辅以纹理特征的高分辨率遥感影像分类.pdfVIP

第33卷第1期 测绘科学 V01．33No．1 Scienceof and 2008年1月 SurveyingMapping Jan． 辅以纹理特征的高分辨率遥感影像分类 陈启浩④，高 伟②，刘修国② (①中国地质大学研究生院，武汉430074；②中国地质大学信息工程学院，武汉430074) 【摘要】为了提高对高分辨率影像的分类精度，通过灰度差矢量法快速提取纹理特征，利用BP神 经网络并辅以纹理特征，对一幅江西某地0．2m分辨率的航空影像进行分类。结果显示，对比度纹理 特征能较好地反映该影像的纹理信息；对光谱特征不典型、纹理特征明显的人工树林，分类精度可达 到90％以上；增加纹理特征后，影像分类的总精度也由55％提高到94％。表明这种结合纹理特征和 BP神经网络的分类方法，能提高对高分辨率影像分类的精度。 【关键词】遥感影像分类；高分辨率；纹理分析；灰度差矢量；BP神经网络 【中图分类号】TP75 【文献标识码】A 【文章编号】1009-2307(2008)01-0088-03 DOI：10．377 1／j．issn．1009-2307，2008．01．027 度共生矩阵法是对目标影像区域内所有像元进行统计 1 引言 以描述其灰度空间分布的一种方法-。其定义为：在 区域内任意取一点(髫，Y)及偏离它的另一点(菇+o，Y 随着IKONOS、QuickBird及航片等高分辨率遥感 影像的逐渐普及，对含有丰富空间纹理信息的该类影 +6)，设该点对的灰度值为(ft，尼)。让点(髫，Y)在 像，仅仅使用光谱信息已经不能满足遥感应用的需 该区域上移动，则会得到各种(．n，卢)值，如图1 要，而作为遥感影像蓬要信息之一的纹理信息的提取 所示。设区域内灰度值级数为Ⅳ，则．n与．尼的组合 和利用，在遥感影像分类中呈现出了举足轻重的作 共有N×N种。对于整个区域，统计每种(∥，尼)值 用。如果结合纹理信息进行分类，那么分类的精度可 出现的次数，然后排列成一个方阵，再用(jq，以) 以得到提高…。BP神经网络分类法是通过对训练样 出现的总次数将它们归一化为出现的概率P(．，l，卢)， LevelCo—occurrence 本的学习形成分类器，分类精度要优于最大似然 则称该方阵为灰度共生矩阵(Grey 法旧1。因此，本文讨论通过灰度差矢量法快速提取纹 Matrix，GLCM)。 理特征，用BP神经网络分类得到初步分类结果，再 基于二维的灰度共生矩阵的纹理特征提取算法的 利用纹理信息进行再分类，以提高分类的精度。 运算量很大，而高分辨率影像的数据量又较大，为了 解决这些问题，考虑将二维灰度共生矩阵简化为统计 2纹理特征的提取 灰度值差的绝对值I．月以I出现的概率V(k)。这样， Level 二维共生矩阵压缩为一维的灰度级差向量(Grey 一般来说，提取纹理特征的方法可分为四类㈨。① Difference Vector，GLDV)扣1。由于它是一维的，因此 统计