面向城市地物分类的 SAR 图像纹理特征提取与分析

合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

辅以纹理特征的SAR图像分类研究

随着微波遥感的发展 ,SAR图像的应用越来越受到人们的重视。因为它不仅具有全天时 ,全天候的特性 ,而且它还能提供不同于红外和可见光传感器的不同的信息。但是 ,由于 SAR图像的成像特点 ,它的图像也表现出散斑多 ,波段少等缺点 [1 ]。在分析几种纹理统计分析方法的基础上 ,针对 SAR图像的特点 ,试图通过不同纹理分析方法达到提高 SAR图像解译精度的目的。试验表明 ,纹理分析对于提高 SAR图像解译精度是一种有效且重要的方法     

基于灰度共生矩阵提取纹理特征图像的研究

在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。     

利用GLCM纹理分析的高分辨率SAR图像建筑区检测

根据高分辨率SAR图像上建筑区的影像特征, 提出了基于灰度共生矩阵(gray-level cooccurrence Matrix, GLCM)纹理分析的建筑区提取方法, 该方法由初步定位和边界调整2个步骤组成, 均遵循特征计算、基于Bhattacharyya距离的特征选择和KNN分类流程, 所不同的是2个步骤中分别采用了逐块和逐点计算纹理特征的方式以兼顾纹理分析的效率和准确性。文中对不同SAR传感器获取的图像进行了实验。实验结果表明, 选用具有最大Bhattacharyya距离值的3或4个特征可以获得较好的初步定位结果, 建筑区的检测率超过80%, 虚警率低于10%;随着边界调整的进行, 检测到的建筑区边界逐渐接近于真实边界。实验结果验证了该算法的有效性。     

基于空间特征与纹理信息的高光谱图像半监督分类

传统高光谱图像分类方法主要使用图像的光谱特征信息,没有充分利用高光谱图像的空间特性及样本的其他信息。本文提出了一种基于空间特征与纹理信息的高光谱图像半监督分类方法。首先,将高光谱图像每一像素的光谱特征与其邻域范围内的光谱特征进行结合,得到了这一像素的空-谱特征;然后用灰度共生矩阵提取了高光谱图像的纹理特征,并与空-谱特征进行了融合;最后,用基于图的半监督分类算法进行了分类。通过在Indian Pines数据集和PaviaU数据集上进行试验,结果表明本文提出的方法能取得较高的分类结果。     

合理尺度纹理分析遥感影像分类方法研究

纹理分析是提高遥感影像分类精度的重要手段之一。纹理特征与地物类别尺度密切相关,应用纹理特征进行遥感影像分类, 关键在于纹理尺度的确定。对于灰度共生矩阵纹理分析来说,就是选择大小合适的纹理窗口。根据样本半变异值在较小范围内有较 大变化的特性,研究遥感影像相邻像素之间的空间关系,将半变异值开始趋于恒值时所对应的步长作为纹理分析的窗口大小,并在 纹理特征提取过程中针对每一个像素,在最大似然分类结果的约束下,适时改变其窗口大小,提取纹理特征,提出一种合理尺度纹 理分析的遥感影像分类方法。最后,选择北京市昌平区2006年SPOT 5遥感影像,利用TitanImage二次开发环境实现了该方法。实践 证明,该方法能有效提高遥感影像的分类精度。     

纹理特征辅助遥感影像分类技术的探讨

随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文研究了利用灰度共生矩阵提取纹理特征的方法并对利用纹理特征影像辅助光谱特征分类的方法进行了研究.实验结果表明,纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度.     

基于小波分解的星载SAR图像纹理信息提取

论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，借助Daubechies3正交小波，对图像进行小波分解，将小波变换各个频带输出的l1范数作为纹理特征值。选取徐州市区局部的Radarsat卫星SAR图像，提取出纹理图像，实验证明，该纹理提取方法能有效地提取出面目标的纹理信息。     

结合LBP变换的GF影像纹理特征提取

为了更好地提取高分辨率影像的纹理特征,该文以GF-1影像为实验对象,引入局部二进制模式(LBP)算子增强图像纹理信息,并且结合灰度共生矩阵计算图像纹理特征。实验通过使用3个不同的半径参数的LBP变换对GF-1影像的全色波段做计算,然后分别将此计算结果加入影像分类过程中。3种分类均采用相同尺度的面向对象分类方法、相同的训练样本和测试方法。最终结果显示,半径参数为3个像元的LBP变换提高分类精度幅度最大,参数为1个像元的没有提高分类精度,参数为2个像元的分类精度居中。实验表明,使用LBP变换能够很好地提取纹理信息、帮助分类,但需要找到合适的半径参数。     

一种基于改进的2D-Gabor纹理图像分类方法

针对多纹理图像分类的问题,本文提出了一种操作性强,通用性高的分类方法。借助人类视觉特性和纹理图像的尺寸,设计了一种快速简单的Gabor滤波参数设置方法。在多通道的滤波特征图像中应用顺序向前搜索策略选择特征,以J-M距离(Jeffreys-Matusitas distance)为判别因子进行特征空间的优化,最后通过SVM方法实现图像分类。实验表明,该方法有良好的纹理图像分类效果。较之传统的Gabor滤波图像分类方法,该方法具有参数设置简单,操作性强的特点。     

基于纹理和光谱信息的高分辨率遥感影像分类

提出了一种基于纹理和光谱信息的高分辨率遥感影像分类方法,阐述了其基本原理,并通过试验的对比和分析,证明了利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特征进行分类效果更好。     

基于MATLAB的遥感影像纹理特征分析

随着遥感技术的飞速发展,遥感影像计算机分析也随之成为遥感技术应用的一个重要组成部分.传统的遥感影像分析方法大都是基于影像光谱特征的计算机自动分类,忽略了影像的空间结构信息,精度不高.研究了利用灰度共生矩阵提取遥感影像的纹理特征,实现了MATLAB下采用监督分类方法应用最短距离分类器及滤波完成了全色遥感影像的分类分析.     

利用基于小波的尺度共生矩阵进行纹理分析

提出了一个在尺度空间提取特征的新方法，它的特点是提取尺度之间的依存关系，而非尺度间的独立特征，和传统方法相比，它更全面、更准确地刻画了纹理的尺度特性。具体做法是，首先构造一个反映尺度依存关系的矩阵（本文称之为尺度共生矩阵），然后在此基础上进行特征提取分类。实验结果表明：用基于尺度共生矩阵的分类方法可以得到较好的分类结果。     

基于LOG算子和灰度共生矩阵的影像纹理特征提取

随着传感器技术的发展,所获得影像的信息更为丰富,其结构、形状和纹理特征表达得更为清晰。作为影像的一个重要特征,纹理特征的提取对影像的自动化解译有着至关重要的作用。目前纹理特征提取的方法主要有分数维法、马尔科夫模型法、Gabor滤波法和灰度共生矩阵。本文选择目前常用的灰度共生矩阵提取影像的纹理特征,并结合LOG算子,研究基于LOG算子和灰度共生矩阵的窗口自适应算法,克服了灰度共生矩阵提取纹理特征时计算量大,以及固定窗口带来的影像细节保持和噪声消除的矛盾;并通过相关的试验分析,检验其应用于纹理特征提取的实用性和可靠性,为后续的影像分割提供保障。     

SPOT5影像纹理特征提取与土地利用信息识别方法

本文以太湖流域西苕溪上游安吉地区SPOT5影像600像元×600像元为试验区,首先采用主成分分析对SPOT5影像进行数据压缩和几何信息增强,再采用小波分析方法对影像进行滤波和噪音处理,利用灰度共生矩阵对高分辨率图像的纹理信息进行分析,以对比度和熵为统计指标,确定对比度和熵的最佳阈值,进行边界匹配和图像的分割,将此分割结果与NDVI阈值法分类结果进行叠合,得到最终的分类结果。试验结果表明:将纹理分析方法应用于图像分类中可区分光谱混淆的地物,光谱与纹理特征结合得到的分类精度高于单纯依靠光谱特征进行分类和单纯依靠纹理分类的分类精度。     

基于纹理特征的SAR影像各拉丹冬冰川信息提取

冰川面积是监测冰川变化信息的重要参数。本文以各拉丹东地区为例,根据冰川区域特有的纹理特征,选取时间间隔为35天的ENVISAT ASAR干涉对,利用灰度共生矩阵提取纹理特征,通过波段组合进行监督分类,进而提取研究区冰川面积。同时以Landsat TM光学影像为依据,评价利用纹理特征提取结果的精度。研究表明:基于纹理特征并利用SAR影像提取冰川面积的方法是可行的,为提取冰川信息提供了又一可靠手段。     

波浪波长和方向提取的图像纹理分析技术

传统的波浪波长和方向分析技术是谱分析。本文从海洋波浪图像直接作图像纹理分析,在图像的每一个处理窗口,以海浪图像灰度极值点大小、个数的分布和灰度共生矩阵为基础,构造了借以区分不同海浪波长和方向的纹理测度,实现提取海浪波长和方向信息。     

一种采用Gabor小波的纹理特征提取方法

提出了一种利用高分辨率航空影像自动识别与重建斑马线的方法。文中利用基于灰度共生矩阵（cray level co-occurrence matrix,GLCM）和二维Gabor滤波器特征的JointBoost分类器来提取斑马线,并依据斑马线在空间几何上的重复性规则对斑马线建立参数模型。最后结合一些具有代表性的实验数据（如阴影、遮挡和模糊等）来验证本文所提出的方法在斑马线的识别与重建中的有效性。     

空间灰度相关在影像纹理分类中的应用及分析

介绍了空间灰度相关法的１１个纹理特征。试验表明，仅３个是描述性强的纹理特征。通过用ｔ检验法来分类纹理，发现该方法具有良好的“去伪”特性，可辅助其它纹理分类。