高光谱遥感图像纹理特征提取：核函数自相关方法

"一种新的高光谱遥感图像纹理特征提取方法研究 (2009年)，冯静，舒宁" 本文研究的是高光谱遥感图像处理中的一个重要领域——纹理特征提取。高光谱遥感图像由多个连续的窄波段组成，能够提供丰富的地物信息，对于环境监测、资源调查等具有重要价值。传统的纹理分析方法通常针对可见光或红外图像，而高光谱图像的复杂性使得传统的纹理特征提取方法可能不足以捕获其丰富的细节。 作者冯静和舒宁提出了一种基于自相关的高光谱遥感图像纹理特征提取新算法。该算法的核心在于利用核函数技术，将单波段纹理窗口的空间自相关函数推广到多波段图像。空间自相关函数是一种衡量像素间相似性的统计工具，它可以反映出图像纹理的局部结构。通过引入核函数，这种方法能够更好地捕捉多波段数据之间的非线性关系，从而更准确地描述高光谱图像的纹理特性。 算法的实施步骤包括： 1. 首先，计算每个波段的纹理窗口的空间自相关函数。 2. 接着，利用核函数将这些自相关函数转换到一个高维特征空间中，使得多波段信息可以被有效地整合。 3. 然后，对生成的特征矢量进行无监督的C均值聚类实验，以探索不同尺寸窗口下的纹理聚类效果。 4. 最后，应用有监督的径向基函数（RBF）神经网络进行分类实验，通过比较不同窗口尺寸下的分类准确性，确定最佳的窗口大小。 实验结果显示，这种基于自相关特征的新方法在高光谱遥感图像的纹理描述上表现优秀，提高了分类的精度和稳定性。这表明，该方法对于高光谱遥感图像的分析和理解具有显著的改进作用，尤其在地物识别、环境变化监测等应用场景中。 关键词涉及的领域包括：高光谱遥感、纹理分析、特征提取。这些关键词突出了该研究的重点，即如何在高光谱图像的复杂环境中提取出有价值的纹理特征，以支持后续的数据分析和处理任务。 这篇论文贡献了一种创新的高光谱图像纹理特征提取方法，通过利用核函数技术和自相关函数，有效地处理了多波段信息，提高了特征的表达能力和分类效果。这一成果对于推动遥感图像处理技术的发展具有积极意义。