李俊杰

（江蘇師范大學(xué)科文學(xué)院 江蘇 徐州 221116）

引言

自1970年以來，遙感影像紋理分類技術(shù)愈來愈成熟，紋理信息分析在遙感影像處理中的使用，從早期的紋理信息和紋理圖像分割的描述和表達(dá)，向影像形狀分析和影像壓縮合成方向發(fā)展，遙感影像的紋理結(jié)構(gòu)比其他結(jié)構(gòu)更清楚、更穩(wěn)定。

1 紋理信息的分析方法

紋理分析方法有很多：①統(tǒng)計法。適合用來描述樹木紋理、草地等自然界中許多沒有特定形狀、周期的紋理；②結(jié)構(gòu)法。遙感紋理影像結(jié)構(gòu)法可運用模型來表達(dá)紋理以及按照紋理特征來界定。近年來，隨著遙感影像朝更成熟的方向發(fā)展，在這種情況下，遙感影像越來越清楚，如何通過有效描述其紋理特征的方法，提取到更加豐富的信息就顯得尤其重要[1]。

2 紋理信息的提取

2.1 灰度共生矩陣

灰度共生矩陣(Gray Level Co-occurrence Matrix)指的是用來分析圖像紋理特征的方法，是一種通過研究灰度的空間相關(guān)特性來描述紋理的常用方法。由于紋理是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩象素之間會存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性。在不改變數(shù)據(jù)原有信息的基礎(chǔ)上，對數(shù)據(jù)進(jìn)行重建和整理?；具^程為，先運用物聯(lián)網(wǎng)技術(shù)采集不同對象的參數(shù)，再運用大數(shù)據(jù)處理技術(shù)將收集的數(shù)據(jù)進(jìn)行整理、清洗、分配等[2-3]。

2.2 利用灰度共生矩陣提取紋理信息

灰度共生矩陣是遙感技術(shù)建設(shè)中最重要的部分之一，其涉及到企業(yè)的事務(wù)管理、文化建設(shè)、科研水平、科研能力、生活服務(wù)等多個方面。企業(yè)通過利用云技術(shù)、大數(shù)據(jù)處理技術(shù)和物聯(lián)網(wǎng)技術(shù)，提高了企業(yè)的科研質(zhì)量和管理能力。在未來，灰度共生矩陣提取紋理信息將越來越優(yōu)秀，人們也能夠享受到更好的科學(xué)體驗和生活環(huán)境。

以5×5的窗口為識別的基本單位，步長為1，從0°、45°、90°、135°四個方向分別計算中心像元的灰度共生矩陣及其統(tǒng)計特征參數(shù)(能量、熵、慣性矩即對比度和相關(guān)性)，再由這四個特征值組成一個特征向量。為了驗證特征值選取的有效性，在實驗中，選擇了幾種不同類型地物的圖像，按照以上的技術(shù)實現(xiàn)流程進(jìn)行訓(xùn)練[4-5]。

2.3 利用紋理信息對遙感影像進(jìn)行分類

本文研究的是紋理信息輔助下遙感影像的分類，故對選取的2017年7月16日河南信陽市光山縣影像數(shù)據(jù)進(jìn)行分類，一種進(jìn)行簡單的監(jiān)督分類，另一種通過選擇的四種紋理：均值、方差、協(xié)同性、對比度，與影像原來波段一起融合進(jìn)行分類。分類后精度的計算可以通過混淆矩陣來計算，混淆矩陣可以計算出不同類別的精度差異，這是我們可以用來對精度進(jìn)行評價的方法[6]。在評價影像精度時，通常用來對比實際值和分類之后的值，混淆矩陣是對比計算所有像元位置及分類與分類圖像中對應(yīng)的位置及分類，混淆矩陣可以把分類后的精度表示出來。因為本文研究用的分類方法和分類樣本都是一樣的，只有這樣才能統(tǒng)計出融合紋理的監(jiān)督分類和未融合紋理的監(jiān)督分類哪個更有優(yōu)勢，根據(jù)精度計算結(jié)果來看，融合的監(jiān)督分類更準(zhǔn)確更易區(qū)分，如建設(shè)用地、林地[7-10]。

3 結(jié)語

綜上所述，通過運用灰度共生矩陣提取遙感影像，把紋理與遙感影像原有波段相結(jié)合進(jìn)行分類，該方法可以有效提高遙感影像分類后的精度。遙感技術(shù)集中了空間、電子、光學(xué)、計算機通信和地學(xué)等學(xué)科的最新成就，是當(dāng)代高新技術(shù)的一個重要組成部分。國際上遙感技術(shù)的發(fā)展，將在未來15年將人類帶入一個多層、立體、多角度、全方位和全天候?qū)Φ赜^測的新時代。各種高、中、低軌道相結(jié)合，大、中、小衛(wèi)星相互協(xié)同，高、中、低分辯率互補的全球?qū)Φ赜^測系統(tǒng)，將能快速、及時地提供多種空間分辯率、時間分辯率和光譜分辯率的對地觀測海量數(shù)據(jù)。