用于耕地变化检测的纹理分析方法研究

摘要

利用遥感影像提取耕地信息是当前土地监测和管理中的热点问题，SPOT5卫星遥感影像因其高空间分辨率成为土地利用信息尤其是耕地信息提取的重要数据源，而利用纹理分析进行遥感影像的地物信息提取也已成为越来越热门的问题。本文主要进行了在SPOT5遥感影像中利用纹理分析提取耕地信息的有关方法研究。 首先简单介绍了用于遥感影像的纹理分析方法，对这些方法进行了分类和综合。重点介绍了灰度共生矩阵法(GLCM)的原理、特点、纹理特征量的算法、影响因素等，并在前人工作的基础上，总结分析了八个纹理特征统计量对纹理的描述意义。然后，针对灰度共生矩阵法计算量大、计算速度慢的缺点，采用了一种双向链表的数据结构——灰度共生链表(GLCLL)，得到了与简单灰度共生矩阵算法相一致的纹理特征统计量，同时有效地减少了计算时间，提高了计算效率。 利用上述方法对SPOT5影像进行处理，得到多种纹理特征图像，对这些纹理特征的分类能力从不同的计算方向、计算窗口等方面进行了试验，结合对影像的分类结果，对各种计算参数下的纹理特征统计量分类能力进行了理论探讨与评价；最后挑选出分类能力较强的纹理特征与光谱信息组合方式，得到了优于单纯依靠纹理特征及单纯依靠光谱特征的分类精度。 文章最后提出了一种利用土地利用现状图和遥感影像检测耕地变化的方法，并将该方法应用在通州区县，得到了较好的检测效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1论文研究的目的和意义

1.2国内外的研究现状

1.3研究方法与研究内容

1.4论文结构

第二章纹理的描述和分析方法

2.1纹理的定义和描述

2.2纹理分析方法归纳

2.2.1统计法

2.2.2结构法

2.2.3模型法

2.2.4频谱法

2.2.5其他纹理分析法

2.3遥感图像的纹理特征

2.4本章小结

第三章灰度共生矩阵方法及改进

3.1定义

3.2灰度共生矩阵的统计方法

3.3灰度共生矩阵纹理特征提取

3.4共生矩阵特点

3.5纹理特征统计量

3.6影响因子

3.6.1窗口大小的选择

3.6.2特征值的选取

3.7灰度共生矩阵提速算法实现

3.7.1灰度共生链表

3.7.2算法流程

3.7.3算法实现

3.8本章小结

第四章GLCM法信息提取及与光谱分类法结合

4.1实验数据

4.2灰度共生矩阵特征量分类能力定性分析

4.2.1不同纹理统计量的影响

4.2.2不同方向的影响

4.2.3不同窗口的影响

4.3灰度共生矩阵特征量分类能力定量化研究

4.3.1灰度级压缩

4.3.2角度与距离的选择

4.3.3特征值的选取

4.3.4窗口的选择

4.4 GLCM法与光谱分类法结合

4.4.1灰度共生矩阵纹理分类法评价

4.4.2 GLCM法与光谱法的结合

4.5本章小结

第五章变化信息提取

5.1利用土地利用现状图与遥感影像

5.2利用两景遥感影像

5.3本章小结

第六章结论与展望

6.1结论

6.2不足与展望

参考文献

附录

致谢

个人简介