【摘要】：以高空間分辨率遙感影像為研究對(duì)象,將紋理特征與影像的光譜特征結(jié)合起來(lái),用于地表覆蓋類型分類。設(shè)計(jì)了一種基于傅里葉譜紋理的分類策略,對(duì)主成分分析后的第1、2主分量特征影像,利用徑向譜(r-spectrum)提取紋理特征,并將紋理與光譜特征結(jié)合起來(lái),構(gòu)建了不同的分類特征用于支持向量機(jī)分類模型。以Salinas數(shù)據(jù)集和QuickBird影像為例,驗(yàn)證該算法。結(jié)果表明,紋理與光譜信息的結(jié)合可以明顯提高高分辨率遙感影像的分類精度;由傅里葉徑向譜提取的紋理特征可以很好的應(yīng)用到高分辨率遙感影像的分類問(wèn)題中,分類精度高于基于傅里葉總能量譜和灰度共生矩陣的分類精度;利用該算法對(duì)PCA變換后的第1和第2分量提取的紋理特征具有一定的互補(bǔ)性,并且結(jié)合多特征圖像的紋理特征提取優(yōu)于單特征圖像的紋理特征提取。
[Abstract]:The high spatial resolution remote sensing image is taken as the research object. The texture feature is combined with the spectral feature of the image to classify the land cover type. In this paper, a classification strategy based on Fourier spectrum texture is designed. For the first principal component feature image after principal component analysis, radial spectrum (r-spectrum) is used to extract texture feature, and the texture is combined with spectral feature. Different classification features are constructed to support vector machine classification model. Taking Salinas dataset and QuickBird image as examples, the algorithm is verified. The results show that the combination of texture and spectral information can obviously improve the classification accuracy of high-resolution remote sensing images, and the texture features extracted from Fourier radial spectrum can be applied to the classification of high-resolution remote sensing images. The classification accuracy is higher than that based on Fourier total energy spectrum and gray level co-occurrence matrix, and the algorithm is complementary to the texture features extracted from the first and second components of PCA transform. The texture feature extraction of multi-feature image is better than that of single feature image.
【作者單位】： 華中農(nóng)業(yè)大學(xué)園藝林學(xué)學(xué)院;武漢大學(xué)遙感信息工程學(xué)院;
【基金】：國(guó)家863計(jì)劃(2012AA12A304,2013AA102401) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)基金(2014QC018) 地理國(guó)情監(jiān)測(cè)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室開(kāi)放研究基金(2013NGC05)~~
【分類號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李玲;李文舉;;基于車(chē)徽背景紋理識(shí)別的車(chē)徽定位新方法[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

2 郭小方;趙元洪;;提取遙感圖像地學(xué)紋理信息的極值法[J];遙感信息;1991年02期

3 吳軍;3維城市建模中的建筑墻面紋理快速重建研究[J];測(cè)繪學(xué)報(bào);2005年04期

4 李笑嵐;查紅彬;;消除紋理接縫的2D-3D紋理映射[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

5 沈作奎;;快鳥(niǎo)影像紋理的地統(tǒng)計(jì)學(xué)提取[J];礦山測(cè)量;2012年06期

6 孫春生,吳軍,陳丹清;三維城市建模中的建筑墻面紋理快速獲取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年09期

7 蘭澤英;劉洋;;一種GIS空間知識(shí)分析的影像紋理尺度提取算法[J];測(cè)繪科學(xué);2013年02期

8 張錦水;潘耀忠;韓立建;蘇偉;何春陽(yáng);;光譜與紋理信息復(fù)合的土地利用/覆蓋變化動(dòng)態(tài)監(jiān)測(cè)研究[J];遙感學(xué)報(bào);2007年04期

9 馬建文,朱章森,楊武年,康慧,沈明星;遙感數(shù)字圖像處理在高山積雪覆蓋地區(qū)增強(qiáng)成礦巖石的紋理信息[J];成都理工學(xué)院學(xué)報(bào);1998年S1期

10 邢立新,孟治國(guó),M.Osei Edward;基于小波變換的遙感紋理信息提取[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2004年03期

相關(guān)會(huì)議論文 前2條

1 程盈盈;吳涓;宋愛(ài)國(guó);;噪聲對(duì)紋理的力觸覺(jué)表達(dá)真實(shí)感影響的實(shí)驗(yàn)研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

2 趙珊;孫君頂;安志勇;周利華;;一種新的基于紋理基元的圖像檢索算法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 王建華;基于GPU的顯式有限元快速計(jì)算方法及在車(chē)身設(shè)計(jì)制造中的應(yīng)用[D];湖南大學(xué);2011年

2 王春華;風(fēng)場(chǎng)中森林的建模與仿真[D];武漢理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李水平;結(jié)合紋理和幾何形狀信息的三維目標(biāo)匹配研究[D];電子科技大學(xué);2014年

2 范靖宇;基于紋理材質(zhì)的三維特效合成研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

3 鄒存陽(yáng);三維服裝裝飾造型與繪制[D];浙江大學(xué);2016年

4 孫士杰;基于相位測(cè)量輪廓術(shù)的快速獲取物體三維形貌和紋理信息研究[D];太原理工大學(xué);2016年

5 席鵬程;基于知識(shí)的活動(dòng)紋理模型在醫(yī)學(xué)圖像定位中的探討[D];南京航空航天大學(xué);2005年

6 羅迪嘉;面向復(fù)雜三維場(chǎng)景實(shí)時(shí)繪制的高效紋理壓縮技術(shù)[D];浙江大學(xué);2007年

7 吳雨;融合紋理信息的三維模型重建[D];電子科技大學(xué);2012年

8 高陽(yáng);森林蓄積量估測(cè)遙感影像比值波段和紋理信息選擇研究[D];西安科技大學(xué);2014年

9 滕秀花;基于彩色紋理信息和多維鄰域特征的色彩傳遞算法的設(shè)計(jì)與實(shí)現(xiàn)[D];福州大學(xué);2006年

10 熊艷;深度紋理信息的顯著性計(jì)算[D];天津大學(xué);2014年

，

本文編號(hào)：2267320