基于紋理特征的遙感影像分類方法研究
陳樂(lè)然 包晗 王鳴璐
摘要：遙感影像分類技術(shù)是遙感影像分析與解譯的重要環(huán)節(jié)之一，如今遙感影像分類正具有廣泛的應(yīng)用前景。本文主要研究了如何在Matlab下提取遙感影像的紋理特征，并利用灰度共生矩陣，在Matlab下采用監(jiān)督分類方法應(yīng)用最短距離分類器完成了全色遙感影像的分類。
關(guān)鍵詞：遙感圖像；影像分類；紋理特征；監(jiān)督分類；最短距離分類
0 引 言
隨著高分辨率遙感衛(wèi)星的不斷涌現(xiàn)，遙感影像分辨率的不斷的提高，影像分類的理論和技術(shù)水平也在不斷的完善。遙感影像的紋理分析已經(jīng)成為一種重要的提高遙感影像分類精度的手段。紋理是表征圖像的一個(gè)重要特征，廣泛存在于各類圖像中，它反映了影像灰度模式的空間分布，包含影像的表面信息及與周圍環(huán)境的關(guān)系，通過(guò)對(duì)紋理圖像進(jìn)行分析可獲得許多有用的宏觀和微觀信息。本文就是利用灰度共生矩陣提取遙感影像的紋理特征，并采用監(jiān)督分類的方法應(yīng)用最短距離分類器完成全色影像的分類[1] 。
遙感影像分類的基本理論
1.1 模式識(shí)別理論
模式識(shí)別是隨著計(jì)算機(jī)科學(xué)的發(fā)展而逐漸壯大起來(lái)的，為了讓計(jì)算機(jī)去識(shí)別模式，必須對(duì)模式進(jìn)行預(yù)處理，包括從模式中獲取必要的信息，再經(jīng)過(guò)取樣和量化得到計(jì)算機(jī)能夠處理的數(shù)據(jù)（數(shù)組），模式識(shí)別的基本方法有：統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)方法。本次論文主要討論統(tǒng)計(jì)模式識(shí)別方法，基于統(tǒng)計(jì)方法的模式識(shí)別系統(tǒng)，采用特征選擇和特征提取對(duì)所獲得的特征進(jìn)行變換和降維得到最有效的分類特征，從而節(jié)省分類所需的時(shí)間、提高分類的效率 [2] 。
1.2 遙感影像的主要分類方法
監(jiān)督分類是在已知類別的訓(xùn)練場(chǎng)地上提取各類別訓(xùn)練樣本，通過(guò)選擇特征變量、確定判別函數(shù)或判別式（判別規(guī)則），進(jìn)而把影像中的各個(gè)像元點(diǎn)劃歸到各個(gè)給定類的分類。主要有最小距離分類法、神經(jīng)網(wǎng)絡(luò)分類法、模糊分類法和貝葉斯判別分類法等。
非監(jiān)督分類是在沒(méi)有先驗(yàn)知識(shí)（訓(xùn)練場(chǎng)地）的情況下，根據(jù)影像本身的統(tǒng)計(jì)特征及自然點(diǎn)群的分布情況來(lái)劃分地物類別的分類處理，事后再對(duì)已分出的各類的地物屬性進(jìn)行確認(rèn)，也稱作“邊學(xué)習(xí)邊分類法”。主要有動(dòng)態(tài)聚類、模糊聚類法、系統(tǒng)聚類法和分裂法等[3]。
1.3 分類器設(shè)計(jì)
所謂的分類器就是一個(gè)判斷規(guī)則，比如說(shuō)這樣一句話：“考試成績(jī)大于等于60分為及格，小于60分的為不及格”就是一個(gè)分類器。并且特征維數(shù)越小分類器就越容易設(shè)計(jì)，一般地對(duì)于線性分類器來(lái)說(shuō)，當(dāng)特征空間為一維時(shí)，決策面為一分界點(diǎn)，比如上面提到的60分即是分界點(diǎn)；特征空間為二維時(shí)，決策面為一直線；特征空間為三維時(shí)，決策面為一平面；特征空間的維數(shù)大于3時(shí)，決策面為一超平面。主要包括線性分類器和非線性分類器[4]。
1.4 紋理特征
紋理是物體表面結(jié)構(gòu)的模式，例如木材，水泥，沙子，玻璃等。紋理可以認(rèn)為是許多基本紋理小單元的重復(fù)，這些小單元可稱為紋理元，它通常包含多個(gè)像素。對(duì)紋理的描述方法分為統(tǒng)計(jì)的和結(jié)構(gòu)的兩類方法。統(tǒng)計(jì)方法主要用于分析木紋、沙地、草坪等紋理細(xì)且不規(guī)則的物體，根據(jù)統(tǒng)計(jì)特性提出特征。結(jié)構(gòu)分析特別適用于印刷圖案如布料，花磚一類，其紋理和排列比較規(guī)則。特征是希望用少量有限的數(shù)據(jù)來(lái)表達(dá)一幅圖像或圖像小區(qū)所載有的紋理信息。
2 Matlab下遙感影像分類試驗(yàn)
2.1 遙感影像分類的流程
本文選取的是1：10000的全色遙感影像為例來(lái)進(jìn)行試驗(yàn)的。
1)首先，進(jìn)行直方圖修正技術(shù)使圖像具有統(tǒng)一的均值和方差，以部分消除光照條件的影響。
2）然后按照類別從圖像中找出20－30個(gè)左右大小大致為80*80象素左右分別有居民地、農(nóng)田、菜地等具有代表性的采樣樣本，應(yīng)用Matlab軟件對(duì)圖像進(jìn)行處理并計(jì)算各自的特征值及其特征值的平均值。圖2-1中a、b、c分別為菜地、農(nóng)田和居民地的采樣樣本（部分）。模板窗口的大小取8*8~20*20這樣的范圍內(nèi)，窗口如果取的過(guò)小則程序的運(yùn)行效率低，并且對(duì)某些特征的提取來(lái)說(shuō)也會(huì)造成負(fù)面影響，這是因?yàn)榇蠖鄶?shù)特征是統(tǒng)計(jì)特征，當(dāng)窗口中的像素較少時(shí)統(tǒng)計(jì)值就會(huì)存在一定的隨機(jī)性。如果窗口取的較大則分類精度較低，特別是在不同地物的邊界處就會(huì)出現(xiàn)明顯的馬賽克現(xiàn)象。
3）我們?cè)谇懊嬷v過(guò)不同的分類器對(duì)分類的結(jié)果也起到重要的作用，分類器的設(shè)計(jì)被看成是模式識(shí)別中三大重要內(nèi)容之一。本次實(shí)驗(yàn)中我們主要采用最短距離分類器來(lái)實(shí)現(xiàn)對(duì)影像的分類。
4）分類后處理，由于分類的精度問(wèn)題，從最初分類結(jié)果上我們會(huì)看到很多“噪聲”，即分類錯(cuò)誤的情況，為了得到更真實(shí)的分類結(jié)果我們還要對(duì)初分類進(jìn)行濾波來(lái)消除“噪聲”，實(shí)驗(yàn)中采用效果比較好的中值濾波來(lái)平滑噪聲。


 

 

圖2-1 部分采樣樣本圖像
Fig.2-1The samplesplitting image
2.2 遙感影像的監(jiān)督分類實(shí)驗(yàn)
簡(jiǎn)單的說(shuō)，本次實(shí)驗(yàn)的目的就是如何通過(guò)遙感影像的紋理特征的提取來(lái)實(shí)現(xiàn)影像的分類。本次實(shí)驗(yàn)采取的是監(jiān)督分類的方法，應(yīng)用最短距離分類器來(lái)實(shí)現(xiàn)的。
1）使用函數(shù)Imread將裁取的樣本圖像讀入Matlab環(huán)境中；其顯示結(jié)果如下圖所示：
 

Fig.2-2 Displaying image
2）對(duì)上述生成的像素矩陣提取共生矩陣，然后根據(jù)共生矩陣計(jì)算出90º和45º方向的對(duì)比度，計(jì)算結(jié)果見(jiàn)下表：
表2-1各樣本不同方向的對(duì)比度總體均值
Tablet.2-1 The contrast total mean of difference direction of every swatch
樣本/ 方向 9 0° 45°
菜地 3.8215 4.0599
居民地 6.2765 9.5797 農(nóng)田 0.3857 0.5434
3）應(yīng)用計(jì)算出的對(duì)比度值采樣最短距離分類器來(lái)實(shí)現(xiàn)對(duì)影像的監(jiān)督分類，其分類結(jié)果如圖2-3所示：


Fig.2-3 The resultof three direction classifying
4）分類后處理，由于分類的精度問(wèn)題，不管用上面的哪一種分類方案得到的分類結(jié)果和理想分類圖形相比仍然都還有相當(dāng)大的差距，從最初分類結(jié)果上我們會(huì)看到很多“噪聲”，即分類錯(cuò)誤的情況。為了得到更真實(shí)的分類結(jié)果我們還要對(duì)初分類進(jìn)行濾波來(lái)消除“噪聲”，實(shí)驗(yàn)中采用效果比較好的3*3的中值濾波來(lái)去掉大部分的噪聲，處理結(jié)果如圖2-4所示


圖2-4原始的分類圖形、中值濾波后分類圖形
Fig.2-4The classifying figure of originality、two- dimension filter、median filter
2.3 不同方案分類結(jié)果比較及結(jié)論
本文利用遙感影像紋理特征在監(jiān)督分類方法下采用最短距離判別函數(shù)進(jìn)行分類的，其分類結(jié)果比較如下：
1）90° 方向，各個(gè)類別之間的差值比較明顯，可以分清各類地物，分類效果在此分類中比較好。
2）45° 方向，分類結(jié)果還不是樂(lè)觀，分類效果一般。
3 結(jié) 論
遙感影像分類或影像識(shí)別是遙感圖像解譯的一個(gè)重要的、基礎(chǔ)性的工作�；�于Matlab下遙感影像的分類是在模式識(shí)別理論下應(yīng)用遙感影像的紋理特征對(duì)全色遙感影像進(jìn)行分類。但由于采用最短距離分類器判斷的時(shí)候采取一刀切的方式，而且沒(méi)有考慮影像的光譜特征和合理的紋理窗口大小，分類時(shí)產(chǎn)生一定的誤差，這在實(shí)驗(yàn)結(jié)果中已體現(xiàn)出來(lái)。
參考文獻(xiàn)
[1] 容觀奧.計(jì)算機(jī)影像處理[M]. 北京：清華大學(xué)出版社. 2000.
[2] 李爽，丁圣彥．遙感影像分類方法比較研究[J]．河南大學(xué)學(xué)報(bào)，2004.（6）.33～50.
[3] 邊肇祺，張學(xué)工等. 模式識(shí)別[M]. 北京：清華大學(xué)出版社，2000.
[4] 賈永紅.數(shù)字影像處理.武漢大學(xué)出版社，2003.


 

轉(zhuǎn)載請(qǐng)注明來(lái)自：http://www.jinnzone.com/zhinengkexuejishulw/13841.html