基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富，需要进行有效的纹理特征描述．小波域隐马尔可夫树（HMT）模型提供了一种有效的纹理特征提取方法．简述了HMT模型及分割思想，并在此基础上针对多光谱遥感图像，探索更好的纹理描述方法．通过适当的数学变换，得到多光谱遥感影像在不同角度下的描述：H—S—I分量和最大主成分分量．研究比较各分量特性并应用HMT模型，得到不同分量下纹理分割结果．实验表明，利用多光谱信息可有效地提高分割质量。     

特征融合与约简的纹理分类方法研究

提出了一种新的基于多特征融合的纹理分类算法.首先,通过灰度共生矩阵(GLCM)、高斯马尔科夫随机场(GMRF)和二进制小波(Wavelet)抽取纹理特征,采用基于K近邻域(K-NN)分类器的留一法交叉验证错误率作为顺序前向搜索算法(SFS)的评估函数进行特征约简,从而有效地将多特征进行融合,最后利用K-NN分类器对融合后的特征进行分类.对Brodaz纹理库的测试结果证实:(1) GCLM,GMRF和Wavelet方法提取的纹理特征具有互补性与协同性;(2)与单独的纹理特征提取方法相比,多特征融合与约简的方法取得了更高的识别精度;(3) 与简单的特征联合方法相比,文中提出的方法识别率可提高约4%;(4) 与经典特征降维方法(主成分变换(PCA)、Fisher判别(LDA)法)相比,文中提出的方法在识别精度和识别效率方面更具有优势,是一种实用的纹理分类方法.