基于完整的LBP纹理特征的高分辨率遥感图像分类.pdfVIP

科技论坛 民营科技2015年第2期 基于完整的LBP纹理特征的高分辨率遥感图像 分类 郭 鲁 魏 颖 (沈阳工学院，辽宁 抚顺 113112) 摘 要：由于高分辨率遥感图像纹理信息和光谱信息丰富，提 出将这些信息利用完整局部二值模式(CLBP)方法进行高分辨率图 像的土地覆盖分类。结果表明：完整局部二值模式(CLBP)方法具有很好的抗噪性能，大大提高了地物分类的精度。 关键词：纹理信息；光谱信息：CLBP 高分辨率图像的大量获取为详细地表特征制图和监测提供 等预处理； 了数据基础。遥感信息提取一般通过遥感图像分类来实现。纹理 2)提取预处理后的遥感图像 的CLBP直方图特征 ，分别是 CLBP C、CLBP 特征是用于遥感图像分类的一种重要的特征信息。目前，已有灰 _ _ S和 CLBP_ M直方 图； 度共生矩阵、小波变换以及地统计学变差函数的纹理特征提取算 3)将直方图融合成CLBP_S、CLBP_M、CLBP_M／C：CLBP_M／C／ 法。局部二值模式 LBP是一种简便、功能强大的纹理分析方法 ，具 S； 有不受光照强度变化影响的特征。但 LBP不能有效完全地描述纹 4)比较测试图像直方图和训练图像直方图的相似性； 理特征以及 比较容易受到噪声的干扰。本文提出改进的完整局部 5)通过最近邻分类器进行识别分类。 二值模式 CLBP纹理分析方法将所得的纹理信息应用于高分辨率 3 仿真与分析 遥感图像的土地覆盖IlJ。实验表明，该方法得到的结果比LBP效果 为了分析CLBP算法的性能，本文以北京香山IKONOS多光 更好，鲁棒性更高。 谱图像为试验数据进行实验测试。。该数据空间分辨率为4m。图像 1 局部二值模式算法LBP 覆盖区域包括树木 、农田、村庄 、水体和大棚地等5种地物类型， 描述图像局部纹理特征的LBP算子用式 (1)表示： 其中大棚地为应用蔬菜和花卉培育的塑料大棚。 ． 首先手动截取图像 中各个地物部分，并归一化为 lOOxlO0的 LBPp s(gp-g~)2 (1) 灰度图像。在数据库中选取 2O个图像作为训练集 ，剩余的作为测 P ：0 其中：＆表示区域内中心位置处的灰度值，g表示均匀分布在 试集；实验中CLBP算子分别采用半径为 1、邻点数为6，半径为 中心为半径为R圆周上的P个点的灰度值。 2、邻点数为 16。实验结果是采用不同的训练集情况下的识别率的 由于 LBP算法中，提出一种等价模式LBP ，可以找到一种 平均值 ，如表所示。 组合确切地表示图像的局部特征，共有 2种 0和 1组合的可能 性。LBP算子被视为首尾链接的环形的二进制特征值时，至多存在 两位由0到 l或是 1到0的转换。比如01111000包 含了两个从0到 1的转换。LBP 表示一种等价模式的 LBP算 子，U：表示等价模式，如式 (2)所示 ，其中U(GP)表示 0到 1或 1 到0跳变的次数。 u(G)=IS(gp-l-g)一s(gj—g)f+：fs(g一g)～s(11一g)l (2) P = 1 一 般等价模式类通过旋转后模式种类由2类减少为P+I类， 而且变成旋转不