共查询到17条相似文献，搜索用时 156 毫秒
1.
《测绘与空间地理信息》2020,(8)
针对传统纹理提取窗口尺度固定,而且影像提取还会受到影像噪声、同物异谱或异物同谱等因素影响的问题,本文提出了一种融合多波段信息的自适应窗口算法。首先,利用多波段信息改进边缘检测算法,再基于边缘检测结果,选择最佳窗口尺度;其次,运用自适应窗口算法和固定尺度窗口算法分别提取影像纹理特征,并结合影像光谱特征进行支持向量机分类,对比分类结果,光谱特征结合自适应窗口纹理的分类精度优于结合固定尺度窗口纹理。表明自适应窗口算法提取纹理特征比固定尺度窗口算法更具优势,融合多波段信息的自适应窗口算法是有效的。 相似文献
2.
本文提出了一种基于GIS领域空间知识的影像纹理尺度提取方法:该方法分析了GIS领域知识辅助下人类对纹理特征的认知过程,对4个步骤的具体实现算法进行探讨;并选取海南省昌江县作为研究区域,实验证明了本方法的有效性,且与传统的枚举法相比,在性能相近的情况下其效率显著提高,更适合于大数据量遥感影像分类运算。 相似文献
3.
本文提出了一种基于GIS领域空间知识的影像纹理尺度提取方法:该方法分析了GIS领域知识辅助下人类对纹理特征的认知过程,对4个步骤的具体实现算法进行探讨;并选取海南省昌江县作为研究区域,实验证明了本方法的有效性,且与传统的枚举法相比,在性能相近的情况下其效率显著提高,更适合于大数据量遥感影像分类运算。 相似文献
4.
通过对 IKONOS 米级高分辨率遥感影像在大比例尺土地利用图件更新中的应用技术研究,提出采用基于知识的土地利用覆盖分类以及变化监测系统方法。首先利用 NDVI 植被指数和半方差纹理特征的知识进行影像大类区域分割;其次结合光谱知识对各影像区域进行详细分类,同时利用区域生长技术与地类空间知识进行区域分类;最后是分类后处理与变化信息提取,以便利用基础图件提供的知识与各区域分类进行比较来发现变化的区域。基于知识的分类与变化信息自动提取可以为在 GIS/RS 环境下的目视数字化提供目标,缩短土地利用基础图件的更新作业过程。 相似文献
5.
本文在高空间分辨率遥感影像纹理特征提取研究中引入Contourlet变换,将不同尺度、不同方向子带系数矩阵的均值、方差和能量作为纹理特征,并为分类能力强的特征量赋予较大的权值,体现相应子带分类能力的差异性。以QuickBird影像为样本数据、采用五叉树分解策略的纹理检索实证研究表明,基于Contourlet变换提取高空间分辨率遥感影像纹理特征信息的效果优于Gabor小波变换。 相似文献
6.
结合灰度和基于动态窗口的纹理特征的遥感影像分类 总被引：1，自引：0，他引：1
在基于灰度共生矩阵提取遥感影像纹理特征的基础上,针对固定窗口算法的局限性,提出了动态窗口算法;并将不同滑动窗口算法提取的纹理特征与影像灰度组合进行支持向量机(SVM)分类,对分类结果进行定性和定量比较分析。实验结果表明:影像灰度结合动态窗口算法提取的纹理特征进行SVM分类的分类精度优于灰度结合固定窗口算法提取的纹理特征的分类精度。因此,提出的算法较传统的固定窗口算法更具优势,是一种有效纹理信息提取方法。 相似文献
7.
8.
基于分形和灰度共生矩阵纹理特征的种植型药用植物遥感分类 总被引：6，自引：1，他引：5
遥感技术应用已成为中国中药资源普查的一个重要探索方向。以红花(Carthams Tinctorius L.)为种植型药用植物实验样本品种,分别基于分形理论和灰度共生矩阵(GLCM)两种方法提取不同的纹理特征,结合光谱信息对资源三号卫星(ZY-3)影像进行最大似然方法的监督分类,对比分析分类效果和精度评价。结果显示:加入纹理特征后,总体分类精度提高了0.49%—5.31%,Kappa系数提高了0.01—0.07,结合基于双毯法的分形纹理较GLCM纹理分类总体效果提高至少两倍,其中在Matlab环境下,使用5×5滑动窗口提取的分形纹理特征的分类效果最显著,总体分类精度提高了5.31%,Kappa系数提高了0.07。对于红花分类精度,引入分形纹理特征的分类精度提高到了100%,识别的红花样地效果最完整,破碎程度最小,与其他类别区分度最高;而引入GLCM的分类精度却降低了0.55%—1.28%,可见采用分形理论比采用GLCM提取纹理特征能够更加有效地辅助ZY-3影像识别种植型药用植物。 相似文献
9.
根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。 相似文献
10.
为了更加准确地利用ASTER影像辅助填图，提出了一种结合小波变换、支持向量机（SVM）和投票法的ASTER影像岩性自动分类方法。首先，采用Haar小波对ASTER影像进行多尺度小波分解，统计小波系数的均值作为纹理特征，同时提取灰度共生矩阵（GLCM）方差、同质性、均值纹理特征；然后，利用小波纹理、GLCM纹理及光谱特征构造SVM分类的特征向量，并进行10次重复分类；最后利用投票法确定岩性单元。对结果进行统计评估，结合多种纹理，并利用投票法得到的岩性分类精度为92.1934%,Kappa系数为0.9202，比仅用光谱分类精度提高了13.3369%。小波纹理能提取更细节的岩性信息；投票法可以避免岩性因样本的空间变异性产生的动态变化，优化分类结果；SVM较最大似然法（MLC）更适合于训练数据集高维且非正态分布的岩性分类；采用人工蜂群算法搜索SVM的最优参数，可避免参数局部最优。 相似文献
11.
利用纹理特征提取城市用地信息方法探索 总被引：6，自引：0，他引：6
就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索。计算灰度共生矩阵四个纹理特征量,选择建筑用地与其它地类的纹理特征统计量差别较大的特征,用于提取建筑用地信息。通过计算选择了对比度纹理特征,对该特征图像进行分类、密度分割及后处理,得到城市用地信息。通过精度评定证明了纹理特征用于分类可以提高分类的精度,并能提高土地利用动态监测的自动化程度。 相似文献
12.
基于偏最小二乘回归技术时纹理特征进行线性组合，得到新的纹理特征来进行分类。实验表明，组合后的纹理特征不但提高了纹理分类的性能，而且具有一定的数据自适应能力。 相似文献
13.
Data mining techniques are used to discover knowledge from GIS database in order to improve remote sensing image classification.Two learning granularities are proposed for inductive learning from spatial data,one is spatial object granularity,the other is pixel granularity.We also present an approach to combine inductive learning with conventional image classification methods,which selects class probability of Bayes classification as learning attributes.A land use classification experiment is performed in the Beijing area using SPOT multi-spectral image and GIS data.Rules about spatial distribution patterns and shape features are discovered by C5.0 inductive learning algorithm and then the image is reclassified by deductive reasoning.Comparing with the result produced only by Bayes classification,the overall accuracy increased by 11% and the accuracy of some classes,such as garden and forest,increased by about 30%.The results indicate that inductive learning can resolve spectral confusion to a great extent.Combining Bayes method with inductive learning not only improves classification accuracy greatly,but also extends the classification by subdividing some classes with the discovered knowledge. 相似文献
14.
Data mining techniques are used to discover knowledge from GIS database in order to improve remote sensing image classification. Two learning granularities are proposed for inductive learning from spatial data, one is spatial object granularity, the other is pixel granularity. We also present an approach to combine inductive learning with conventional image classification methods, which selects class probability of Bayes classification as learning attributes. A land use classification experiment is performed in the Beijing area using SPOT multi-spectral image and GIS data. Rules about spatial distribution patterns and shape features are discovered by C5.0 inductive learning algorithm and then the image is reclassified by deductive reasoning. Comparing with the results produced only by Bayes classification, the overall accuracy increased by 11% and the accuracy of some classes, such as garden and forest, increased by about 30%. The results indicate that inductive learning can resolve spectral confusion to a great extent. Combining Bayes method with inductive learning not only improves classification accuracy greatly, but also extends the classification by subdividing some classes with the discovered knowledge. 相似文献
15.
基于空间数据发掘的遥感图像分类方法研究 总被引：16，自引：0，他引：16
采用数据发掘技术从 ＧＩＳ数据库和遥感图像中发现知识,用于改善遥感图像分类。提出了两种实施空间数据归纳学习的途径：在空间对象粒度上学习和直接在像元粒度上学习。分析了两种粒度学习的特点和适用范围,同时提出了一种归纳学习与传统图像分类法的结合方式。用北京地区 ＳＰＯＴ多光谱图像和 ＧＩＳ数据库进行土地利用分类的试验证明,归纳学习能较好地解决同谱异物、同物异谱等问题,显著提高分类精度,并且能够根据发现的知识进一步细分类,扩展了遥感图像分类的能力。 相似文献
16.
Inclusion of textures in image classification has been shown beneficial. This paper studies an efficient use of semivariogram features for object-based high-resolution image classification. First, an input image is divided into segments, for each of which a semivariogram is then calculated. Second, candidate features are extracted as a number of key locations of the semivariogram functions. Then we use an improved Relief algorithm and the principal component analysis to select independent and significant features. Then the selected prominent semivariogram features and the conventional spectral features are combined to constitute a feature vector for a support vector machine classifier. The effect of such selected semivariogram features is compared with those of the gray-level co-occurrence matrix (GLCM) features and window-based semivariogram texture features (STFs). Tests with aerial and satellite images show that such selected semivariogram features are of a more beneficial supplement to spectral features. The described method in this paper yields a higher classification accuracy than the combination of spectral and GLCM features or STFs. 相似文献
17.
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。 相似文献