基于紋理特征的遙感影像分類方法研究
陳樂然 包晗 王鳴璐
摘要：遙感影像分類技術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)督分類方法應用最短距離分類器完成了全色遙感影像的分類。
關鍵詞：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)境的關系，通過對紋理圖像進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 模式識別理論
模式識別是隨著計算機科學的發(fā)展而逐漸壯大起來的，為了讓計算機去識別模式，必須對模式進行預處理，包括從模式中獲取必要的信息，再經(jīng)過取樣和量化得到計算機能夠處理的數(shù)據(jù)（數(shù)組），模式識別的基本方法有：統(tǒng)計模式識別、句法模式識別、模糊模式識別、人工神經(jīng)網(wǎng)絡方法。本次論文主要討論統(tǒng)計模式識別方法，基于統(tǒng)計方法的模式識別系統(tǒng)，采用特征選擇和特征提取對所獲得的特征進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練場地上提取各類別訓練樣本，通過選擇特征變量、確定判別函數(shù)或判別式（判別規(guī)則），進而把影像中的各個像元點劃歸到各個給定類的分類。主要有最小距離分類法、神經(jīng)網(wǎng)絡分類法、模糊分類法和貝葉斯判別分類法等。
非監(jiān)督分類是在沒有先驗知識（訓練場地）的情況下，根據(jù)影像本身的統(tǒng)計特征及自然點群的分布情況來劃分地物類別的分類處理，事后再對已分出的各類的地物屬性進行確認，也稱作“邊學習邊分類法”。主要有動態(tài)聚類、模糊聚類法、系統(tǒng)聚類法和分裂法等[3]。
1.3 分類器設計
所謂的分類器就是一個判斷規(guī)則，比如說這樣一句話：“考試成績大于等于60分為及格，小于60分的為不及格”就是一個分類器。并且特征維數(shù)越小分類器就越容易設計，一般地對于線性分類器來說，當特征空間為一維時，決策面為一分界點，比如上面提到的60分即是分界點；特征空間為二維時，決策面為一直線；特征空間為三維時，決策面為一平面；特征空間的維數(shù)大于3時，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
紋理是物體表面結構的模式，例如木材，水泥，沙子，玻璃等。紋理可以認為是許多基本紋理小單元的重復，這些小單元可稱為紋理元，它通常包含多個像素。對紋理的描述方法分為統(tǒng)計的和結構的兩類方法。統(tǒng)計方法主要用于分析木紋、沙地、草坪等紋理細且不規(guī)則的物體，根據(jù)統(tǒng)計特性提出特征。結構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)來表達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
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進行試驗的。
1)首先，進行直方圖修正技術使圖像具有統(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個左右大小大致為80*80象素左右分別有居民地、農田、菜地等具有代表性的采樣樣本，應用Matlab軟件對圖像進行處理并計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，窗口如果取的過小則程序的運行效率低，并且對某些特征的提取來說也會造成負面影響，這是因為大多數(shù)特征是統(tǒng)計特征，當窗口中的像素較少時統(tǒng)計值就會存在一定的隨機性。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出現(xiàn)明顯的馬賽克現(xiàn)象。
3）我們在前面講過不同的分類器對分類的結果也起到重要的作用，分類器的設計被看成是模式識別中三大重要內容之一。本次實驗中我們主要采用最短距離分類器來實現(xiàn)對影像的分類。
4）分類后處理，由于分類的精度問題，從最初分類結果上我們會看到很多“噪聲”，即分類錯誤的情況，為了得到更真實的分類結果我們還要對初分類進行濾波來消除“噪聲”，實驗中采用效果比較好的中值濾波來平滑噪聲。


 

 

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)督分類實驗
簡單的說，本次實驗的目的就是如何通過遙感影像的紋理特征的提取來實現(xiàn)影像的分類。本次實驗采取的是監(jiān)督分類的方法，應用最短距離分類器來實現(xiàn)的。
1）使用函數(shù)Imread將裁取的樣本圖像讀入Matlab環(huán)境中；其顯示結果如下圖所示：
 

Fig.2-2 Displaying image
2）對上述生成的像素矩陣提取共生矩陣，然后根據(jù)共生矩陣計算出90º和45º方向的對比度，計算結果見下表：
表2-1各樣本不同方向的對比度總體均值
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 農田 0.3857 0.5434
3）應用計算出的對比度值采樣最短距離分類器來實現(xiàn)對影像的監(jiān)督分類，其分類結果如圖2-3所示：


Fig.2-3 The resultof three direction classifying
4）分類后處理，由于分類的精度問題，不管用上面的哪一種分類方案得到的分類結果和理想分類圖形相比仍然都還有相當大的差距，從最初分類結果上我們會看到很多“噪聲”，即分類錯誤的情況。為了得到更真實的分類結果我們還要對初分類進行濾波來消除“噪聲”，實驗中采用效果比較好的3*3的中值濾波來去掉大部分的噪聲，處理結果如圖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 不同方案分類結果比較及結論
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)進行分類的，其分類結果比較如下：
1）90° 方向，各個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，分類結果還不是樂觀，分類效果一般。
3 結 論
遙感影像分類或影像識別是遙感圖像解譯的一個重要的、基礎性的工作�；�于Matlab下遙感影像的分類是在模式識別理論下應用遙感影像的紋理特征對全色遙感影像進行分類。但由于采用最短距離分類器判斷的時候采取一刀切的方式，而且沒有考慮影像的光譜特征和合理的紋理窗口大小，分類時產(chǎn)生一定的誤差，這在實驗結果中已體現(xiàn)出來。
參考文獻
[1] 容觀奧.計算機影像處理[M]. 北京：清華大學出版社. 2000.
[2] 李爽，丁圣彥．遙感影像分類方法比較研究[J]．河南大學學報，2004.（6）.33～50.
[3] 邊肇祺，張學工等. 模式識別[M]. 北京：清華大學出版社，2000.
[4] 賈永紅.數(shù)字影像處理.武漢大學出版社，2003.


 

轉載請注明來自：http://www.jinnzone.com/zhinengkexuejishulw/13841.html