Gabor滤波器在高分一号影像纹理提取中的应用
发布时间：2021-07-06 15:52
为了有效获取高分辨率影像的纹理特征,以覆盖黑龙江省穆棱市的高分一号影像为研究对象,选用在二维测不准的情况下对信号空间域和频率域描述最佳的Gabor滤波器进行影像的纹理特征分析提取。通过分析二维Gabor函数中不同参数之间的相互关系,计算自适应滤波器参数组,有效获取高分影像的纹理特征。结果表明:利用二维Gabor滤波器自适应参数组能够对遥感影像进行不同方向纹理信息提取,且30°,60°,120°,150°滤波方向上能明显提取纹理特征;当滤波器的中心频率稳定在0.27时,影像在120°方向的信息熵值达到了最高值5.823 6,说明在该频率该方向上提取到的纹理信息最丰富;采用最大似然分类方法验证Gabor滤波器的纹理特征提取效果,实验表明利用Gabor滤波器提取纹理特征辅助高分一号影像分类的Kappa系数和总精度分别达到0.843 2%和87.924 3%,明显高于不加入纹理特征的遥感影像分类精度的0.778 1和82.983 0%.证明Gabor滤波器能够较好提取高分辨率影像纹理信息特征。
【文章来源】：西安科技大学学报. 2020,40(04)北大核心
【文章页数】：8 页
【部分图文】：
预处理后影像
结果显示,选择不同方向不同频率下的滤波器效果截然不同。当滤波方向在0°和90°时,信息熵值最小,从纹理图像同样反映出此时获得的纹理信息最少;当滤波方向在30°,60°,120°,150°这4个方向时,信息熵值明显大于其他方向,获取的纹理特征也最明显。当Gabor滤波器的中心频率稳定在0.27,滤波方向为120°时,得到信息熵的最高值5.823 6.3 Gabor滤波器提取纹理效果分析
表3 最大似然分类精度评价Table 3 Maximum likelihood classification accuracy evaluation 类别 精度 GF1 GF1+Gabor 林地 Prod.Acc/% 94.54 95.07 User Acc/% 86.06 93.26 耕地 Prod.Acc/% 63.24 81.79 User Acc/% 87.37 90.50 建筑用地 Prod.Acc/% 89.74 90.05 User Acc/% 78.00 84.68 河流 Prod.Acc/% 74.31 75.37 User Acc/% 98.13 98.86 裸地 Prod.Acc/% 92.59 92.14 User Acc/% 52.87 51.97 坑塘 Prod.Acc/% 76.18 79.90 User Acc/% 99.26 99.50 - Kappa系数 0.778 1 0.843 2 总精度(%) 82.983 0 87.924 34 结 论
【参考文献】：
期刊论文
[1]基于Landsat 8数据反演地表发射率的几种不同算法对比分析[J]. 王丽霞,孙津花,刘招,张双成,杨耘. 西安科技大学学报. 2019(02)
[2]结合Gabor纹理与几何特征的高分辨率遥感影像城区道路提取方法[J]. 胡华龙,吴冰,黄邵美. 测绘科学技术学报. 2015(04)
[3]高分一号多光谱遥感数据的面向对象分类[J]. 刘书含,顾行发,余涛,王珂,张周威,鞠颂. 测绘科学. 2014(12)
[4]高分一号卫星的技术特点[J]. 白照广. 中国航天. 2013(08)
[5]基于纹理的图像检索算法研究[J]. 许元飞. 西安科技大学学报. 2013(04)
[6]基于高分影像纹理分维变化的灾害自动识别方法[J]. 吴鹏天昊,吴立新,沈永林,许志华,王植. 地理与地理信息科学. 2012(02)
[7]基于Gabor滤波器的航空图像居民区域提取[J]. 谷多玉,郭江,李书晓,常红星. 北京航空航天大学学报. 2012(01)
[8]基于Gabor纹理描述的遥感影像分割[J]. 徐芳. 测绘科学. 2013(01)
[9]一种基于Gabor滤波器组和LBP的多特征联合SAR纹理图像分类方法[J]. 张斌,高鑫. 科学技术与工程. 2010(17)
[10]基于颜色和空间特征的图像检索[J]. 张志安,蔺丽华. 西安科技大学学报. 2007(03)
博士论文
[1]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013
[2]彩色航空图像森林纹理特征提取方法的研究[D]. 毕于慧.北京林业大学 2007
硕士论文
[1]基于深度学习技术的高分辨率遥感影像建设用地信息提取研究[D]. 冯丽英.浙江大学 2017
[2]基于Gabor滤波器的纹理特征提取研究及应用[D]. 张艳.西安科技大学 2014
[3]基于遥感TM影像纹理特征的长江河口流态信息分析[D]. 乔远英.华东师范大学 2014
[4]基于Gabor滤波器的铁路图像轨枕分割[D]. 胡光灿.西南交通大学 2013
[5]基于多通道Gabor小波滤波器的图像分割研究[D]. 李波.东北师范大学 2004
[6]地统计学和神经网络在遥感影像分类中的应用研究[D]. 李小涛.山东科技大学 2004
本文编号：3268526
【文章来源】：西安科技大学学报. 2020,40(04)北大核心
【文章页数】：8 页
【部分图文】：
预处理后影像
结果显示,选择不同方向不同频率下的滤波器效果截然不同。当滤波方向在0°和90°时,信息熵值最小,从纹理图像同样反映出此时获得的纹理信息最少;当滤波方向在30°,60°,120°,150°这4个方向时,信息熵值明显大于其他方向,获取的纹理特征也最明显。当Gabor滤波器的中心频率稳定在0.27,滤波方向为120°时,得到信息熵的最高值5.823 6.3 Gabor滤波器提取纹理效果分析
表3 最大似然分类精度评价Table 3 Maximum likelihood classification accuracy evaluation 类别 精度 GF1 GF1+Gabor 林地 Prod.Acc/% 94.54 95.07 User Acc/% 86.06 93.26 耕地 Prod.Acc/% 63.24 81.79 User Acc/% 87.37 90.50 建筑用地 Prod.Acc/% 89.74 90.05 User Acc/% 78.00 84.68 河流 Prod.Acc/% 74.31 75.37 User Acc/% 98.13 98.86 裸地 Prod.Acc/% 92.59 92.14 User Acc/% 52.87 51.97 坑塘 Prod.Acc/% 76.18 79.90 User Acc/% 99.26 99.50 - Kappa系数 0.778 1 0.843 2 总精度(%) 82.983 0 87.924 34 结 论
【参考文献】：
期刊论文
[1]基于Landsat 8数据反演地表发射率的几种不同算法对比分析[J]. 王丽霞,孙津花,刘招,张双成,杨耘. 西安科技大学学报. 2019(02)
[2]结合Gabor纹理与几何特征的高分辨率遥感影像城区道路提取方法[J]. 胡华龙,吴冰,黄邵美. 测绘科学技术学报. 2015(04)
[3]高分一号多光谱遥感数据的面向对象分类[J]. 刘书含,顾行发,余涛,王珂,张周威,鞠颂. 测绘科学. 2014(12)
[4]高分一号卫星的技术特点[J]. 白照广. 中国航天. 2013(08)
[5]基于纹理的图像检索算法研究[J]. 许元飞. 西安科技大学学报. 2013(04)
[6]基于高分影像纹理分维变化的灾害自动识别方法[J]. 吴鹏天昊,吴立新,沈永林,许志华,王植. 地理与地理信息科学. 2012(02)
[7]基于Gabor滤波器的航空图像居民区域提取[J]. 谷多玉,郭江,李书晓,常红星. 北京航空航天大学学报. 2012(01)
[8]基于Gabor纹理描述的遥感影像分割[J]. 徐芳. 测绘科学. 2013(01)
[9]一种基于Gabor滤波器组和LBP的多特征联合SAR纹理图像分类方法[J]. 张斌,高鑫. 科学技术与工程. 2010(17)
[10]基于颜色和空间特征的图像检索[J]. 张志安,蔺丽华. 西安科技大学学报. 2007(03)
博士论文
[1]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013
[2]彩色航空图像森林纹理特征提取方法的研究[D]. 毕于慧.北京林业大学 2007
硕士论文
[1]基于深度学习技术的高分辨率遥感影像建设用地信息提取研究[D]. 冯丽英.浙江大学 2017
[2]基于Gabor滤波器的纹理特征提取研究及应用[D]. 张艳.西安科技大学 2014
[3]基于遥感TM影像纹理特征的长江河口流态信息分析[D]. 乔远英.华东师范大学 2014
[4]基于Gabor滤波器的铁路图像轨枕分割[D]. 胡光灿.西南交通大学 2013
[5]基于多通道Gabor小波滤波器的图像分割研究[D]. 李波.东北师范大学 2004
[6]地统计学和神经网络在遥感影像分类中的应用研究[D]. 李小涛.山东科技大学 2004
本文编号：3268526
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3268526.html
