Please wait a minute...
img

官方微信

遥感技术与应用  2008, Vol. 23 Issue (5): 571-575    DOI: 10.11873/j.issn.1004-0323.2008.5.571
图像处理     
半方差函数纹理提取在遥感图像分类中的应用
何宇婷,柯长青
(南京大学地理信息科学系,江苏 南京 210089)
Application of Semivariogram Texture Distillingfor Remote Sensing Image Classification
HE Yu-ting,KE Chang-qing
(Department of Geography Information Science,Nanjing University,Nanjing 210089,China)
 全文: PDF(1459 KB)  
摘要:

在提高遥感图像分类精度的方法中,将纹理信息作为扩展的特征向量加入特征空间中,是一个很有效的方法。从地统计角度利用地物在空间上的联系提取纹理,进而参与分类,实验结果表明加入纹理后明显提高了具有纹理信息的地物的分类精度,并通过实验中遇到的问题探讨了该方法的适用范围。

关键词: 半方差函数纹理尺度特征空间分类精度    
Abstract:

In the methods of improving the classification precision of remote sensing images,adding textural information as an expanded eigenvector into feature space is a pretty useful method.In this paper,the author extract texture using spatial connections between geo-objects,then put it into the classification process.This experiment shows a nice result.Through the problems encountered in this experiment,we discussed the appropriate scope of this methodology.

Key words: Semivariogram    Texture    Scale    Feature space    Classification precision
收稿日期: 2008-03-13 出版日期: 2011-11-07
:  TP 75  
基金资助:

国家自然科学基金项目(J0630535)。

作者简介: 何宇婷(1987-),女,本科生,研究方向为植被生态遥感应用和全球气候变化。E-mail:4everting@163.com。
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:

何宇婷,柯长青. 半方差函数纹理提取在遥感图像分类中的应用[J]. 遥感技术与应用, 2008, 23(5): 571-575.

HE Yu-ting,KE Chang-qing. Application of Semivariogram Texture Distillingfor Remote Sensing Image Classification. Remote Sensing Technology and Application, 2008, 23(5): 571-575.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2008.5.571        http://www.rsta.ac.cn/CN/Y2008/V23/I5/571

[1] Tang G A,Zhang Y S,Liu Y M,et al.Digital Remote Sensed Image Processing[M].Beijing:Science Press.2004.[汤国安,张友顺,刘咏梅,等.遥感数字图像处理[M].北京:科学出版社.2004.]
[2] Chica-Olmo M,Abarca-Hernandez F.Computing Geostatistical Image Texture for Remotely Sensed Data Classification[J].Computers & Geosciences,2000,(26):373-383.
[3] Hu W Y,Jiao Y M.The Study Progress of the Texture Feature Extraction for Remote Sensing Image[J].Study on Geographic Environment of YunNan,2007,19(3):66-71.[胡文英,角媛梅.遥感图像纹理信息提取方法综述[J].云南地理环境研究,2007,19(3):66-71.]
[4] Song C Y,Li P J,Yang F J.The Application of MultiScale Image Texture to the Detection of Urban Expansion[J].Remote Sensing for Land & Resources,2006,(3):37-42.[宋翠玉,李培军,杨锋杰.运用多尺度图像纹理进行城市扩展变化的检测[J].国土资源遥感,2006,(3):37-42.]
[5] De Miranda F P,Da Fonseca L E N.Application of the Semivariogram Textural Classifier (STC) for Vegetation Discrimination Using JERS-1 SAR Data of the Uaupes River (Northwestern Brazil) [J].Anais VIII Simpósio Brasileiro de Sensoriamento Remote,Salvador,1996,14(19):527-532.
[6]    Andrew T H, Carol A W. Textural Analysis of Historical Aerial Photography to Characterize Woody Plant Encroachment in South African Savanna[J].Remote Sens.Environ.1998,66:317-330.
[7]    Miranda F P.The Semivariogram in Comparison to the Co-occurrence Matrix for Classification of Image Texture [ J].Transaction on Geoscience and Remote Sensing, 1998, 36:1945-1952,317-330.
[8] Lark R M.Geostatistical Description of Texture on an Aerial Photograph for Discriminating Classes of Land Cover [J].International Journal of Remote Sensing,1996,17:2115-2133.
[9] Li P J,Li Z X.Comparison of Three Geostatistical Texture Measures for Remotely Sensed Data Classification [J].Geography and Geo-information Science.2003,19(4):89-92.[李培军,李争晓.三种地统计学图像纹理用于遥感图像分类的比较[J].地理与地理信息科学,2003,19(4):89-92.]
[10]  Huang Y D,Li P J,LiZ X.The Application of Geostatistical Image Texture to Remote Sensing Lithological Classification[J].Remote Sensing for Land & Resources,2003(3):45-49.[黄颖端,李培军,李争晓.基于地统计学的图像纹理在岩性分类中的应用[J].国土资源遥感,2003(3):45-49.]
[11] Wang Y F.Methodology of Spatial Data Analyst[M].Beijing:Science Press.2007.[王远飞.空间数据分析方法[M].北京:科学出版社.2007.]
[12] Li X W,Cao C X.The First Law of Geography and SpatialTemporal Proximity[J].Journal of Nature,2006,29(2):69-71.[李小文,曹春香,常超一.地理学第一定律与时空邻近度的提出[J].自然杂志,2006,29(2):69-71.]
[13] Marceau D J,Howarth P J,Dubois J M,et al.Evaluation of the Grey-Level Co-Occurrence Matrix Method for Land-cover Classification Using SPOT imagery[J].IEEE Transactions on Geoscience and Remote Sensing,1990,284):513-519.

[1] 汪子豪,秦其明,孙元亨. 基于BP神经网络的地表温度空间降尺度方法[J]. 遥感技术与应用, 2018, 33(5): 793-802.
[2] 韩涛,潘剑君,张培育,曹罗丹. Sentinel-2A与Landsat-8影像在油菜识别中的差异性研究[J]. 遥感技术与应用, 2018, 33(5): 890-899.
[3] 施佩荣,陈永富,刘华,吴云华. 基于分割评价函数的多尺度分割参数的选择[J]. 遥感技术与应用, 2018, 33(4): 628-637.
[4] 任浙豪,周坚华. 增大特征空间复杂度的方法——以城镇下垫面遥感分类为[J]. 遥感技术与应用, 2018, 33(3): 408-417.
[5] 王宁,陈方,于博. 基于形态学开运算的面向对象滑坡提取方法研究[J]. 遥感技术与应用, 2018, 33(3): 520-529.
[6] 杨朦朦,汪汇兵,欧阳斯达,范奎奎,戚凯丽. 基于双树复小波分解的BP神经网络遥感影像分类[J]. 遥感技术与应用, 2018, 33(2): 313-320.
[7] 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.
[8] 何艺,周小成,黄洪宇,许雪琴. 基于无人机遥感的亚热带森林林分株数提取[J]. 遥感技术与应用, 2018, 33(1): 168-176.
[9] 李艳,侯金亮,黄春林. 基于Copula函数的地表温度空间降尺度研究[J]. 遥感技术与应用, 2017, 32(5): 818-824.
[10] 唐超,邵龙义. 高光谱遥感地物目标识别算法及其在岩性特征提取中的应用[J]. 遥感技术与应用, 2017, 32(4): 691-697.
[11] 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.
[12] 姜萍,刘修国,陈启浩,邵芳芳. 利用多尺度SVM-CRF模型的极化SAR图像建筑物提取[J]. 遥感技术与应用, 2017, 32(3): 475-482.
[13] 王增艳,王建,车涛. 机载L波段微波辐射计数据反演表层土壤水分研究[J]. 遥感技术与应用, 2017, 32(2): 185-194.
[14] 邵东航,李弘毅,王建,郝晓华,王润科,马媛. 基于多源遥感数据的积雪反照率反演研究[J]. 遥感技术与应用, 2017, 32(1): 71-77.
[15] 曹广真,卢乃锰,侯 鹏,李贵才. 遥感湖泊面积MTMF提取方法及空间尺度效应研究[J]. 遥感技术与应用, 2016, 31(5): 864-871.