高分辨率影像上的地物可辨識度高,形狀、顏色、邊界等清晰可見,同時也出現(xiàn)同類地物擁有多個光譜特征的情況,單靠光譜信息分類很難達到精度要求,因此紋理特征常常被作為光譜特征的有效補充,被引入到遙感分類中。無論是傳統(tǒng)的像元分類,還是后來的面向?qū)ο蠓诸?再到現(xiàn)在的深度學習分類,學者們都很重視紋理特征,紋理特征加入分類后能有效提高分類精度。但在紋理特征表達的過程中,有一個很值得關(guān)注的問題,那就是紋理尺度問題,即紋理提取過程中涉及到的窗口大小問題。雖然目前已經(jīng)有較為成熟的遙感影像的尺度效應(yīng)分析理論體系和研究方法,且紋理尺度分析可歸類為這個大體系下的一個小方面,但由于紋理特征表達自身的方法復(fù)雜性,紋理尺度選擇和紋理尺度效應(yīng)分析還缺少行之有效的方法。針對以上問題,考慮到紋理的度量在頻域比空域更加直觀和方便,圖像經(jīng)傅立葉變換后得到能量圖譜,用極坐標度量,能夠準確描述圖像紋理的周期模式和方向的分布,本文以遙感影像紋理特征表達最常用的方法即灰度共生矩陣和分形模型的方法為紋理特征表達方法基礎(chǔ),采用傅里葉頻譜統(tǒng)計分析方法,對上述兩種紋理特征的尺度效應(yīng)進行了分析。旨在從紋理自身的特性出發(fā),確定出能夠?qū)崿F(xiàn)最佳分類的理...

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 尺度問題的基本概述
        1.2.1 尺度的定義
        1.2.2 遙感尺度問題的研究
    1.3 紋理尺度國內(nèi)外研究現(xiàn)狀
    1.4 研究內(nèi)容及方法
        1.4.1 研究內(nèi)容
        1.4.2 紋理尺度選擇方法
    1.5 章節(jié)安排
2 遙感影像紋理尺度分析
    2.1 紋理分析
    2.2 基于灰度共生矩陣的紋理尺度分析
        2.2.1 灰度共生矩陣方法原理
        2.2.2 紋理尺度分析
    2.3 基于分形理論的紋理特征尺度分析
        2.3.1 分形方法原理
        2.3.2 紋理尺度分析
3 聯(lián)合頻譜分析紋理尺度選擇方法
    3.1 圖像頻譜能量獲取與頻譜特性分析
        3.1.1 圖像頻譜統(tǒng)計法
        3.1.2 地物頻譜特性分析
    3.2 基于頻譜統(tǒng)計分析的最佳紋理尺度選擇方法
    3.3 最佳紋理尺度選擇
        3.3.1 基于GLCM對比度特征圖的最佳尺度選擇
        3.3.2 基于分形理論的紋理特征頻譜分析及最佳尺度選擇
        3.3.3 基于局部方差的最優(yōu)紋理尺度選擇
4 基于最佳紋理窗口的分類實驗
    4.1 實驗數(shù)據(jù)
    4.2 實驗驗證
        4.2.1 灰度共生矩陣方法驗證試驗
        4.2.2 分形方法驗證試驗
        4.2.3 頻譜法與局部方差法的比較
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
附錄
    一、個人簡介
    二、碩士期間發(fā)表的學術(shù)論文



本文編號：3843466