Worldview-2影像地物精细分类：光谱与纹理信息的融合与SVM应用

本文主要探讨了基于光谱与纹理信息的Worldview-2影像地物分类技术，发表在2013年的《福建师范大学学报(自然科学版)》第29卷第4期。高分辨率遥感影像的分类在遥感影像处理领域具有重要意义，特别是在Worldview-2这样高清晰度的数据源上。作者章文龙、林贤彪、全和曾从盛针对Worldview-2影像，采用了两种主要的分类方法：最大似然分类法(MLC)和支持向量机法(SVM)。 首先，他们选择光谱信息作为基本分类数据，这是遥感图像分析中最直观的特征，它反映了地物对不同波段电磁辐射的吸收和反射特性。然而，光谱信息可能受到大气条件、传感器噪声等因素的影响，因此，他们进一步引入了纹理信息，这是一种描述图像局部灰度或颜色变化的统计特性，能够增强对地物细节的识别能力。 研究发现，通过9×9大小的纹理窗口，可以最大化地利用纹理信息，从而提高分类精度。对比MLC和SVM两种方法，结果显示SVM的分类精度明显优于MLC，这可能是由于SVM的强大非线性建模能力和对小样本数据的处理能力。SVM能够在复杂的影像特征空间中构建出最优决策边界，有效地区分不同的地物类别。 结合光谱和纹理信息的分类方法，相较于单纯依赖光谱信息，其分类精度有了显著提升。这证明了纹理特征对于地物分类的辅助作用，尤其是在Worldview-2这样高分辨率的影像中，纹理信息能弥补光谱信息的不足，提供更丰富的空间特征，有助于更准确地提取地物信息。 这篇论文的重要贡献在于实证了纹理信息在Worldview-2影像分类中的积极作用，并展示了SVM作为一种高效分类工具的有效应用。这对于遥感影像处理领域的实践者来说，提供了有价值的参考方法，特别是在高精度地物识别和土地利用/覆盖分类方面。同时，这也为后续的研究者们在利用多种特征组合优化遥感图像分类性能方面打开了新的思路。