光譜與紋理特征融合的遙感圖像分類方法.pdf

1、本文研究了基于光譜和紋理特征融合的遙感圖像目標(biāo)分類算法。分別運(yùn)用DS證據(jù)理論和相似度模糊推理算法實(shí)現(xiàn)了遙感圖像的分類。
　　 基于DS證據(jù)理論的遙感圖像分類算法，首先提取圖像的光譜特征和紋理特征，并對(duì)兩種特征進(jìn)行融合和概率分配。然后基于DS理論的證據(jù)組合，對(duì)四通道的概率進(jìn)行融合。最后是基于概率最大值進(jìn)行分類，并對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)。對(duì)融合前后的圖像進(jìn)行分類實(shí)驗(yàn)中，對(duì)于三類實(shí)際遙感圖，融合前的分類準(zhǔn)確度為0.941，融合后的分類準(zhǔn)確

2、度為0.959，對(duì)于五類實(shí)際遙感圖，融合之前的分類準(zhǔn)確度為0.765，融合之后的分類準(zhǔn)確度為0.812。采用九種融合方法對(duì)圖像處理后進(jìn)行分類，總體精度均大于融合之前的圖像。
　　 基于相似度模糊推理的分類方法，首先提取圖像的光譜特征和紋理特征，并對(duì)兩種特征進(jìn)行融合；然后是對(duì)輸入數(shù)據(jù)的模糊化；接著是針對(duì)四通道的融合，在融合過程中，通過求相似度權(quán)系數(shù)方法來實(shí)現(xiàn)加權(quán)平均；最后實(shí)現(xiàn)模糊分類，并對(duì)分類結(jié)果做出評(píng)價(jià)。在對(duì)融合前后的圖像進(jìn)行分

3、類實(shí)驗(yàn)中，對(duì)于三類實(shí)際遙感圖，融合之前的分類準(zhǔn)確度為0.964，融合之后的分類準(zhǔn)確度為0.994，對(duì)于五類實(shí)際遙感圖，融合之前的分類準(zhǔn)確度為0.922，融合之后的分類準(zhǔn)確度為0.939。采用九種融合方法對(duì)圖像處理后進(jìn)行分類，總體精度均大于融合之前的圖像。
　　 實(shí)驗(yàn)結(jié)果表明：采取光譜和紋理特征相結(jié)合的方法，利用這兩種特征的信息互補(bǔ)進(jìn)行分類，減少了漏分錯(cuò)分的現(xiàn)象，精度比單純使用光譜特征得到了提高。能夠有效的提高分類精確。利用融合算