基于信息融合的遥感分类与回归分析研究.pdfVIP

No．2 第34卷第2期 燕山大学学报 V01．34 2010年3月 JournalofYanshan Mar． 20lO University 文章编号：1007·791X(2010)02-0138-05 基于信息融合的遥感分类与回归分析研究 白文路1，赵巍1’’，崔淑梅2唐降龙1 (1．哈尔滨工业大学计算机科学与技术学院，黑龙江哈尔滨150001；2．哈尔滨工业大学电气工程及自动化 学院，黑龙江哈尔滨150001) 摘 要：本文提出了组合纹理和光谱信息的遥感图像解译技术，将其运用于陆地水体的二元分类，目的是通过 组合两种分析方法的优点，得到更好的解译结果。利用灰度共生矩阵来进行纹理分析，同时，红光和红外光谱 分析的使用能够改善陆地和水体的分类边界。纹理分析和光谱特征的融合改进了两类标记的精确度。在此基础 上，本文针对多光谱数据的特点提出了灰度级差联合概率矩阵(GLDAP)，利用提取的特征对多光谱高度数据进 行了回归分析。 关键词：多光谱遥感图像；纹理特征；光谱特征 中图分类号：TP753文献标识码：A 0引言 二维空间地物平面上的一种分布模式。 本文第2部分针对陆地和水体两种类型，使用 在遥感成像领域中，多种地物覆盖类型的分类 灰度共生矩阵(GLCM)提取的纹理特征和红光与 如土壤、树木、草地、裸岩、河流或海洋等，是一 红外波段的光谱信息进行分类分析。然后将两种类 项相当重要的研究。遥感图像中不同的地物类型对 型标记的结果进行组合，得到最终的分类结果。第 不同波段的电磁波反射不同，这就成为了能够区分 3部分对多光谱图像的纹理进行了研究，并提出了 不同的地物类型的基础。传统的遥感分类大都使用 灰度级差联合概率矩阵对遥感图像的高度数据进 光谱特征，如将空间变化(如纹理等)与光谱亮度 行回归分析。 (如色调等)进行组合，将能够极大的克服遥感图 像的误分类问题…。 1纹理特征与光谱特征的组合分类 对于遥感图像，纹理是数字化图像光谱亮度或 深水区域和洁净的水体呈现蓝色或者蓝绿色， 者数字值(DigitalNumber,DN)空间变化的一种 对蓝色和绿色波段的反射率大约是4％-5％，相比 度量伫1。Haralick给出了以下的定义“图像的纹理 较而言对红光的反射率则降到了2％V3％。而近红 是通过基元的数目和类型及其空间的组织和布局 外和短波红外的入射能量几乎完全被吸收了。另一 来进行描述的。基元的空间的组织可以是随机的， 方面，红光和红外波段在植被、土壤和裸露的岩石 可以是一对相关的相邻基元，或者每次一个基元的