基于空间变差函数的遥感影像纹理分类研究的开题报告 .pdfVIP

基于空间变差函数的遥感影像纹理分类研究的开题

报告

开题报告

一、课题背景

随着遥感技术的发展，卫星遥感影像已成为获取大面积、连续性的

地物信息的一种重要手段。影像纹理是指影像中不同区域灰度、色调、

颜色等视觉特征的变化。通过对遥感影像纹理进行分类，可以快速、准

确地提取地物信息，对于土地利用、城市规划等领域具有重要意义。

传统的遥感影像纹理分类方法主要包括基于像元的、基于对象的和

基于神经网络的方法。然而，这些方法都有一定的局限性，如基于像元

的方法容易受到噪声的干扰，基于对象的方法需要先进行分割操作，而

分割结果对分类结果有很大影响，基于神经网络的方法需要大量的样本

来训练网络。因此，研究基于空间变差函数的遥感影像纹理分类方法变

得尤为重要。

基于空间变差函数的分类方法利用了纹理特征之间的空间相互关系，

建立空间变差函数模型，利用该模型表示影像纹理的空间变化情况。其

分类精度具有很高的鲁棒性和稳健性。

二、研究内容

本研究的主要内容包括以下方面：

1.研究遥感影像纹理的特征提取方法，包括局部二值模式（LBP）、

灰度共生矩阵（GLCM）、方向梯度直方图（HOG）等常用方法，并根据

特征的可重复性、计算速度、分类精度等指标，选择最优的方法作为特

征提取的基础。

2.建立空间变差函数模型，利用该模型描述影像纹理的空间变化情

况。该模型可以有效地提取影像纹理的空间关系信息，对于特征之间的

空间相互关系作出合理的描述，从而提高分类精度。

3.研究基于空间变差函数的遥感影像纹理分类方法。将空间变差函

数与特征向量进行融合，通过支持向量机（SVM）等机器学习算法进行分

类，提高分类精度。

4.实验验证。采用遥感影像数据集进行实验验证，对比本研究方法

和传统方法的分类精度，验证本方法的有效性。

三、研究意义

本研究的意义在于：

1.提高遥感影像纹理分类精度，提高遥感数据的利用效率。

2.探索了一种新的分类方法，可以为其他领域的分类问题提供参考。

3.为遥感影像和纹理研究提供了新的思路和方法。

四、研究计划

具体的研究计划如下：

第一年：

1.搜集有关遥感影像纹理分类的研究文献，并对其中的方法进行分

析和比较。

2.学习空间变差函数模型的理论知识，并分析其在遥感影像纹理分

类中的应用。

3.研究遥感影像纹理的特征提取方法，选择最优的方法作为特征提

取的基础。

第二年：

1.建立空间变差函数模型，并将其与特征向量进行融合。

2.研究基于SVM的遥感影像纹理分类方法。

第三年：

1.进行实验验证，比较本研究方法与其他方法的分类精度。

2.总结并撰写论文。

五、预期成果

本研究的预期成果为一篇学术论文，以及基于空间变差函数的遥感

影像纹理分类方法的实现程序。

六、参考文献

[1]Li,B.,Li,P.,Sun,H.,Wang,J.,Ren,T.(2014).Texture

imageclassificationusingspatialvariabilityfunction.TheJournalof

Supercomputing,68(1),144-159.

[2]Zhou,X.,Xie,Z.,Xie,H.,Sun,Y.(2019).RemoteSensing

ImageClassificationBasedonImprovedSpatialVarianceFunctionand

Multi-FeaturesFusion.IEEEAccess,7,2327-2341.

[3]Ojala,T.,Pietikäinen,M.,Harwood,D.(1996).Acomparative

studyoftexturemeasureswithclassificationbasedonfeatured

distributions.Patternrecognition,29(1),51-59.

[4]Zhu,X.X.,Tuia,D.,Mou,