论文部分内容阅读
传统的遥感影像多数基于光谱特征进行分类，但是通过研究表明光谱特征难免会受到许多因素的干扰，尤其是"同物异谱，异物同谱"的制约与影响，导致分类精度不高.因此只利用波谱信息己不能满足遥感影像分类应用的需求，而作为遥感影像非常重要的信息之一的纹理特征，对于遥感影像的分类与识别有着非常重要的作用.纹理特征是区域性的，相对光谱特征而言受到外界的影响较小，提取出遥感影像包含的纹理特征并加以利用，可以弥补光谱信息的不足，有助于提高遥感影像分类的精度.随着遥感影像处理和分析的不断深入研究，遥感影像的空间分辨率越来越高，其所包含的纹理信息也更加丰富，因此，提取与利用遥感影像蕴含的纹理信息的意义重大.分形(Fractal)理论是由曼德尔勃罗特(B.Mandelbrot)(法国数学家)于1982年提出的.分形理论是非线性科学的一个活跃分支，由于人类对影像表面的纹理粗糙度的感知和分形维数是一致的，利用分形理论对遥感影像纹理进行分析，其理论与应用价值是非常有前景的.遥感影像中不同地物的纹理粗糙程度基本不同，分形维数是分形的度量，可以很好地体现纹理的粗糙程度，因此我们利用分形理论来提取遥感影像的纹理特征，并应用其区分地物类型成为可能.对于遥感影像的分类，选择适合的分类特征是提高分类和识别精度的方向，传统的分类特征多数基于光谱，但是光谱信息存在一定的局限性，引入纹理特征是提高遥感影像分类精度的新途径.利用分形理论可以有效地详细地描述遥感影像的纹理特征，将光谱特征和分形纹理结合起来进行分类时，像元之间由于光谱相近而导致的混分误差被很好的控制，相对于只单纯地利用光谱特征分类，其精度得到了非常大的提高.分形理论的应用能够更好地利用遥感影像的空间信息，使其和光谱信息结合起来，更有效地提高了遥感影像分类的精度，但也存在着很多问题：分形维数的稳定性，计算速度较慢，分形维数并不是对所有的影像都适合，计算量较大，分维值计算等问题.分形理论是非线性科学研究的重大成果，在遥感影像的纹理分析研究过程中具有非常大的潜力，如何更好地将分形理论应用到遥感影像分类中，我们将进一步探讨与研究.