基于灰度共生矩阵的图像纹理特征地物分类应用.pdfVIP

第47卷 第3期 地 质 与 勘 探 Vo1．47 No．3 2011年5月 GE0L0GY AND EXPL0RATION Md|y，2011 基于灰度共生矩阵的图像纹理特征地物分类应用 李智峰 ，朱谷昌 ，董泰锋。 (1．中南大学地学与环境工程学院，湖南长沙 410083；2．有色金属矿产地质调查中心，北京 100012 3．中科院遥感应用研究所 ，北京 100101) [摘 要]针对传统遥感影像分类方法的分类精度不高，在分析图像的光谱信息的基础上，对基于 灰度共生矩阵的纹理特征在地物分类中的应用进行了研究。本研究利用原始图像进行主成分分析后的 前两个主成分，经过编程运算，提取了基于灰度共生矩阵方法的不同测度的纹理特征，将提取的纹理特 征作为新的波段，与原始波段进行组合，再对组合图像进行监督分类，探索了利用纹理特征进行地物分 类的可行性，并将分类结果与最大似然法分类结果进行定性和定量比较分析。结果表明，综合了纹理特 征和光谱特征的地物分类方法，能够有效地提高地物分类精度，证明了基于纹理特征的遥感影像分类的 有效性。 [关键词]遥感影像 纹理 灰度共生矩阵 地物分类 [中图分类号]TP79 [文献标识码]A [文章编号]0495—533l(2010)o3—456-06 LiZhi-feng，ZhuGu-chang，DongTai-feng．ApplicationofGLCM—basedtexturefeaturestore- motesensingimageclassification[J]．GeologyandExploration，2011，47(3)：456—461． 度共生矩阵方法的纹理特征在遥感影像分类中的实 0 引言 用性，拓宽在遥感影像分类中的研究思路。 遥感影像分类一直以来就是遥感工作者工作的 一 个重点，光谱特征和纹理特征是遥感图像的两大 1 基于灰度共生矩阵的纹理分析 基本特征，也是进行遥感影像分类的两个基本元素。 1．1 灰度共生矩阵的思想 到 目前为止，多数情况下仍是利用光谱信息进行分 灰度共生矩阵 (GrayLevelCo-OccurrenceMa— 类为主，单纯地利用影像的光谱进行分类存在着很 trix)是建立在估计图像的二阶组合条件概率密度函 多缺点，特别是同物异谱，同谱异物现象的存在严重 数基础上的统计方法 ，主要描述纹理基元或局部模 地制约了遥感影像分类的精度。纹理特征是遥感影 式随机和空间统计特征 ，以表示区域的一致性及 区 像的另一个重要因素，是复杂的视觉实体或者子模 域间的相对性。 式的组合，有亮度、色彩、陡度、大小等特征，每一种 灰度共生矩阵定义为：图像域范围内，两个距离 地物所呈现的纹理特征都有 自己的特点。随着高分 为d，方向为 的像元在图像中出现的概率，通过 辨率的遥感影像的出现，所获得的遥感影像存在着 (d，0)值可以组合许多的共生灰度矩阵来分析图像 更加丰富的纹理特征 。如果能够合理的利用纹理特 灰度级别的空间分布格局。在矩阵中，当d取值较 征，那么将会给遥感影像的分类精度带来很大的提 小时，靠近对角矩阵的元素值则表征灰度级别相近 高。 的像素对出现的几率，而远离对角线的元素值则表 本文选择 TM影像为数据源 ，应用灰度共生矩 征灰度级别较大的像素对出现几率。由于灰度共生 阵中的不同纹