航空影像纹理分类的最小二乘法和问题的分析

本文介绍航空影像理分类的最小二乘法原理和算法，该方法是建立在影像纹理ＭＲＦ参数测定的基础上，七种航空影像纹理的试验表明这种分类是有效的。通过对影像纹理的分形维以及影像分辨力对纹理分类的影响分析，表明采用了多重信息可以提高分类的正确率。     

马尔柯夫随机场的参数估计与影像纹理分类

本文提出马尔柯夫随机场参数估计的算法，通过人工纹理和从航空像片上提取的自然纹理的试验表明参数估计的算法是正确的。除此之外，本文还讨论了不受图像边界形状影响的ＭＦＲ参数估计和利用ＭＲＦ参数进行纹理分类的问题。这些研究表明ＭＲＦ参数在航空像片纹理分类中具有很好的应用前景。     

MRF用于影像纹理分类中有关问题的探讨

本文针对马尔可夫随机场（ＭＲＦ）方法用于影像纹理分类中几个有关总是进行了探讨。包括（１）ＭＲＦ模型中是否应包含窗口中心点本身;（２）噪声对ＭＲＦ方法的影响。试验表明;（１）包含中心点的ＭＲＦ模型不但不满足贝叶斯决策理论,且无法正确估计出其模型参数;（２）ＭＲＦ方法具有一定的抗噪声能力。     

影像纹理的多层次分析方法

影像纹理的多层次分析方法ＡＨＩＥＲＡＲＣＨＩＣＡＬＡＮＡＬＹＳＩＳＯＦＩＭＡＧＥＴＥＸＴＵＲＥ张继贤（中国测绘科学研究院,北京,１０００３９）本文提出并发展了纹理影像的多层次纹理分析方法,实现了对纹理影像的空间约束分割与识别。纹理作为影像灰度的空间分...     

论航空影像的纹理与描述

本文在前人研究的基础上，提出以中心像元的近邻像元，而不是近邻像元的组合，作为纹理基元，纹理基元的灰度统计规律反映出影像纹理的特征，这种特征可以用马尔柯夫随机场（ＭＲＦ）来描述，其特征参数可以作为纹理分类的依据。通过实验分析，证明本文的提法是合理的。     

用遗传算法确定马尔柯夫随机场的最佳参数

对现有马尔柯夫随机场（ＭＲＦ）参数的解求方法作了详细分析。针对现有方法存在的缺点,提出基于遗传算法的ＭＲＦ参数解求方法;分析讨论了求解的稳定性;并利用解的稳定性作为纹理分类的判据,作为航空影像纹理的分灰实验。实验结果表明,求解的方法是正确的．用解的稳定性作为判据的纹理分类效果,通过对比实验证明是有效的。     

基于MRF参数的纹理识别的线性规划法

介绍了基于ＭＲＦ参数的线性规划法纹理识别的原理和单纯形算法。通过对７种从航空像片上采集的典型纹理的分类实验表明，平均正确识别率为０．９４，平均正确拒绝率为０．９２     

基于MRF参数的纹理识别的线性规划法

介绍了基于ＭＲＦ参数的线性规划法纹理识别的原理和单纯形算法，通过对７种人航空像片上采集的典型纹理的分类实验表明，平均正确识别率为０．９４，平均正确拒绝率为０．９２。     

基于MRF的航空影像理解的知识获取

讨论了基于ＭＲＦ影像理解的３种知识－－同类影像的距离最短，近邻像元个别特征参数的显性和影像的方向性在航空影像理解中如何获取和应用。通过航空影像试验，表明影像理解的正确率大大提高。     

基于MRF的航空影像理解的知识获取

讨论了基于ＭＲＦ影像理解的３种知识——同类影像的距离最短、近邻像元个别特征参数的显著性和影像的方向性在航空影像理解中如何获取和应用。通过航空影像试验，表明影像理解的正确率大大提高。     

广义马尔可夫随机场及其在多光谱纹理影像分类中的应用

在二维马尔可夫随机场模型的基础上，提出顾及波段间的空间相关性，发展了一种适用于多光谱纹理影像分类的广义马尔可夫随机场模型。鉴于广义马尔可夫随机场模型的复杂性，利用最大伪似然法建立了求解模型参数的简化方程式，实现了纹理特征的快速提取。结合提取的纹理特征影像和光谱特征影像，采用概率松弛算法实现影像的分类。实验证明，提出的基于广义马尔可夫随机场的多光谱纹理影像分类算法克服了传统的基于光谱特征的分类算法的局限性，提高了纹理影像的分类精度。     

用遗传算法确定马尔柯夫随机场的最佳参数

对现有马尔柯夫随机场 (MRF)参数的解求方法作了详细分析。针对现有方法存在的缺点 ,提出基于遗传算法的MRF参数解求方法 ;分析讨论了求解的稳定性 ;并利用解的稳定性作为纹理分类的判据 ,作了航空影像纹理的分类实验。实验结果表明 ,求解的方法是正确的。用解的稳定性作为判据的纹理分类效果 ,通过对比实验证明是有效的。     

图像纹理基元分类的马尔柯夫随机场方法

提出基于马尔柯夫随机场（MRF）的图像纹理基元分类新方法。利用MRF里中心像元特征值与邻近像元特征值之间的约束关系,反映图像纹理基元的特征以及不同的MRF参数。根据由同一类别的图像求得的MRF参数计算出的标准差最小这一性质来进行图像纹理的分类。通过不同实验方案的对比,以及与不同分类方法的比较,证实提出的图像纹理基元分类方法具有一定的优势。     

非参数吉布斯模型和多波段遥感影像纹理分割方法研究

提出了一种新型的基于概率的非参数Gibbs模型，并建立了光谱空间-二维影像空间的映射关系，通过多级光谱编码策略实现了多波段遥感影像的纹理分割。     

基于Bayesian线性规划的影像纹理识别方法

介绍了Bayesian线性规划的基本原理，利用它解决带有不确定性MRF（尔柯夫随机场）参数的影像纹理识别问题，并提出了将不确定性状态参数变成确定性参数的5种选择方法。通过使用实际航空影像的对比识别实验，给出一个合理的选择方法。本方法为解决纹理识别中带有不确定性特征参数的处理提供了新的途径。     

基于马尔柯夫随机场的多波段遥感影像纹理分割研究

利用马尔柯夫随机场（MRF），对光谱矢量在二维空间的映射模式予以描述，建立了基于马尔柯夫随机场的多波段纹理模型，提出了在多波段遥感影像中吉布斯（Gibbs）分布势函数和吉布斯参数的计算方法，并提出了一种迭代修正的多波段遥感影像纹理分割方法。     

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元,还能给出影像粗糙性、自相似程度,减少了纳伪误差。     

与旋转、尺度无关的影像纹理的MRF参数估计

本文提出纹理图像尺度、旋转参数估计的数学模型，通过航空影像纹理图像分类试验，表明所提出的数学模型是正确的。对方向性强的纹理，在进行旋转变换后，可以提高纹理分类的正确率。     

一种纹理特征融合分类算法

分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析，得到两组特征影像。将上述两组特征影像进行融合，最后利用融合后的数据实现图像的分类。实验证明，基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。