SAR图像纹理特征提取算法与面向对象分类技术研究

“本文主要探讨了在遥感图像分类中如何有效地提取纹理特征，针对SAR（合成孔径雷达）图像的特殊性，提出并实现了两种纹理特征提取算法：灰度-最大变化共生矩阵方法和基于小波的起伏矩阵方法。这两种方法分别从统计和频谱角度对纹理进行分析，以增强图像分类的效果。” 在遥感图像分析领域，纹理特征的提取是关键步骤，尤其对于SAR图像，由于其与光学图像的差异，分类更具挑战性。本文作者章智儒在导师陈武凡的指导下，对这一问题进行了深入研究。首先，介绍了灰度-最大变化共生矩阵纹理特征提取方法，这是一种基于统计特性的纹理分析手段。通过构建最大变化矩阵，结合灰度矩阵形成新的共生矩阵，从而提取出能反映纹理粗糙特性的统计量作为特征值，构建纹理特征向量。实验表明，这种方法在Brodatz纹理图像库的分类实验中，相比于常见的灰度-梯度共生矩阵和灰度-基元共生矩阵方法，具有更高的效率和简单的实现方式。 其次，文章提出了基于小波的起伏矩阵纹理特征提取方法，该方法融合了频谱分析和统计分析，利用小波变换进行多尺度分解，构造出体现纹理方向性和粗糙性的起伏矩阵，从中提取纹理特征。与基于小波的尺度共生矩阵和非抽样小波方法相比，这种方法更全面地体现了纹理的方向性和粗糙性，且算法直观，分类效果更优。 最后，这两种纹理特征提取方法被应用于面向对象的图像分类技术中，通过设计一种“投票机制”的类别判断方法，提高了分类精度。在实际航拍图像的分类实验中，这种方法避免了传统像素分类方法的碎片化结果和复杂的后处理问题，取得了良好的分类性能。 关键词：图像纹理，面向对象分类技术，共生矩阵，最大变化矩阵，纹理起伏矩阵 这篇硕士学位论文的研究对于理解和改进遥感图像分类，特别是在SAR图像处理中的纹理特征提取，提供了新的思路和实用的方法。通过结合统计和频谱分析，提出的特征提取算法不仅提高了分类效果，而且简化了后续处理，对于遥感图像分析领域的研究具有重要的参考价值。