基于变差函数和神经网络的遥感影像分类

遥感影像有着丰富的纹理信息,对于遥感影像分类精度的提高有着重要的作用。本文利用空间统计学中的变差函数模型来提取遥感影像的纹理信息,通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征提取过程中选取的三个因子、不同计算方向对纹理图像生成结果的影响,实验和分析表明了变差函数法是遥感图像纹理特征提取的一种有效手段。最后将成功提取的纹理信息与光谱信息相结合,运用BP神经网络进行分类和地物识别。实验部分将基于光谱信息的最大似然分类和基于光谱和纹理信息相结合的最大似然分类、基于光谱信息的神经网络分类和基于光谱和纹理信息相结合的神经网络分类四种分类结果进行精度对比分析,结果表明基于光谱和纹理信息相结合的神经网络分类精度最高,验证本论文提出的基于变差函数和神经网络的遥感影像分类方法是可行的。