基于MATLAB的遥感影像监督分类

灰度共生矩阵通过对影像灰度级之间联合条件概率密度 '
别分别选取一定数量的训练区#然后计算训练区的统计信息或 $ @#A5B#% 的计算表示纹理& 通过对图像上保持某种距离的两
者特征信息#接着让遥感图像上的每个像元一一和训练样本作 像素分别具有某灰度的状况进行统计而得到#描述了成堆像素
比较#按照不同规则将其划分到和其最相似的样本类& 即从图 像上已知目标类别区域中提取数据#统计出代表总体特征的训
$!%
@#AF#
!% 对比度
对比度是图像小区域内灰度变化总量& 定义为(
>
) DC&f $ @HA%! '$ @#AtB#%
$3%
@#AF#
3% 相关
相关是用来描述灰度共生矩阵中行或列元素之间相似程
度的&
>>
)) DCFf2
$ @HA% '$ @#A% H.,3 5.,
$,%
@F# AF#
$-%
@f# Af#
)基于纹理特征的遥感影像监督分类
前面主要介绍的是遥感图像分类的基本原理和方法以及
本文所采用的各种算法#本部分内容是按照之前所述理论及方
法#对具体的遥感影像数据进行处理-分析-评价#最后得出结
即组成纹理的基元和基元之间的相互关系#前者与局部灰度变 就归入到哪一类& 这里距离就是一个判别准则& 常用的最小
化规律有关#具有一定的形状和大小#后者则与前者形成的空 距离有欧几里得距离-绝对值距离-马氏距离 3 种&
间结构有关#基元的排列不同将会使图像产生很大的不同& 跟 #?!)精度评价
一般图像不同#遥感影像所包含的信息更加丰富#更加复杂#与
表了遥感数据的分类信息#每一行中的数值等于遥感分类像元
#?#)监督分类基本理论
在地表真实像元相应类别的数量&
监督分类通常又称为训练场地法-训练分类法#是遥感图 )遥感影像纹理分析方法
像分类的一种#它是用被确认类别的地物像元去识别其它未知 !?#)灰度共生矩阵基本原理
类别的像元& 在监督分类中#分析者首先在图像上对每一种类
)引言
间中的距离大小来决定其类别的& 它要求对遥感图像中每一
纹理一词最初指纤维物的外观& 习惯上#我们把图像中这 个类别选一个具有代表意义的统计特征量$ 均值%#然后以均值
种局部不规则#而宏观有规律的特性称之为纹理#它是图像的 向量作为该类在特征空间中的中心位置#计算输入图像中每个
一种重要属性& 图像的纹理特征可以用两种基本特征来描述# 像元到各类中心的距离#到哪一类中心的距离最小#则该像元
的灰度组合分布& '$ @#A5B#% 常用矩阵形式表示#称为灰度共 生矩阵233 & 表示方向#通常 方向为("C#,%C#6"C##3%C, 个方
练数据#然后进行分类& 根据判别规则的选择不同#常用的监督分类方法有最小距
离分类-平行多面体分类-最大似然分类& 本文基于最小距离 分类#最小距离分类是根据各像元与训练区中各类别在特征空
向& 灰度共生矩阵用 'B 表示#矩阵元素则用以下符号表示( 'B $ @#A% $ @#Af"###!#6#<H#% 当两像素的位置关系选定后#可生成灰度共生矩阵 'B (
'B $"#"%
'B $"##% 6 'B $"#A% 6 'B $"#<H#%
'B来自百度文库$##"%
'B $###% 6 'B $##A% 6 'B $##<H#%
技术与市场 !"#$ 年第!% 卷第$ 期
技术应用
基于 7'+@'*的遥感影像监督分类
刘二磊
三门峡职业技术学院 河南 三门峡 ,.!"""
摘)要纹理是遥感图像上的重要信息和基本特征 传统的遥感影像分析方法基本上是基于光谱特征忽略了其空间结 构信息精度不高 对遥感影像监督分类以及精度评价基本理论进行了阐述 介绍了灰度共生矩阵的统计原理并利用 其原理提取纹理信息利用 7'+@'*建立纹理特征库以特征库中的纹理特征为样本进行监督分类分析不同纹理特征 的监督分类精度 通过分析得到了很好的结果 关键词 纹理特征 监督分类 7'+@'* 灰度共生矩阵 IBU#"?36-6 4e?UJJ<?#""- H$%%,?!"#$?"$?"!#

))))'B
f
7 'B $ @#"%
7
7
7
7
7

'B $ @##% 6 'B $ @#A% 6 'B $ @#<H#%
$#%

7
7
7
7
7
7

'B $ <H##"% 'B $ <H###% 6 DB $ <H##E% 6 DB $ <H##<H#%
'%
技术应用
!?!)灰度共生矩阵纹理分析
理#并利用 7'+@'*软件建立纹理特征库#然后以特征库中的 类图像中的相应位置和分类相比较计算的& 混淆矩阵的每一
纹理特征为样本进行监督分类#最后分析不同纹理特征的监督 列代表了地面参考验证信息#每一列中的数值等于地表真实像
分类精度&
元在分类图像中对应于相应类别的数量+混淆矩阵的每一行代
)遥感影像监督分类
遥感分类精度评价中通常使用混淆矩阵#混淆矩阵是模式
同一地物的光谱特征相比#纹理特征更加稳定#对于区分地物 识别中较为常用的精度评价工具#主要用于比较分类结果和地
具有明显的效果#而且可以帮助抑制! 同物异谱-异物同谱" 现 表真实信息#可以把分类结果的精度显示在一个混淆矩阵里
象的发生2!3 & 本文主要研究如何利用 NFL'( 对影像进行预处 面& 混淆矩阵是通过将每个地表真实像元的位置和分类与分
通过灰度共生矩阵可以提供多种特征如角二阶矩-二阶矩
$ 能量% -对比度-相关-熵-方差-逆差矩-和平均-和熵-差平均-
差方差-差熵等& 经常用的统计属性如下(
#% 角二阶矩
角二阶矩反 映 了 图 像 灰 度 分 布 均 匀 程 度 和 纹 理 粗 细 度&
由下式计算(
>
) '(7f '$ @#AtB#%! )$ >为灰度级%
,%熵
熵是指图像所具有的信息量的度量#是图像灰度级别混乱
程度的表征&
>
N&+fH) 4 '$ @#AtB#% #;9'$ @#AtB#% 5
$%%
@#AF#
!"#$%&'&() *%+ ,*-."! AB;?!%#&B?$#!"#$
%% 方差
方差由下式给出(
>>
A'Ff))$ @H% ! '$ @#AtB#%