论文部分内容阅读
遥感图像分类是遥感图像处理研究领域中的一项主要内容，分类的精度直接影响遥感数据的应用水平和实用价值。如何解决多类别地物的识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义，它可以为灾害评估、城镇扩展和环境变化研究等提供必要的基础信息。但是目前从遥感图像中识别分类地物的方法多为目视判读，这种方法难以适应目前信息化时代的实时要求，耗费较多的人力和物力。 本文从“内蒙古沙源治理监测工程”项目的实际出发，以巴彦淖尔市2002年8月份的LANDSET7 ETM+遥感图像为数据源，主要研究了纹理分析与神经模糊网络两种方法在遥感图像分类中的应用。根据所选区域的实际情况，将土地覆盖／利用类型分为六类：山脉、居民区、水体、植被、沙漠、戈壁进行分类实验研究。在基于纹理特征分类实验中，我们采用灰度共生矩阵中的能量、对比度、相关、熵、逆差矩5个参数作为特征值，以模糊C均值作为分类器的遥感图像分类方法；在基于神经模糊网络方法的分类实验中，我们采用了TM1，TM3，TM4，TM5，TM7作为分类的特征值，采用“赢者胜”原则作为分类结果。 综合上述思想，使用Visual C++环境下开发的基于纹理特征的遥感图像自动分类系统与NEFCLASS神经模糊系统对巴彦淖尔市地区的六种地物类型进行分类实验，并将分类结果与最大似然分类方法进行了比较，结果显示出本文所采用方法的分类精度有所提高。