基于纹理特征的高分辨率遥感影像分类方法_韦春桃【荐】.pdfVIP

33 1 Vol. 33 No. 1 第 卷 第 期 桂 林 理 工 大 学 学 报 20 13 2 Journal of Guilin University of Technology Feb. 20 13 年 月  文章编号:1674 － 9057 (2013)01 － 0080 － 06 doi :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 ，b a a a a 韦春桃 ，王 宁 ，张利恒 ，原凯敏 ，邹 瑄 ( a. ;b. ， 54 1004 ) 桂林理工大学 测绘地理信息学院 广西空间信息与测绘重点实验室 广西桂林 : ， ， 摘 要 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 ， 分类方法， 。 随着高分辨率遥感的不断发展 人们可以从 取得了较好的效果 ， (support vector machine ，SVM ) 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 ， ， 、 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 。 SVM 、 在一定程度上影响了影像分类精度 而纹理特征