基于空间变差函数的遥感影像纹理分类研究

摘要

遥感影像有着丰富的纹理信息，准确地提取纹理特征对于影像的分割和分类至关重要。基于空间变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法。 遥感影像的DN值是二维坐标的函数，从空间统计学的角度，可以看作一个区域化变量，具有随机性和空间相关性两方面的特征，可以用变差函数来表达。本研究根据遥感影像所具有的区域化变量特征，利用研究区域遥感影像DN值的变异特点，建立不同的纹理影像提取模型，然后根据模型算法，运用Matlab7.0语言编写基于变差函数理论的遥感影像纹理处理程序，以此分别提取遥感影像的三种变差函数(即经典变差函数、绝对值变差函数和方根变差函数)模型纹理，并与遥感影像的光谱信息结合进行土地覆盖分类，最后运用研究区域的土地利用现状图检验分类精度。结果表明： (1)研究区域遥感影像的DN值满足运用变差函数模型的前提条件——准本征假设，可以用变差函数模型进行拟合。 (2)变差函数能够定量地描述遥感图像的空间变化，是进行遥感图像纹理特征提取的非常有效手段。 (3)用变差函数提取的遥感图像纹理信息和光谱信息一起进行地物分类，比单纯用光谱特征分类更为有效，分类精度有大幅度的提高。 (4)分别用经典变差函数、绝对值变差函数和方根变差函数模型提取的纹理效果明显不同，其中绝对值变差函数提取的纹理效果最好，参与分类的结果精度也最高。 (5)计算变差函数的窗口越大，提取的纹理信息越模糊，窗口越小，提取的纹理信息细节越突出：但当窗口小到一定程度，会因为提取的局部纹理信息细节过于突出，而使纹理图像失去全局纹理提取的价值。 (6)在进行变差函数的拟合时，各向异性区域参与运算的方向越多越好。

目录

文摘

英文文摘

声明

第一章问题的提出

1.1研究意义

1.1.1纹理分析在遥感应用中的意义

1.1.2传统的纹理分析方法

1.1.3空间变差函数在影像纹理提取中的重要性

1.2基于变差函数的纹理分析国内外研究现状

第二章空间统计学变差函数理论

2.1区域化变量理论

2.1.1随机函数、随机过程和随机场

2.1.2区域化变量

2.2变差函数理论

2.2.1平稳假设与本征假设

2.2.2变差函数的定义与计算

2.2.3变差函数图结构分析

2.3变差函数模型理论

2.3.1变差函数模型

2.3.2变差函数模型套合

2.3.3变差函数模型各向同性和各向异性

2.4变差函数模型拟合

2.5空间统计分析与经典统计

第三章数据获取和数据预处理

3.1试验区概况

3.2 ETM+数据的选取

3.3 ETM+影像的预处理

3.3.1地形图的选取

3.3.2地形图地理编码

3.3.3几何纠正

3.3.4图像增强

3.3.5主成分分析

第四章遥感影像纹理信息的提取

4.1遥感影像的纹理原理

4.2纹理图像生成流程图

4.3生成研究区域变差函数

4.3.1 ETM+影像的格式转换

4.3.2变差函数图的生成

4.3.3变差函数图结果分析

4.4确定生成纹理影像的参数

4.4.1确定窗口参数

4.4.2确定滞后距离参数

4.4.3确定变差函数的方向性

4.5生成纹理图像

4.5.1编写纹理图像生成程序

4.5.2生成纹理图像

4.5.3纹理图像分析评价

第五章遥感影像的分类及分类后处理

5.1辅以纹理的光谱分类方法

5.2分类步骤

5.3分类结果

5.4分类结果分析

第六章结果分析

6.1样本采集

6.2混淆矩阵

6.3 KAPPA分析

6.4精度验证

6.5验证结果分析

第七章结论与展望

7.1结论

7.2展望

参考文献

附录

致 谢

作者简介