遥感图像分析和解译的基本依据是灰度(波谱)和纹理(空间...

《遥感图像分析和解译的基本依据是灰度(波谱)和纹理(空间...》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、┊┊┊┊┊┊┊┊┊┊┊┊┊装┊┊┊┊┊订┊┊┊┊┊线┊┊┊┊┊┊┊┊┊┊┊┊┊毕业设计（论文）报告纸摘要遥感图像分析和解译的基本依据是灰度（波谱）和纹理（空间）两方面信息，目前在分类识别上用得最多的是图像的波谱信息。随着遥感图像处理的深入，仅仅使用波谱信息已经不能满足遥感应用的需要，而作为遥感图像重要信息之一的空间信息——纹理信息的提取和分析，在遥感图像分类与识别中呈现出日益重要的作用。特别是随着空间分辨率的提高，纹理特征在遥感图像处理中的作用越来越重要。本文尝试了利用灰度共生矩阵提取遥感图像的纹理特征，生成纹理

2、特征图像，进而辅助多光谱影像分类。分类时采用光谱特征与纹理特征相结合的方式，并将其分类结果与单纯用光谱特征分类的结果相比较，得出了加入纹理特征能提高分类识别精度的结论。在试验中，以太湖流域地区LandsatTM图像各波段为基础，先进行主成分分析，分析结果作为初始图像。采用了5*5的移动窗口，步距为1，在0º，45º，90º，135º四个方向上生成灰度共生矩阵，计算纹理特征值，得到的结果取均值，做为子图像中央点处的纹理特征值。依次计算，得到整幅图像的特征值。最后，利用ENVI遥感处理软件，进行分类识别，精度评定。结

3、果表明利用灰度共生矩阵提取的遥感图像纹理特征辅助多光谱遥感图像分类时，有助于提高分类的精度。【关键词】多光谱图像，灰度共生矩阵，纹理特征，监督法分类AbstractThetextureisoneoftheimportantfeaturesofremotesensingimages,whichisrelatedtothespatialdistributionoftheintensityvalueintheimageandassuchcontainsinformationregardingcontrast,coars

4、eness,directionality,etc.Withthedevelopmentandapplicationofhighresolutionremotesensingsatellite,morecleartexturesoccurintheremotesensingimage.Thefeaturesoflandformsandfeaturesreflectedbytexturesareimportantinformationindistinguishinggroundobjects.Basedonorigi

5、nalimage,addingtexturefeaturescanpromoteveracityandaccuracyofclassification.If,especially,thespectrafeatureofdifferentobjectsisnearlysimilar,texturefeatureswillplayanimportantroleindistinguishingtheseobjects.Fortheassistantclassificationofremotesensingimage,t

6、hemethods,thatthetexturefeatureimagesareextractedbythegraylevelco-occurrencematrixandtheclassificationsarecarriedoutbycombinedthetexturefeatureswiththespectralfeatures,isresearchedinthispaper.Extractingthetexturefeatureimagesarerealizedbythecomputerprogramdev

7、elopedbyme.Ichoiceslidingwindowwith5*5pixelstocomputethetexturefeaturevalue.Thedirectionofcomputegraylevelco-occurrencematrixalwaysadopt0°,45°,90°and135°.Averagevalueoffourdirectionsisusedasfinaltexturefeaturevalueinthepaper.Transformcalculatedtexturecharacte

8、risticvalueintotheimage,namelytexturefeatureimage.Thetestresultsshowthattheassistantclassificationasthepapermentionedcouldincreasetheclassificationveracityandaccuracyofremotesensingimages