几何不变矩

几何不变矩在遥感影像中的应用
不变矩是表达图像几何形状信息的参数，具有几何变换的稳定性，在图像识别领域已经得到广泛应用。

在高分辨率图像分类中加入不变矩图像可以显著提高分类精度，尤其是对那些具有相似光谱特征但同时具有不同形状和结构特征额地物分类更加有效。

相对于中、低分辨率遥感图像而言，高分辨率图像地物内部细节信息更加清晰，空间结构信息更加丰富，可以提供光谱信息外的、形状等多种空间信息。

如何有效表达高分辨率图像的空间结构特征，并用于地物的识别和分类，是高分辨率遥感信息处理中亟待解决的问题之一。

不变矩是表达图像几何形状信息的参数，具有平移、尺度及旋转等多畸变不变性和良好的图像描述能力。

作为一种重要的图像特征，不变矩已经被广泛应用于图像检索、图像重构、实时图像匹配与识别、细胞识别及人脸识别等领域。

在遥感领域，这些不变矩的特征尚未得到广泛地讨论和应用。

本文尝试将胡氏矩、Zernike矩和小波矩这3种常用的不变矩应用到高分辨率图像分类中，并评价了这些不变矩在高分辨率图像分类中的性能。

加入不变矩运用到高分辨率图像的面向对象分类中，需要计算图像中不同对象的不变矩，而这些图像对象通常通过图像分割来获得。

首先，运用图像分割算法对图像进行分割，以分割得到的区域为单位，采用自主开发的程序，计算不同波段每个区的或对象的不变矩。

这样，。

每个波段可得到多个不同的不变矩图像。

然后分别对原始的光谱图像以及加入了不变矩的图像进行分类，并对分类结果进行比较。

通过实验结果，对比加入不变矩图像前后的分类精度，以及加入不同不变矩的分类精度差别。

尝试将不变矩运用到高分辨率图像分类中，并通过实际的数据验证所提出的方法，可以显著提高分类精度，尤其是能有效区分光谱特征相似但形状不同的地物。

所以，不变矩作为一类有效表达地物空间结构和几何信息的图像特征，可以有效地运用到高分辨率图像分类中。

文章名称：《加入不变矩的高分辨率遥感图像分类》
作者：徐海卿李培军沈毅。