纹理信息在遥感影像分类中的应用

论文摘要

随着对高分辨率卫星的应用与探索,遥感影像中纹理信息也越来越丰富。高分辨率的遥感影像已经在土地利用与调查、测绘、城市规划、航空、国防军事等众多领域发挥着重要的作用。然而,对于遥感图像光谱模式识别技术来说,空间分辨率的提高所带来的并不是分类精度的提高,而是分类精度的降低。这是因为随着空间分辨率的提高,地物的内部结构越来越清晰,这在遥感图像中表现为地物的纹理结构越来越明显,从而导致同一种地物并不是由同一种光谱信息所表示的,而是有多种光谱信息表示的。仅依靠影像中地物的光谱信息进行分类显然会出现更多的误分和错分。因此,传统的基于像素光谱信息分类的方法对这些高分辨率的遥感影像分类时就会显得力不从心,所得到的精确度远远达不到生产的要求。与此同时,随着空间分辨率的提高,目视判读精度则越来越高,这是因为人们可以通过地物的内部空间结构即地物的内部纹理信息来准确地判别出地物的属性,因为同一种地物的内部空间结构具有相似性,而不同种地物之间则具有明显的差异性。高分辨率影像中纹理和空间结构信息所占的比重很大,信息量丰富。因此,我们可以从不同地物所表现出的纹理不同入手,结合其他光谱信息和结构知识来解决遥感图像计算机分类精度低的这一技术难题。目前,面向对象的分类方法能充分利用影像中纹理和空间结构信息的作用,并结合光谱信息,进行有效的分类,是当前提高遥感图像分类精度的最有效技术途经之一。本文首先对遥感影像分类研究现状和趋势、课题研究目的和理论意义以及论文内容与组织结构进行了阐述。其次,对纹理进行描述,介绍了常用的纹理分析方法,其中深入探讨了灰度共生矩阵法这一纹理分析方法,分析了如何利用灰度共生矩阵法提取各种典型地物的纹理信息。然后,对影像数据进行了几何校正与配准、纹理增强、灰度级压缩等预处理工作,采用灰度共生矩阵法提取影像中各地物的纹理信息。最后,详细论述了以遥感影像分析为目标的多尺度影像分割技术以及模糊数学分类技术。利用面向对象分类方法将计算出的纹理图像应用于计算机自动分类。分类结果表明关键信息结合适当的方法,可以有效地将研究区内的不同地物区分开来。总体分类精度达86%,与传统的基于像素的分类方法相比效果大大提高。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 选题来源
• 1.2 遥感影像分类研究现状和趋势
• 1.2.1 影像纹理分析研究现状和趋势
• 1.2.2 面向对象的信息提取方法研究现状
• 1.3 课题研究目的和意义
• 1.3.1 研究目的
• 1.3.2 纹理信息提取意义
• 1.3.3 面向对象影像分类的意义
• 1.4 论文组织结构与技术路线
• 1.4.1 论文组织结构
• 1.4.2 技术路线
• 1.5 论文的重点、难点和创新点
• 1.5.1 论文重点、难点
• 1.5.2 论文创新点
• 2 纹理的描述和分析方法
• 2.1 纹理的描述
• 2.2 纹理分析方法
• 2.2.1 统计分析方法
• 2.2.2 结构分析方法
• 2.2.3 模型分析方法
• 2.2.4 其它纹理分析方法
• 3 遥感影像预处理
• 3.1 遥感图像与涵盖地理空间
• 3.2 几何精校正与配准
• 3.2.1 高分辨率卫星影像的成像变形因素
• 3.2.2 高分辨率卫星影像几何纠正处理
• 3.2.3 遥感影像的配准
• 3.3 纹理增强
• 3.4 灰度级压缩
• 4 灰度共生矩阵纹理分析法
• 4.1 灰度共生矩阵的统计学原理
• 4.2 灰度共生矩阵纹理测度
• 4.3 灰度共生矩阵的纹理计算
• 4.3.1 窗口确定
• 4.3.2 特征值选取
• 4.3.3 灰度共生矩阵及特征值的计算
• 5 基于纹理信息的遥感影像分类
• 5.1 传统遥感影像分类方法
• 5.1.1 非监督分类方法
• 5.1.2 监督分类方法
• 5.2 传统的监督分类试验
• 5.2.1 地类分类系统
• 5.2.2 选择样本
• 5.2.3 传统监督分类
• 5.3 基于纹理信息面向对象影像分类试验
• 5.3.1 多尺度分割技术
• 5.3.2 多尺度分割试验
• 5.3.3 基于知识的模糊分类方法
• 5.3.4 面向对象的影像分类试验
• 5.4 精度评价
• 5.4.1 精度分析
• 5.4.2 城区评价
• 5.4.3 农业评价
• 6 结论与展望
• 6.1 结论
• 6.2 不足及展望
• 6.2.1 不足
• 6.2.2 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢