论文部分内容阅读
遥感因其信息量大、获取信息速度快、周期短、受限制少等优势,为海岸带调查提供了一种新的手段。其中对海岸带遥感影像的解译是遥感于海岸带调查最常见的应用。目前,面向对象的分类方法已经成为遥感图像解译的新方向。该方法首先将影像分割成一系列彼此相邻的同质区域,即对象,之后将对象分类。与传统的基于像元的方法相比,对象蕴含更丰富的形状、纹理信息,能够更全面地描述图像特征,从而提高分类精度。近年来,有学者将面向对象的分类方法应用于海岸带地物的分类。然而,海岸带的地物类型复杂,自然与人工地物并存,它们的光谱、纹理、形状、分布特征各异。目前仍没有一种方法能够准确提取所有类型的地物。因此,本文以“海岸带地物的面向对象分类算法研究”为题,做了如下工作:1、针对海岸带影像的自身特点确定地物类别,将纹元理论引入海岸带的面向对象分类之中,提出一种基于纹元的面向对象分类;2、采用结构张量对基于纹元的面向对象分类做出优化。使用结构张量的迹提取梯度图像,优化图像分割,采用结构张量纹理构建纹元优化分类过程;3、局部二值模式(LBP)是一种简单有效的纹理特征提取算法,笔者将针对LBP在海岸带面向对象分类中的应用展开研究。基于LBP纹理生成标记图像,进行分水岭分割,挖掘对象的几何特征信息,最后使用BP神经网络进行分类。结果表明:纹元在利用图像光谱特征的同时挖掘了图像的纹理特征,可以很好地表现图像特征,基于纹元的面向对象分类是一种有效的分类方法;结构张量可以对基于纹元的分类模型从分割和分类做出优化,从而优化整个分类过程;LBP对于某些海岸带地物能够进行很好地区分,对海岸带地物的分类提取有很大的研究价值。