遥感影像分类方法.pdf

第4期，总第78期国土资源遥感No．4，2008
2008年12月15日REMOTESENSINGFORLAND&RESOURCESDec．．2008

合理尺度纹理分析遥感影像分类方法研究

黄艳，张超，苏伟，岳安志
(中国农业大学信息与电气工程学院，北京100083)

摘要：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问关系，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SPOT5遥感影像，利用Titanlmage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。
关键词：半变异函数；灰度共生矩阵；纹理特征；分类
中图分类号：TP75文献标识码：A文章编号：1001—070X(2008)04—0014—04

(GLCM)J。灰度共生矩阵描述统计空间上具有
0引言某种位置关系的像元灰度对出现的频度。灰度共生
矩阵反映了图像灰度分布关于方向、局部邻域和变
遥感影像的空间分辨率和要分类的类别数在很大化幅度的综合信息，但是它不能直接提取区域纹理
程度上决定着影像的分类精度。传统的基于像素的光的特性。因此，为了能描述纹理的性质，有必要从灰
谱分类方法并不能使目前高空间分辨率遥感影像(如度共生矩阵中进一步提取描述图像纹理的特征。
SPOT5、IKONOS和QuickBird)的分类精度得到提高，Haralick定义了14种纹理特征，用于提取遥感影像
因为它忽视了影像中潜在的空间信息，从本质上是基纹理信息的特征统计量主要有同质性(Homogenei—
于像元的光谱特征分类，存在一定的局限性⋯，不能达ty)、对比度(Contrast)、均值性(Mean)及角二阶矩
到应用精度的要求。因此，针对高分辨率影像分类，不(AngularSecondMoment)等。
能仅仅依靠光谱特征，还应更多地利用遥感影像本身1．2半变异函数定义
所固有的空间信息。近年来，利用纹理信息辅助影像半变异函数属于一种空问统计(也称为地统
光谱分类以增强分类精度的思想逐渐发展起来，成为计)分析方法，由法国统计学家G．Matheron提
遥感信息提取方面的一个研究热点。出J。在地质统计学方法中，半变异函数描述了样
灰度共生矩阵方法是一种广泛应用的纹理统计本之问空问依赖的程度；在遥感影像中，半变异函
分析方法，由它所生成的参数可以描述纹理多方面数描述了遥感影像的空间变异结构。
的统计特征。半变异函数，也称为半方差函数，是关半变异函数一般用半变异曲线来表示。变异函
于数据点的半变异值(半方差值)与数据点间距离数模型参数包括变程、基台值和块金值，其中，变程
的函数，这种特征在空间上表现为一种空间自相关是一个重要参数，它描述了遥感影像中某一地物空
性，在遥感影像上反映为像素之间的空问关系。本问依赖性达到最大时的地面距离，它和图像中地物
文在影像空间统计特性稳定的情况下，利用半变异的大小有关，给出了随机地物DN量在空间上自相
函数分析确定共生矩阵纹理窗口大小，得到较好的关的尺度。
分类结果1．3基于半变异函数纹理窗口的确定
用灰度共生矩阵提取纹理特征时，主要参数包括
1研究方法纹理特征统计量、灰度级别，像素对的方向、距离以及
纹理窗口大小。F．Dell’Acqua等人利用共生矩阵和
1．1共生矩阵定义半变异分析相结合的方法提取纹理特征。结果表明，
Haralick于1973年首先提出灰度共生矩阵该方法能够根据精度要求，合适选择纹理窗口大小，

收稿日期：2008—04—07；修订日期：2008—07—07
基金项目：国家863项目“面向地块的地物类型精细识别技术及其应用”(2007AAI2Z181)。
第4期黄艳，等：合理尺度纹理分析遥感影像分类方法研究·15·

有效搜索合理的尺度对纹理特征进行提取。首先，从融合后影像和全色波段影像上选择纹
当我们用固定窗口提取的纹理特征参与分类理信息丰富的相同区域作为研究对象(待分类影
时，如果纹理窗口较小，提取的纹理信息就会比较破像)，然后在全色波段影像中对不同的土地利用类
碎，表现的细节较多，斑点现象严重；如果纹理窗口型分别编辑出1O一30个训练区作为样本，并转化为
较大，小地物信息很容易被过滤掉，边界模糊。所ASCII格式，同时加入与DN值对应的行列号，此结
以，窗口太大和太小都不能得到理想的提