7］表示，称为灰度共生矩阵。用数学公式表示则为:描述纹理的统计特征。Haralick提出了1组14P(i，j/d，θ)={［(x，y

8、)，(x+