基于多元局部二值模式的遥感图像纹理提取与分类

纹理信息已经广泛应用于遥感图像分类以提高地物识别的精度。为了描述多光谱遥感图像多个波段之间的空间信息变化规律,将新型纹理提取算法局部二值模式（Local Binary Pattern,LBP）扩展到多维空间以计算多元纹理。单波段纹理信息、多元纹理信息分别与光谱信息结合后用于遥感图像分类,并根据分类精度评价其有效性。实验表明,加入单波段或多元纹理信息的分类精度均比光谱分类有明显提高;基于多元LBP纹理的分类不仅避免了传统单波段纹理参与分类前进行波段选择的繁琐,其精度还能与基于单波段纹理分类精度最高者相当或者更高。     

基于空间模糊纹理光谱的多光谱遥感图像分类方法

为了充分利用各波段的纹理信息，针对遥感图像不同波段之间具有较大相关性的特点，提出了一种用空间模糊纹理光谱描述多光谱遥感图像纹理特征的方法。根据纹理特征具有多尺度的特性，对原始图像进行二次模糊纹理滤波，一次滤波采用平面三角隶属度函数，二次滤波采用空阃距离代替平面距离形成滤波隶属度函数，其模糊滤波图像的隶属度分布称之为空间模糊纹理光谱。用FasART神经网络分类验证，实验结果表明，该方法具有较高的分类精度，尤其对纹理特征较为复杂的区域的分类效果更为明显。     

基于子空间-粗集法的高光谱数据光谱与纹理特征优选

为提高光谱数据光谱信息和纹理信息利用率,提出基于自动子空间划分和粗集理论的光谱与纹理特征优选方法。该方法在传统子空间划分法的基础上,利用粗集约简思想对不同类别地物光谱特征进行约简,得到基于光谱的初选波段,再利用灰度共生矩阵法计算出初选光谱波段的纹理信息,并约简优选,得到基于光谱和纹理信息的终选波段。利用黑河生态水文遥感试验中所获取的机载高光谱数据CASI,开展该方法的实证研究。对原始光谱波段、初选光谱波段和终选波段进行SVM(Support Vector Machine)分类,结果表明:与原始光谱数据相比,经过光谱初选得到的初选波段和增加纹理优选的终选波段,总体分类精度分别提高了0.84%和2.78%,Kappa系数分别提高了0.01和0.035;对地物纹理信息进行深度挖掘可以进一步提高遥感影像分类精度。     

结合纹理特征和边缘信息的遥感影像分类

针对基于光谱信息的遥感监督分类精度低以及分类结果中交界处错分和内部存在小面积图斑的问题,提出了一种结合图像纹理信息的监督分类方法和基于图像边缘信息的分类后处理方法。该方法首先利用彩色的灰度共生矩阵(color gray level co-occurrence matrix,CGLCM)提取图像的纹理信息,并将纹理图像结合原图像各个波段在ENVI 5.1平台下进行监督分类,然后采用Canny边缘检测算法提取原始影像的边缘图像,通过边缘信息对分类结果进行区域统计来改善分类结果。试验结果表明,辅以CGLCM纹理特征的监督分类方法可以有效地提高分类精度,相对于传统的监督分类方法,总Kappa系数提高了0.107 6,精度提高了8.53%。依据边缘信息对分类结果进行处理,有效保留原始影像边缘特征的同时,很好地滤除了分类结果中的小面积图斑。     

基于多源信息的TM遥感图像计算机分类

本文以榆林市城区及其周边范围为实验区,以TM遥感图像的第一主成分纹理信息、归一化植被指数和MNF变换得到的四个波段为数据源,采用支持向量机方法进行分类,并与最大似然法分类和单纯利用光谱信息的基于SVM分类结果进行比较.试验结果表明,将纹理分析方法应用于图像分类中可区分光谱混淆的地类;和传统的分类方法相比,采用支持向量机技术.使用光谱与纹理特征结合的分类方法可以获得更高的分类精度.     

利用提升树模型综合Gabor和LPQ特征进行遥感地物识别

为充分融合高光谱遥感图像空间域和频率域的特征信息,提出了一种综合多尺度Gabor和LPQ特征的空谱融合遥感地物识别模型（Ms_GLPQ）。首先,在空间域上利用Gabor滤波器组,提取出遥感图像各类地物多尺度、多方向的空间邻域特征信息,以描述图像的边缘和纹理等空间结构信息;其次,在频率域上将局部相位量化（Local Phase Quantization,LPQ）算子应用于高光谱遥感图像,提取出高光谱图像的多尺度频域纹理特征,获得图像的相位不变特征描述;然后针对其中特征冗余的问题采用主成分分析（PCA）算法进行降维,再将空间域、频率域的特征进行特征融合,获得了能充分描述图像信息的特征向量;最后采用基于提升树的机器学习分类器（XGBoost、CatBoost等）进行识别。在Indian Pines、Salinas和茶树等高光谱遥感数据集上进行学习与分类测试,准确率分别为85.88%、94.42%和92.61%。实验结果表明：与传统方法相比,Ms_GLPQ模型能够提取小比例样本图像中的有效特征,取得了区分性更强的多特征区域描述子,且在采用提升树模型进行分类时效果更优,得到了比常用分类器更高的识别精度。     

基于形态学多重分形的遥感图像多尺度分割

提出了一种基于数学形态学的局部多重分形指数特征来描述图像中的纹理信息，并构造了基于图像四叉树的多尺度分割算法来实现遥感图像的粗分割。形态学多重分形指数能够准确而全面的刻画纹理的局部尺度特性，而多尺度分割算法可以在保持分割精度的前提下大大降低时间复杂度。在遥感图像上进行的对比实验表明，该算法在分割的效果和效率上都优于使用其他纹理特征的分割算法。     

一种结合波段分组特征和形态学特征的高光谱图像分类方法

如何准确识别图像中的类别信息,是计算机视觉和模式识别领域的重要研究问题。遥感卫星图像数据,尤其是高光谱等遥感图像数据的出现,将空间信息与光谱信息集成于同一数据集中,丰富了图像信息来源。如何准确地识别高光谱图像中的地物类别,已经成为了图像处理和模式识别领域的热点问题。面向高光谱图像数据提出了一种基于波段分组特征和形态学特征的高光谱图像分类方法,结合空间和光谱特征提高分类精度。通过真实的高光谱数据实验证明:利用波段分组可以有效地保持光谱特征,降低数据冗余;在波段分组基础上结合形态学特征进行分类,比传统分类方法的分类精度明显提高。     

CBERS-02B卫星CCD数据质量评价与植被分类应用潜力

针对CBERS-02BCCD影像,结合图像客观质量评价方法、目视解译、自动解译等方法,以广西三娘湾一带为研究区,对影像的植被识别能力进行了综合评价。与TM数据的对比分析表明,CCD1、2、3波段辐射精度稍偏低,第4波段表现出较好的性能,19．5m的空间分辨率比TM能更好地显示出地物的几何纹理特征。RGB假彩色合成图像的地物目视解译效果较好。通过非监督分类、监督分类和决策树分类等常规方法对地物分类及对典型植被识别效果表明,CBERS-02BCCD遥感影像能较好地区分出红树林、桉树林、松树林和灌丛／农田等典型植被类型。     

利用小波分解和分形维数进行声纳图像识别

以分形维数和多重分形的概念为基础，通过计算原图像和灰度差分图像的分形维数和多重分形维数，形成了纹理特征集的第一部分；然后对声纳图像采用树式结构小波变换，将小波变换各个频带输出的熵作为纹理分类的特征，并根据特征本身的离散程度对其进行规范化处理，构成了纹理特征集的第二部分；最后将这两部分组合，对不同信噪比的声纳图像进行分类识别．识别结果表明，文中方法的识别率可达到90％以上．     

新疆干旱区绿洲土壤盐渍化信息提取对比研究

在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。以渭干河-库车河三角洲绿洲为例,利用ETM+数据,探讨了该绿洲盐渍化土地覆盖信息的提取方法。提出了基于SVM的光谱和纹理两种信息复合的分类方法,通过此方法对该绿洲进行分类研究,并将分类结果与最小距离法、最大似然法(MLC)、神经网络法(Neural net)和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明：该方法能够有效地解决单数据源分类效果破碎、分类精度不高等问题,并对高维输入向量具有较高的推广能力。总精度达到93.179 5%,比单源信息的SVM分类法提高了3.161 8%,比最大似然法提高了4.825 2%,比神经网络法提高了7.475 6%,而与最小距离法相比,总精度甚至提高了11.102 9%,取得了良好的效果。与传统的分类方法的比较表明,文中所提出的分类方法具有明显的优越性和良好的前景,因此该方法更适合于遥感图像分类和盐渍化信息提取,是地物遥感信息提取的有效途径。     

基于多重分形的纹理分析方法在B超图象识别中的应用

采用基于多重分开遥图象纹理分析方法对３类超肌肉图象进行了分类,并与采用单一分形的方法作了比较。     

Local fractal and multifractal features for volumic texture characterization

For texture analysis, several features such as co-occurrence matrices, Gabor filters and the wavelet transform are used. Recently, fractal geometry appeared to be an effective feature to analyze texture. But it is often restricted to 2D images, while 3D information can be very important especially in medical image processing. Moreover applications are limited to the use of fractal dimension. This study focuses on the benefits of fractal geometry in a classification method based on volumic texture analysis. The proposed methods make use of fractal and multifractal features for a 3D texture analysis of a voxel neighborhood. They are validated with synthetic data before being applied on real images. Their efficiencies are proved by comparison to some other texture features in supervised classification processes (AdaBoost and support vector machine classifiers).The results showed that features based on fractal geometry (by combining fractal and multifractal features) contributed to new texture characterization. Information on new features was useful and complementary for a classification method.This study suggests that fractal geometry can provide a new useful information in 3D texture analysis, especially in medical imaging.     

分形分维在遥感图像纹理分析中的应用

基于分形几何学的影像纹理分类是以影像纹理的分维值为最基本的分类依据,影像分维值不同则属于不同的纹理类型。介绍了三种计算影像分维值的算法和数学模型,应用结果表明,综合运用三种方法进行纹理分析能得到满意的结果。     

基于改进决策树分类算法的遥感影像分类研究

针对现有分类器对遥感影像分类结果存不准确的问题,本文提出了一种基于决策树分类器的遥感影像分类方法,该方法以复合决策树Boost Tree思想为基础,首先利用分形理论中的毯模型提取遥感影像的纹理特征,根据遥感影像分类的特点,构造新的单棵决策树生成算法对遥感影像进行分类。以北京市五环内区域为研究区,使用landsat7 ETM数据源,实现了基于分形纹理特征、光谱特征的改进决策树分类。实验结果表明：通过毯模型提取的纹理特征可以很好地表达表面特征,辅以该纹理信息的改进决策树分类精度相比于只用光谱信息进行分类的精度有一定的提高,改善了分类效果。     

基于快速鲁棒特征集合统计特征的图像分类方法

针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法.该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据.首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类.在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6%和5.4%.通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能.与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比,查准率分别提高了5.2%,6.8%,3.2%.     

Multi-class support vector machine for classification of the ultrasonic images of supraspinatus

This article proposes an effort to apply the multi-class support vector machine classifiers to classify the supraspinatus image into different disease groups that are normal, tendon inflammation, calcific tendonitis and supraspinatus tear. The supraspinatus tendon is often involved in the above-mentioned disease groups. Four different texture analysis methods – texture feature coding method, gray-level co-occurrence matrix, fractal dimension evaluation and texture spectrum – are used to extract features of tissue characteristic in the ultrasonic supraspinatus images. The mutual information criterion is adopted to select the powerful features from ones generated from the above-mentioned four texture analysis methods in the training stage, meanwhile, the five implementations of multi-class support vector machine classifiers are also designed to discriminate each image into one of the four disease groups in the classification stage. In experiments, the most commonly used performance measures including sensitivity, specificity, classification accuracy and false-negative rate are applied to evaluate the classification of the five implantations of multi-class support vector machines. In addition, the receiver operating characteristics analysis is also used to analyze the classification capability. The present results demonstrate that the implementation of multi-class fuzzy support vector machine can achieve 90% classification accuracy, and performance measures of this implementation are significantly superior to the others.     

Adaptive Fractal Image Sequence Coding by Variable Shape Decomposition

A two-phase fractal image sequence compression system is proposed. In the classification phase, according to the texture attribution a testing solid image block is assigned to its corresponding texture class. The texture attribution is derived from the tomographic block projection classification for the finite projection directions at the three-dimensional (3D) space. In the adaptive coding phase, both the algorithm of the 3D projection classification and the 3D variable shape decomposition are incorporated into the variable shape block transformation for image sequence. By applying this variable shape block transformation algorithm to fractal image sequence coding scheme, we can obtain a promising performance.     

一种基于分形的木材细胞图像特征提取方法*

木材纹理图像的分形维数可以代表木材很多的纹理特征,它是木材树种的一项重要数字特征参数。为了提取木材纹理特征,提出采用改进差分盒子法计算木材纹理细胞图像的分形维数值。理论分析和实验结果表明：该方法能够提取木材纹理特征,并且能在一定程度上克服图像比例大小对于特征提取所造成的影响,是木材纹理特征参数提取的一种重要方法。