多门限二进制编码方法在TM 图像处理中的应用

doi:10.11873/j.issn.1004-0323.2005.2.272

遥感技术与应用

2005, Vol. 20

Issue (2): 272-277 DOI: 10.11873/j.issn.1004-0323.2005.2.272

图像处理

多门限二进制编码方法在TM 图像处理中的应用

安　斌, 严卫东, 陈　华, 边　辉, 马心璐, 李云鹏, 郑　刚, 芦　颖

( 西北核技术研究所, 陕西西安　710024)

The Application in TM Image Processing Based on Multi-threshold Binary Encoding

An Bin, YAN Wei-dong, CHEN Hua, BIAN Hui, MA Xin-lu,LI Yun-peng , ZHENG Gang, LU Ying

( Northwest Institut e of Nuclear Technology , X i'an 710024, China)

全文: PDF

摘要：

不同类型的地物具有不同的反射光谱, 在多维光谱空间中构成不同的特征向量, 这便是遥感多光谱图像分析与识别的物理依据。传统方法中有基于单个像元波段亮度的、空间纹理的、变换空间的多光谱图像特征提取与分析方法, 但这些方法并没有直接描述地物的最本质特征—反射光谱曲线。从20 世纪80 年代开始, 当二进制编码的方法提出并在多光谱匹配识别中获得成功应用后,多光谱图像分析处理便可以在这种特征提取的基础上, 研究新的方法。提出一种基于多门限二进制编码的光谱形状描述方法, 这种方法的核心就是将多光谱的亮度范围细分成若干个灰度区间, 也称为多门限, 分别将各波段光谱亮度与多门限进行比较, 从而建立一列能够较详细描述光谱形状的二进制编码, 我们将这种新的特征描述方法应用于多光谱图像的分类、信息提取和变化检测。遥感图像处理实验的结果表明, 这种方法是有效的。

关键词： 地物反射光谱; 特征提取; TM 图像; 多门限; 分类; 信息提取; 变化检测

Abstract:

Different types of terrain would lie on the different site in the spectral space, which is the basic theory for remote analysis and recognition. Commonly, feature distill and analysis of mutispectral image is based on single pixel, texture, transformation, however, the essential feature-reflect spectral curve is not described directly in these algorithms. Since 1980' S, a new algorithm of binary encoding was put forward and applied in multispectral match recognition, new algorithm of TM image processing will be found based on this algorithm of feature distill. In this paper, a new algorithm for spectral shape description based on multi-threshold binary encoding is put forward, The key of this algorithm is that the range of terrain mutispectral is devided into several little gray range, what is called“multi-threshold”,each band is compared with several thresholds, then a binary code based on multispectral shape description is set up. And then this new algorithm is apllied in classifiction, information distill and change detect. The new algorithm is proved effective Through remote image experimentation.

Key words: Reflect spctral of terrain Feature distill TM image Classification Multi-hreshold Information dist ill Change detect

收稿日期: 2004-08-22 出版日期: 2011-11-14

TP75

作者简介: 安斌(1973- ),男,硕士,主要从事遥感图像处理与模式识别方面的研究。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

引用本文:

安　斌, 严卫东, 陈　华, 边　辉, 马心璐, 李云鹏, 郑　刚, 芦　颖. 多门限二进制编码方法在TM 图像处理中的应用[J]. 遥感技术与应用, 2005, 20(2): 272-277.

An Bin, YAN Weidong, CHEN Hua, BIAN Hui, MA Xinlu,LI Yunpeng , ZHENG Gang. The Application in TM Image Processing Based on Multi-threshold Binary Encoding. Remote Sensing Technology and Application, 2005, 20(2): 272-277.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2005.2.272 或 http://www.rsta.ac.cn/CN/Y2005/V20/I2/272

〔1〕Mazer A S, Martin M , Lee M, et al . Image Processing Sof-tware for Imaging Spectrometry Analysis〔J〕.Remote Sensing of Environment , 1988, 24( 1) : 201～210.
〔2〕Mark J C . Spectral Shape Classification System for Landsat Thematic Mapper〔J〕.SPIE, 1996, 2758: 19～30.
〔3〕安斌. 一种TM 图像的二进制特征向量动态聚类方法〔J〕.光子学报, 1999, 28( 25) : 51～55.
〔4〕J ames R L. Segmentation of Mutiband Imagery using Minimum Spanning Trees〔J〕.SPIE, 1996, 2758: 10～18.
〔5〕蔡元龙. 模式识别〔M〕. 西安: 西安电子科技大学出版社, 1992.
〔6〕赵英时. 遥感应用分析原理与方法〔M〕. 北京: 科学出版社,2003.
〔7〕Thomas M L, Ralph W K. 遥感与图像解译〔M 〕. 北京: 电子工业出版社, 2003.

[1]	王常颖，田德政，韩园峰，隋毅，初佳兰. 基于属性差决策树的全极化SAR影像海冰分类[J]. 遥感技术与应用, 2018, 33(5): 975-982.
[2]	陈伟民，张凌，宋冬梅，王斌，丁亚雄，许明明，崔建勇. 基于AdaBoost改进随机森林的高光谱图像地物分类方法研究[J]. 遥感技术与应用, 2018, 33(4): 612-620.
[3]	苏阳，祁元,王建华，徐菲楠，张金龙. 基于航空高光谱影像的额济纳绿洲土地覆被提取[J]. 遥感技术与应用, 2018, 33(2): 202-211.
[4]	李想，刘凯，朱远辉，蒙琳，于晨曦，曹晶晶. 基于资源三号影像的红树林物种分类研究[J]. 遥感技术与应用, 2018, 33(2): 360-369.
[5]	江东，陈帅，丁方宇，付晶莹，郝蒙蒙. 基于面向对象的遥感影像分类研究——以河北省柏乡县为例[J]. 遥感技术与应用, 2018, 33(1): 143-150.
[6]	姜爱辉，刘国林，陈富龙. 基于PALSAR-1影像的汉函谷关遗迹变化检测研究[J]. 遥感技术与应用, 2017, 32(5): 787-793.
[7]	秦俊，冷寒冰，赵广琦，景军，周坚华. 物候和波谱—位置分析在城镇绿化植物群分类中的应用[J]. 遥感技术与应用, 2017, 32(5): 948-957.
[8]	周在明，杨燕明，陈本清. 基于无人机影像的滩涂入侵种互花米草植被信息提取与覆盖度研究[J]. 遥感技术与应用, 2017, 32(4): 714-720.
[9]	施佩荣，陈永富，刘华，吴云华，魏新，钟泽兵. 基于改进的面向对象遥感影像分类方法研究—以西藏米林县典型林区为例[J]. 遥感技术与应用, 2017, 32(3): 466-474.
[10]	吕利利，颉耀文，黄晓君，张秀霞，李汝嫣. 基于CART决策树分类的沙漠化信息提取方法研究[J]. 遥感技术与应用, 2017, 32(3): 499-506.
[11]	付伟，徐涵秋，王美雅，王帅，胡秀娟，张博博，林中立. 南方红壤典型水土流失区植被分类及植被类型变化的遥感评估—以福建省长汀县河田地区为例[J]. 遥感技术与应用, 2017, 32(3): 546-555.
[12]	朱钟正，陈玉福，朱文泉，郑周涛. 适用于多目标遥感自动解译的最佳专题指数筛选[J]. 遥感技术与应用, 2017, 32(3): 564-574.
[13]	刘远，周买春. 3种IGBP分类系统的土地覆盖数据在韩江流域的对比分析[J]. 遥感技术与应用, 2017, 32(3): 575-584.
[14]	苏红军，赵波. 基于共形几何代数的高光谱遥感波段选择方法[J]. 遥感技术与应用, 2017, 32(3): 539-545.
[15]	史飞飞,高小红，杨灵玉，何林华，贾伟. 基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究[J]. 遥感技术与应用, 2017, 32(2): 206-217.

Viewed

Full text

Abstract

Cited

Shared

Discussed