ETM+遥感影像纹理信息提取技术在土地分类中的应用

"基于ETM+影像的遥感信息提取研究" 本文主要探讨了如何提高遥感影像分类的精度，特别是针对ETM+影像中的水田、旱田和居民地的提取。作者武文波和陈静来自辽宁工程技术大学测绘与地理科学学院，他们提出将遥感影像中的纹理信息作为关键特征，以此来区分不同地物类型。 在遥感信息提取中，传统的分类方法主要依赖于影像的光谱分辨率，但这种方法往往无法有效地区分光谱相近的地物，如菜地与耕地。因此，文章引入了纹理信息，通过灰度共生矩阵(GCM)这一纹理分析工具，计算和提取能够体现类别差异的纹理量值。GCM是一种常用的纹理特征提取方法，它能够描述相邻像素之间的灰度共生关系，从而反映图像的纹理结构。 在实验部分，研究人员选取沈阳市苏家屯区作为试验区，首先利用ETM+影像的光谱信息提取水体和植被，然后结合纹理信息来区分光谱信息混淆的水田、旱田和居民地。通过这种方式，他们成功地提高了分类的准确性。将这个结果与使用ERDAS软件的监督分类结果进行比较，证明了结合纹理特征的分类精度优于仅依赖光谱信息的分类。 此外，文章还指出纹理分析在许多领域中都有广泛的应用，例如在纹理图像分割中。吴高洪等人通过小波变换提出了改进的纹理分割方法，这进一步证实了纹理信息在遥感影像处理中的重要性。研究者认为，深入研究和应用基于纹理特征的地物分类和信息提取技术，对于高分辨率遥感影像的分析具有重要意义。 文章强调，灰度（即光谱信息）是遥感影像的基础，而纹理信息则反映了灰度的空间变化。为了使计算机能够处理和分析纹理，需要将其量化为纹理变量和纹理图像。地物的光谱特性由其物质组成和结构决定，不同地物在不同波段的反射和辐射特性存在差异，这些差异体现在灰度值上，成为分类的重要依据。 这篇研究论文提出了将光谱特征与纹理特征相结合的新方法，用于改善遥感影像的分类精度，特别适用于解决光谱混淆问题。这一方法对于土地利用、覆盖变化的监测以及资源管理等领域具有很大的实用价值。通过深入理解和应用这些特征，可以更准确地识别和解析遥感影像中的复杂地物信息。