领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

发布时间：2017-11-21 18:25

  本文关键词：领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

  更多相关文章： GLCM纹理影像分类 多尺度窗口 主方向权值 集成计算 GIS空间数据挖掘

【摘要】：基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解译的特点,对GIS与RS数据进行集成计算:首先,在图像配准的基础上,利用经典的GIS空间数据挖掘算法,渐近式地提取领域形态知识;接着,采用关联分析法建立其与GLCM构造因子之间的响应机制,并设计了基于地类形状指数的多尺度窗口建立算法,以及基于地类主方向分布指数的方向权值测度算法。试验结果表明,领域形态知识与GLCM空间因子之间具有强相关关系,该方法提取出的纹理特征可以描述复杂地物的空间意义,算法复杂度低,性能优越,有效提高了影像土地利用分类的精度。
【作者单位】： 广东工业大学管理学院;广州市城市规划勘测设计研究院;
【基金】：国家自然科学基金(41301377)~~
【分类号】：P237
【正文快照】： 高分辨率遥感影像有着丰富的纹理信息,对纹理特征描述准确,可以有效区分复杂的土地利用类别。从统计学的角度出发,最有代表性的纹理特征提取算法是灰度共生矩阵算法(grey levelco-occurrence matrix,GLCM)[1-2],它建立在特定范围、特定方向的灰度频数联合概率之上,可以计算出，

本文编号：1211879