基于小波的高分辨率遥感影像纹理分类方法研究.pdfVIP

第 3 1 卷 第 1 期 武 汉 大 学 学 报 ·信 息 科 学 版 Vol . 3 1 No . 1 2006 年 1 月 Geomatics and Information Science of Wuhan U niver sit y J an . 2006 文章编号 :167 18860 (2006) 0 1006604 文献标志码 :A 基于小波的高分辨率遥感影像纹理分类方法研究 1 1 1 黄 　昕 　张良培 　李平湘 ( 1 　武汉大学测绘遥感信息工程国家重点实验室 ,武汉市珞喻路 129 号 ,430079) 摘 　要 :在基于小波的纹理分类算法的基础上 ,提出了逐点特征加权和活动窗口算法 ,使小波纹理分析能够用 于高分辨率遥感影像的分类 。逐点特征加权算法用样本的均值和方差构造偏离量 ,对纹理特征进行自适应加 权 。实验结果表明 ,本文提出的算法能够有效地提高分类精度 ,使地物的内部和边缘的分类效果都得到改善 。 关键词 :小波变换 ;高分辨率 ;逐点特征加权 中图法分类号 : TP753 　　随着遥感对地观测数据空间分辨率的不断提 设以待分类像元为中心的原始影像窗口为 L , 高 ,地物的细节特征得到进一步表现 , 同类地物在 进行 i 阶小波分解得到的低频 、水平 、垂直和对角 4 高分辨率下表现出更为复杂的光谱特征 ,混合像 个子影像分别为 L i_L 、L i_ H 、L i_ V 和 L i_ D , i = 1, 元个数减少 ,纯净像元个数增加 。于是 ,一定区域 2 , 3 。实验中逐渐增加特征向量的维数 :对于 16 × 内相邻像元之间的纹理信息在高分辨率影像的模 16 窗口, 先进行 1 阶小波变换, 提取 4 维特征向量 式分类中将扮演更重要的角色[ 1 ] 。本文用小波变 ( 即L 、L 1_ L 、L 1_ H 和 L 1_ V 四幅子影像的 EN T ) 换提取高分辨率影像的纹理特征 ,并以此特征进 值 , 然后加上 L 1_ D , 提取 5 维特征, 再加上 L 2_L , 行分类 。 最后加上 L 2_ H 、L 2_ V 、L 2_ D , 提取 9 维特征; 而对 于 32 ×32 和 64 ×64 窗口, 由于它们的窗口大小允 1 　基于小波变换的影像纹理特征提 许进行 3 阶小波分解, 所以先进行 1 阶小波变换, ( 取实验 提取 5 维特征向量 L 、L 1_ L 、L 1_ H 、L 1_ V 和 L 1_ D) 作为纹理特征, 然后加上 L 2_L , 提取 6 维特征, 　　由于小波对空间信号变化的敏感性以及在一 第三步加上 L 2_ H 、L 2_ V 、L 2_ D , 提取 9 维特征, 再 定尺度下能分离细节的特点 ,可以把小波系数看