fBm纹理分析模型及其在岩性识别中的应用

遥感影像的模式识别，始终是遥感应用领域中的重要基础课题。在自视解译中，岩性的判读，不仅仅根据其影像色调，更主要的依据是其纹理结构的特征等。传统的纹理分析方法大多是基于统计学特征，在空间域或频率域里进行。１９６８年，Ｍａｎｄｅｌｂｒｏｔ首次提出分数布朗运动这个概念，并在后来的分形学理论中指出：自然界中的许多事件或过程可用分数布郎运动（ｆＢｍ）模型来描述。基于这一理论，本文建立了一套用ｆＢｍ模型分析影像纹理的方法，并在所选实验区（贵阳幅ＭＳＳ影像第六波段的右下角部分）内分别用等混合距离法和最大似然法进行了岩性纹理分类，取得了比较满意的结果，影像中碳酸盐岩、碎屑粘土岩及二者的互层岩等三种主委影像岩石类型基本被识别开来。但ｆＢｍ模型是个长相关模型，它对于纹理的低频特性反应比较灵敏，而对纹理的高频频率特征却不能很好地提取。因而，它比较适合于在地形起伏平缓，岩石地貌类型发育较好，影像纹理均一的地区进行岩石类型分类。     

辅以纹理特征的遥感影像神经网络分类

将由变差函数提取出的纹理信息与光谱信息相结合,运用神经网络方法进行分类和地物识别,并与最大似然法的分类结果进行对比分析,结果表明该方法明显提高了遥感影像的分类精度.     

基于变差函数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要。基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法。文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段。     

三种纹理分类方法在航片纹理分类中的试验与分析

采用三种比较典型各具特色的纹理分类方法，对航片影像纹理分类进行了试验。通过对结果的分析得到一些结论，这些结论对于选用和搭配影像纹理分类方法有一定的指导作用。     

基于变差雨数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要.基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法.文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段.     

分形几何在影像纹理分类中的应用

本文基于分形几何中的分维值对影像纹理进行分类。系统地介绍了以影像分维值为依据，采用多分辨率分维值，以及本文提出的利用已有空隙概念的拟合回当法，对影像纹理进行分类的全过程。试验表明该方法对标准纹理和航空影像纹理的分类都能取得较好的效果。     

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     

加入改进LBP纹理的高分辨率遥感图像分类

高分辨率遥感图像纹理信息丰富,将其与光谱信息相结合进行地物分类可提高地物的精度。将改进的局部二值模式(LBP)纹理应用到高分辨率图像的土地覆盖分类中,并与只利用光谱信息和加入传统LBP纹理信息的分类结果相比较。结果表明:改进的LBP具有很好的抗噪性能,并能更有效地表达图像的纹理信息,加入这种纹理信息的图像分类精度明显高于纯光谱分类和加入传统LBP纹理信息的分类。     

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理,提出与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对４种纹理取样的实验,表明这种影像纹理分类方法可以提高分类的正确率。     

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。     

基于神经网络的遥感影像分类研究

由于传统遥感影像分类方法存在不足，故采用BP神经元网络进行遥感影像分类研究。阐述了算法原理、实现步骤以及改进方法。通过实验示例，将BP神经元网络的分类结果与传统统计方法分类结果进行比较，获得了有意义的结果。     

小波变换在遥感图像纹理高频增强显示中应用

分析了经过小波变换后得到不同分辨率、多方向性的遥感图像纹理特征,提出了多层小波高频增强遥感图像纹理的算法,实现了纹理信息增强的图像.     

加入不变矩的高分辨率遥感图像分类

不变矩是表达图像几何形状信息的参数,具有几何变换的稳定性,在图像识别领域已经得到广泛应用。本文将3种常用的不变矩,即胡氏矩、Zern ike矩和小波矩,运用到高分辨率遥感图像分类中,并与只利用光谱信息的图像分类结果进行对比。结果表明,在高分辨率图像分类中加入不变矩图像可以显著提高分类精度,尤其是对那些具有相似光谱特征但同时具有不同形状和结构特征的地物分类更加有效。     

数字水印技术在遥感影像中的应用

为了保护数字影像、音频和视频资料不被非授权者使用,数字水印技术在多媒体领域受到了密切关注.本文介绍了数字水印技术的发展现状,探讨了空域和频域水印技术在遥感影像版权保护及处理后的确认等方面的应用前景.     

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。     

自组织神经网络在遥感影像分类中的应用研究

竞争学习网络与Kohonen神经网络相比,由于不考虑邻域神经元,其网络结构相对简单。采用这种简化的网络结构,并对其学习算法进行改进,用最大、最小距离法设置的初始聚类中心来代替随机初始中心。实验结果表明,用改进的竞争学习网络对遥感影像进行非监督分类,在分类精度和效率上都有较大的提高。     

小波域遥感图像不变纹理分类

分析了有限脊小波变换可以实现图像的旋转不变性和平移不变性,提出了结合两种小波变换提取图像纹理特征的方法,实现了在小波域中进行图像的不变纹理分类.     

遥感图像的神经网络分类法

神经网络的研究已有近35a的历史,各种模型相继出现,应用领域越来越广,近年来,神经网络的研究在国内外遥感界也越来越受到重视。笔者结合国家“八五”攻关项目“太湖地区水稻遥感估产”的要求,运用半线性前馈神经网络对TM图像进行分类作了研究,并以无锡县的华庄、羊尖两个乡作为试验区,用1991年7月23日的TM资料提取了两个乡的水稻种植面积,并与采用传统的Bayes分类法作的分类结果进行了比较,取得了满意的效果。     

高分辨率遥感影像在城市三维景观建立中的应用

 高分辨率遥感影像具有高空间分辨率、高清晰度、信息量丰富及数据时效性强等优点，是建立城市三维景观的良好数据源。本文对高分辨率遥感影像在城市三维景观建立中的相关技术与方法进行了初步探讨，对其应用的优势及存在问题进行了简单分析。研究表明，基于高分辨率遥感影像能够快速、便捷、经济地建立高时效性的城市三维景观。