a7基于多特征高光谱遥感图像分类方法.pdf

第25卷第3期 地理与地理信息科学 V01．25No．3 2009 2009年5月 andGeo--InformationScience May Geography 一种基于多特征的高光谱遥感图像分类方法 刘 峰1’2，龚健雅3 (1．中南大学地学与环境工程学院，湖南长沙410083；2．中南林业科技大学理学院。湖南长沙410004I 3．武汉大学测绘遥感信息工程国家重点实验窒，湖北武汉430079) 摘要：提出在多维特征空间中以互信息为评价指标进行特征选择，在特征子集中应用支持向量机(SVM)分类器实 现图像监督分类的方法。首先提取图像的光谱、纹理和颜色特征，得到多特征的高维特征空间，然后用最大相关和 最小冗余的互信息作为评价标准，用10一fold交叉验证误差率选择特征子集，最后用基于径向基函数的SVM实现 图像的分类。实验表明，该方法能明显提高图像分类的精度。 关键词：图像分类；互信息；特征选择；SVM 中图分类号：TP751文献标识码：A 文章编号：1672--0504(2009)03—0019--04 行特征的选择；最后在特征子集的基础上用SVM实 0 引言 现图像分类，并用SPOT遥感图像分类实验证明了 以图像分类为目的的模式识别主要研究内容包 方法的有效性。 括特征提取、特征选择及聚类分析等。特征提取方 1 特征提取 面主要集中在提取地物纹理特征、颜色特征及形状 特征上；特征选择和特征变换都是为了达到特征向 就特征性质而言有基于图像像素灰度值概率统 量维数削减的目的，在降低分类器复杂度的同时可 计的提取方法，如像素的GLCM灰度共生矩阵；有基 以提高分类的泛化能力；聚类分析主要集中在分类 于光学变换的特征提取方法，如小波变换。就特征类 器的设计上，包括判别学习分类器、混合生成一判别 型有颜色特征的提取，如LAB颜色、HSV颜色、HIS 分类器及多分类器。 颜色模型等；纹理特征的提取，如Oabor纹理特征、 高分辨率遥感影像能够提供大量的地表特征， Markov随机场纹理特征等；还有形状特征的提取。 充分体现在地物内部分异明显、纹理增多、细节丰富 1．1纹理特征 和边缘突出方面。地物空间分布复杂，同类物体呈 Gabor滤波器进行纹理分析的方法实际上是多 现出很大的光谱异质性，具体表现为类内方差变大、 分辨率分解的过程，该过程类似小波分析方法。Ga- 类间方差减小、不同地物的光谱相互重叠，使得传统 bor滤波能同时在时域和频域中定位，因此它能实现 的光谱分类方法不能得到满意的结果。针对这一问 图像多分辨率分解的功能。在时域中二维Gabor函 题，许多学者做了相应的研究，如对多源信息复合的 数是高斯函数调制的复数正弦函数，其一般形式为： 高空间分辨率遥感数据进行分类[1]，利用全色数据 纹理和结构信息复合的方法提取城市建筑信息[2]， 将地理辅助数据和归一化植被指数融合进行遥感图 0，一xsin 式中：(x：y’)一(XCOS0+ysin e+ycos0)是 像分类[3]。这些研究侧重于遥感图像地物特征的提时域坐标旋转的结果，7是高斯函数的纵横比，f是 取及特征空间分类，而对同样可以提高分类精度的 Gabor函数余弦部分的频率，0为复数调制部分函数 特征选择等问题未做深入研究。 的辐角，币是偏移度，d。、叮，是尺度参数。 本文首先用Gabor滤波提取遥感图像各个波段 原始图像经Gabor滤波器处理后的滤波图像