基于纹理特征的高分辨率遥感影像分类方法

被引：8

作者：

韦春桃 ^{[1
,2
]}

王宁 ^{[1
]}

张利恒 ^{[1
]}

原凯敏 ^{[1
]}

邹瑄 ^{[1
]}

机构：

[1] 桂林理工大学测绘地理信息学院

[2] 桂林理工大学广西空间信息与测绘重点实验室

来源：

桂林理工大学学报 | 2013年 / 33卷 / 01期

关键词：

纹理特征; 遥感影像分类; 灰度共生矩阵; 小波变换; 支持向量机; 遗传算法;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

灰度共生矩阵能较好反映影像灰度统计规律,小波变换能较好反映影像的多尺度特性,利用两者结合进行了纹理特征提取。将灰度共生矩阵和小波变换提取纹理特征作为分类特征向量,建立基于支持向量机分类模型对高分辨率遥感影像进行分类;在支持向量机参数优化问题上,利用遗传算法进行参数寻优,有效的避免多学习和欠学习状态的发生。分类实验结果表明了本方法的有效性。

引用

页码：80 / 85

页数：6

共 10 条

[1] 基于SVM不同核函数的多源遥感影像分类研究
王双亭
艾泽天
都伟冰
康敏
[J]. 河南理工大学学报(自然科学版), 2011, 30 (03) : 304 - 309
[2] 利用Gabor滤波器与蚁群算法进行纹理分割
陈杰
邓敏
肖鹏峰
杨敏华
[J]. 武汉大学学报(信息科学版) , 2010, (11) : 1271 - 1274+1334
[3] 基于支持向量机的遥感图像分类研究
朱海洲
贾银山
[J]. 科学技术与工程, 2010, 10 (15) : 3659 - 3663
[4] 基于光谱和纹理特征的山区高分辨率遥感影像分类
孙建国
杨树文
段焕娥
王沛
闫浩文
[J]. 测绘科学, 2009, 34 (06) : 92 - 93
[5] 纹理特征辅助遥感影像分类技术的探讨
杨玉静
于彦伟
冯建辉
[J]. 测绘与空间地理信息, 2008, 31 (06) : 82 - 85
[6] 辅以纹理特征的高分辨率遥感影像分类
陈启浩
高伟
刘修国
[J]. 测绘科学, 2008, (01) : 88 - 90+248
[7] 结合纹理的SVM遥感影像分类研究
陈波
张友静
陈亮
[J]. 测绘工程, 2007, (05) : 23 - 27
[8] 基于小波变换的图像纹理特征提取技术
刘俊梅
[J]. 计算机工程与设计, 2007, (13) : 3141 - 3144
[9] Texture classification using Gabor wavelets based rotation invariant features
Arivazhagan, S.
Ganesan, L.
Priyal, S. Padam
[J]. PATTERN RECOGNITION LETTERS, 2006, 27 (16) : 1976 - 1982
[10] Improvement of classification in urban areas by the use of textural features: the case study of Lucknow city, Uttar Pradesh[J] . M. A. Shaban,O. Dikshit.International Journal of Remote Sensing . 2001 (4)

← 1 →