开采沉陷遥感监测中多维纹理特征影像分类方法

被引：2

作者：

李良军 ^{[1
,2
]}

武彦斌 ^{[3
,4
]}

机构：

[1] 西北大学地质系

[2] 安徽省公益性地质调查管理中心

[3] 中国矿业大学煤炭资源与安全开采国家重点实验室

[4] 河北经贸大学工商管理学院

来源：

煤田地质与勘探 | 2008年 / 36卷 / 06期

关键词：

遥感影像; 开采沉陷; 影像分类; 多维纹理特征;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法。首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度。对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maximum likelihood分类方法。

引用

页码：29 / 34

页数：6

共 3 条

[1] 基于混沌免疫算法和遥感影像的土地利用分类
武彦斌
彭苏萍
[J]. 农业工程学报, 2007, (06) : 154 - 158
[2] 遥感技术在煤矿区积水塌陷动态监测中的应用——以淮南矿区为例
彭苏萍
王磊
孟召平
段延娥
卞建玲
王英坡
[J]. 煤炭学报, 2002, (04) : 374 - 378
[3] Learning and optimization using the clonal selection principle. LEANDRO N de Castro, FERNANDO J Von Zuben. IEEE Transactions on Evolutionary Computation . 2002

← 1 →