基于擴展的局部二值模式的圖像紋理及圖像分類應用.pdf

1、探索適合高分辨率遙感圖像處理的新方法是目前遙感信息處理領域的前沿研究方向之一。與中低分辨率圖像相比，高分辨率圖像中地物的幾何結構及細節(jié)特征更加清晰，為利用空間信息識別地物特征提供了可能。紋理作為高分辨率圖像的一種重要特征，已被廣泛用于遙感信息處理中，探索新的紋理計算方法是圖像紋理分析中的重要問題之一。
　　局部二值模式（Local Binary Pattern，LBP）是最近發(fā)展起來的一種理論簡單但功能強大的紋理分析算法，在計算機

2、視覺等領域表現(xiàn)出良好的性能，并得到了較廣泛的應用和認可。但該方法在遙感領域的應用還很少。本文將該紋理提取算法應用到高分辨率遙感圖像的紋理提取及分類中，并進一步將其算法擴展到多維空間，提取多波段圖像紋理，通過圖像分類評價它們的性能；同時，對其中所涉及到的特征提取方法進行了深入研究。
　　論文首先將現(xiàn)有的單波段、兩波段LBP算法分別用于遙感圖像的紋理提取，并將得到的紋理特征分別用于圖像分類中，以評價LBP紋理的性能。實驗結果表明，加入

3、LBP紋理后，分類的總體精度比單純光譜分類的精度有明顯提高，尤其是對于紋理特征顯著的地物類別，分類精度的改善更為顯著。
　　論文將現(xiàn)有的LBP算法擴展到多維空間中，提取遙感圖像的多維紋理特征，定量描述多波段的空間變化信息。本文共提出了三種多維擴展方法，將它們提取的多元紋理特征分別加入到圖像分類過程中。實驗結果表明，將三種擴展算法提取的多元LBP紋理分別加入到分類中，得到的分類結果精度均比單純基于光譜信息的分類結果精度有較大提高，表

4、明本文提出的擴展方法是有效的。本文提出的多維LBP算法直接對多波段圖像進行多元紋理信息提取，避免了運用現(xiàn)有各種LBP紋理方法時所必需的波段選擇，顯示出其應用的簡便性。
　　為充分利用由LBP方法所得到的大量紋理信息進行圖像分類，針對LBP紋理的特點，本文在現(xiàn)有的最小噪聲分量（Minimum Noise Fraction，MNF）變換方法基礎上，提出了分塊的MNF（Segmented MNF）方法對數據進行特征提取，并基于該變換的分