基于多元局部二值模式的遥感图像纹理提取与分类.docx

基于多元局部二值模式的遥感图像纹理提取与分类
摘要：
随着遥感技术的发展，遥感图像纹理提取与分类越来越受到研究者的关注。在本文中，我们提出了一种基于多元局部二值模式（Multi-LocalBinaryPattern，MLBP）的方法，通过将图像分块，结合局部二值模式和多元协方差矩阵来提取遥感图像的纹理特征，并利用支持向量机（SupportVectorMachine，SVM）进行分类。该方法在遥感图像纹理提取和分类任务中表现出了良好的性能。
关键词：遥感图像；纹理特征；多元局部二值模式；支持向量机
引言：
纹理是遥感图像中最常见的视觉特征之一。遥感图像的纹理特征通常包括空间频率、方向、粗糙度、颜色、光谱信息等。因此，如何有效地提取遥感图像的纹理特征是遥感图像分类和识别任务中的一个重要问题。在过去的几十年中，研究者们提出了很多基于纹理的遥感图像分类和识别方法，如基于灰度共生矩阵（GreyLevelCo-OccurrenceMatrix，GLCM）、基于小波变换、基于局部二值模式（LocalBinaryPattern，LBP）等。
然而，这些方法存在一些缺陷。例如，GLCM方法对于像素灰度值的选择比较敏感；小波变换方法在计算量和计算速度上存在一定的限制。而LBP方法虽然在识别方面表现出了很好的性能，但是对于遥感图像的纹理特征提取还存在一定的不足。LBP方法不具有旋转不变性，对于空间变化和旋转变换的影响较大。
新方法：
因此，本文提出了一种基于多元局部二值模式的遥感图像纹理提取与分类方法。该方法主要是通过将图像分块，结合局部二值模式和多元协方差矩阵来提取遥感图像的纹理特征，并利用支持向量机进行分类。该方法具有以下几个特点：
1.多元局部二值模式能够提取更具有不变性的局部纹理特征，能够更好地反映遥感图像的特征。
2.多元协方差矩阵能够对图像块内的纹理特征进行统计，提取更加丰富的特征。
3.支持向量机能够对提取的特征进行有效分类，具有较高的准确率。
实验结果：
本文采用了来自GoogleEarth的一组遥感图像进行实验。实验结果表明，所提出的方法在提取遥感图像纹理特征和分类任务中具有较高的准确率和鲁棒性。而且，该方法具有较好的计算效率。
结论：
本文提出了一种基于多元局部二值模式的遥感图像纹理提取与分类方法。实验结果表明，该方法在提取遥感图像纹理特征和分类任务中都具有较好的性能。相对于其他方法，该方法具有更好的不变性和更好的鲁棒性。