[发明专利]一种基于多光谱遥感图像纹理元的地物类型纹理分类方法

说明书

技术领域

本发明涉及遥感图像处理技术，具体的说，涉及一种基于多光谱遥感图像纹理元的地物类型纹理分类方法。

背景技术

遥感图像，尤其是高空间分辨率遥感图像提供了丰富的关于地物几何结构、纹理细节、地物光谱等方面的信息，使得在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响成为可能，具有广阔的应用前景。

随着遥感图像空间分辨率的提高，传统的使用基于光谱的图像分类方法，并没有提高太多的分类精度。因为随着图像空间分辨率的提高，带来了更加明显的“同物异谱、同谱异物”现象，即代表同一地物的光谱差异性很大，而不同地物的光谱基本一致的现象，这给高空间分辨率的遥感图像分类带来了很大的困难。相比于单纯使用光谱信息进行图像的分类识别，基于纹理信息的地物类型分类逐渐受到重视。

目前，在遥感图像处理中，最常用的纹理信息为基于灰度共生矩阵的统计量，该种方法的缺点是过多的用户选择的参数，包括计算灰度共生矩阵的窗口的大小、波段的选择、最佳的统计量的选择；而基于Gabor滤波器组的纹理提取方法在图像检索中受到较广泛的应用，该方法以滤波器响应的均值和方差作为图像的纹理描述，避免了最佳的统计量的选择问题；但是该方法如何应用到彩色图像上一直没有好的办法。

在纹理分析的研究历史中，Julesz1981年提出了texton的概念，texon翻译成中文，即为“纹理元”。同时他认为纹理元是构成纹理图像可辨别的最小的元素。通俗而言，数字图像是由像素组成的，纹理元之于纹理图像也有类似的意思。但是如何计算纹理元一直没有给出可以计算的方法。直到1999年Leung和Malik在解决三维纹理的时候，给出了texton可计算的定义(参考文献：Thomas Leung and Jitendra Malik，”Representing and Recognizing the visual appearance of materials using three-dimensional textons”，International Journal ofComputer Vision，43(1)，29-44，2001.[托马斯.梁，钱德拉.马里克，“使用三维纹理元表示和识别材料的视觉表面”，计算机视觉国际期刊，43(1)，29-44，2001.])。纹理元的计算方法为，先使用一组滤波器组对图像进行滤波，然后对滤波结果进行聚类，聚类算法常用的是kmeans方法。在给出了纹理元的计算方法之后，纹理分类比较有效的方法是先计算一些代表着纹理图像中常有的各种图像特征的纹理元，然后统计纹理图像中各种类型的纹理元出现的频数，即统计纹理元的直方图，而纹理元的直方图可以称为“纹理模型”。随后，2005年Varma和Zisserman提出了通过一幅图像进行纹理分类的方法(参考文献：Manik Varma and Andrew Zisserman，“A statistical approach to texture classification from single images”，International Journal ofComputer Vision，62(1/2)，61-81，2005.[马里克.若玛，安德鲁.泽斯曼，“通过单一图像的一种纹理分类的统计方法”，计算机视觉国际期刊，62(1/2)，61-81，2005.])。

但是上述纹理元+纹理元直方图的解决方法，一方面是针对灰度图像进行的。而在高空间分辨率的遥感图像中，一般都是多个波段，不同的波段代表着不同的成像光谱范围。因而，需要仔细研究如何利用多个波段形成的纹理差异进行地物类型分类。另一方面，上述的解决方法是针对标准纹理库进行分类的，需要考虑怎样对遥感图像进行分类。

遥感图像分类一般使用监督分类方法，监督分类方法分为训练阶段和分类阶段。监督分类首先需要确定待分类的类别，以及各类别的样本。训练阶段为根据已有的样本，计算各类别的特征；分类阶段，为根据各个待分的数据特征，与已有的各个类别的代表性的特征进行比较，并分类为最相近的类别。

本专利提出了一种多光谱遥感图像纹理元的提取方法，以及基于多光谱纹理元的纹理分类方法，可用于基于高空间分辨率的遥感图像的地物类型纹理分类；针对遥感图像，提出了一种先进行图像分割，以分割得到的图像块为基本处理单元，提取该基本单元的纹理特征，进行分类的算法流程。所述的纹理分类是指，该分类方法主要根据图像的纹理差异进行地物类型的分类，以下简称纹理分类。

发明内容