基于灰度共生矩阵对纹理特征的分析

利用灰度共生矩阵对遥感影像中的纹理特征进行分析,了解各特征值在不同纹理的表现。得出灰度共生矩阵对纹理特征的分析。     

基于纹理特征的高分辨率遥感图像土地利用分类研究

为了提高高分辨率遥感图像土地利用分类精度,该文以金沙江下游河谷地带SPOT 5遥感图像350×350像元作为试验区,在ERDAS IMAGINE 9.0和ENVI 4.1软件平台支持下,采用灰度共生矩阵方法提取遥感图像对比度、角二阶矩、熵、同质度等纹理指标辅助遥感图像分类,分析结果表明,相对于传统监督分类方法,基于纹理特征辅助监督分类方法总Kappa系数提高了9.15%,耕地、林地、水域、建设用地、未利用地Kappa系数分别提高了7.60%、6.17%、3.59%、15.74%和2.96%,分类结果面积准确率分别提高了3.38%、13.47%、4.65%、10.22%和1.53%,说明纹理辅助监督分类方法相对于传统监督分类方法有效提高了土地利用分类精度。     

基于SAR图像纹理的北极海冰厚度的反演研究

基于七景北极Radarsat-2 SAR图像以及中国第六次北极科学考察走航期间利用船侧录像观测获得的平整冰厚度数据,通过灰度共生矩阵计算纹理,确定了最适合反演海冰厚度的纹理参数。并分析了海冰厚度与纹理之间的相关关系,探讨了纹理反演海冰厚度的可能性。选取了最合适的纹理特征进行拟合,并利用所得经验方程进行反演验证,结果与实测数据吻合较好,平均相对误差13.7%。与传统的仅依靠后向散射系数反演海冰厚度进行对比,新方法的误差更小,证明了纹理特征反演冰厚的优势。     

基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究

以塔里木盆地北缘绿洲--渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法.传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的.近年来,将SVM应用于遥感图像分类已成为新的发展趋势.文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上.并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况.所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高.因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径.     

基于形态学及傅里叶分析对两种南极冰鱼耳石外型的研究

根据2014年3—4月以及2015年4—9月在南设得兰群岛以及南乔治亚群岛周边水域采集的裘氏鳄头冰鱼(Champsocephalus gunnari)及雪冰(Chionobathyscus dewitti)样本,对其耳石进行5种基础形态参数测量并转换为7种形态学参数,比较分析了两种冰鱼间的耳石形态学差异,再利用傅里叶分析法选取两种耳石的77个傅里叶系数进行判别。结果表明,两种冰鱼耳石长、高、周长、面积及质量均与体长呈显著的幂指数关系(P0.01)。由形态指标分析可知,裘氏鳄头冰鱼较雪冰耳石环率更低,即更趋近于圆,更为规则,且耳石厚度上略薄。两者各项形态参数间均存在显著性差异(P0.01)。对耳石77个傅里叶谐值进行主成分分析,其中前20个主成分解释总变异的82.491%,两种冰鱼的因子分布图上重叠量较少,可见区分度较好,判别分析选取了其中的6个傅里叶值建立了判别函数,总体判别率为96.15%。总体而言,可利用耳石外型对两种冰鱼进行种类判别,傅里叶分析更为直观清晰且较为准确。本研究可为南极冰鱼耳石形态学研究提供基础数据,并就其种类鉴别提供备选方法。