一种基于光谱与纹理特征的多光谱遥感图像地物分类方法

摘要

本发明公开了一种基于光谱与纹理特征的多光谱遥感图像地物分类方法，该方法采用四叉树分块技术对图像进行多级分块处理，以图像块的方式提取地物的光谱和纹理特征，采用SVM分类器对图像块进行地物分类，并通过区域增长方法对图像块分类边缘区域进行处理。与现有技术相比较，本多光谱遥感图像分类方法提高了光谱特征和纹理特征在地物分类中的抗噪性能，避免了纹理特征提取窗口大小的问题，使得分类结果区域一致性强、噪声少的优点。

主权项

一种基于光谱与纹理特征的多光谱遥感图像地物分类方法，其特征在于包括如下步骤：步骤(1)、典型地物样本库的建立：根据需要分类的地物类型，在同一卫星多光谱图像中选取每种地物的32×32像素的样本图像块50—100个，构成样本库；步骤(2)、典型地物特征提取与归一化处理：对每个样本图像块提取光谱特征与纹理特征，分别统计出每种光谱、纹理特征的最大值与最小值，并进行归一化处理；步骤(3)、SVM分类器训练：对每个样本图像块，将其归一化后的光谱与纹理特征形成一个特征向量，将其对应的地物类型形成另一个向量，作为训练样本输入到SVM中，得到SVM分类器；步骤(4)、分块的特征选取与准则制定：根据对样本库中地物的区分能力，采用启发式方法从光谱特征、纹理特征中分别选择能有效区分地物的2‑3个特征，并采用欧氏距离制定四叉树的分块准则；步骤(5)、待分类图像的分块：从待分类图像的左上角开始，对每个64×64像素的图像块采用四叉树进行分块，得到待分类图像块；步骤(6)、待分类图像的地物分类：分别计算每个待分类图像块的光谱特征与纹理特征，进行归一化处理后输入到SVM分类器，得到待分类图像块的地物类型；步骤(7)、边界块处理：在地物分类的边缘，选取与边缘相邻的8×8图像块，按光谱特征采用区域增长方法形成1‑3个区域，根据光谱特征欧氏距离合并到相似周围图像块。