基于多尺度纹理和光谱信息的海岛土地利用遥感分类方法研究

海洋学研究 ›› 2013, Vol. 31 ›› Issue (2): 35-44.

基于多尺度纹理和光谱信息的海岛土地利用遥感分类方法研究

李利红, 张华国^*, 厉冬玲, 史爱琴, 王小珍

卫星海洋环境动力学国家重点实验室,国家海洋局第二海洋研究所,浙江杭州 310012

收稿日期:2012-12-11 修回日期:2013-04-22 出版日期:2013-06-15 发布日期:2022-11-29
通讯作者: *张华国,副研究员,E-mail:zhanghg@sio.org.cn
作者简介:李利红(1985-),男,甘肃定西市人,硕士研究生,主要从事海岛海岸带遥感技术应用研究。E-mail:chdllh@aliyun.com
基金资助:
国家海洋公益性行业科研专项经费资助项目(200905011)

Study on island land use classification method based on multi-scale texture and spectral information

LI Li-hong, ZHANG Hua-guo^*, LI Dong-lin, SHI Ai-qin, WANG Xiao-zhen

State Key Laboratory of Satellite Ocean Environment Dynamic, The Second Institute of Oceanography, SOA, Hangzhou, 310012, China

Received:2012-12-11 Revised:2013-04-22 Online:2013-06-15 Published:2022-11-29

摘要/Abstract

摘要： 本文基于灰度共生矩阵提取多尺度纹理指数影像,将纹理指数影像作为逻辑波段与原始影像波段组合,进行最大似然监督分类的实验,以改善单纯基于像元光谱影像分类技术的不足。利用SPOT-5卫星遥感影像对西门岛土地利用分类的实例进行分析。结果表明,由SPOT-5遥感影像第一波段和第二波段计算所得的相关性和同质性纹理指数影像以及由第三波段计算所得的均值纹理和第四波段计算的同质性纹理指数影像,对海岛土地利用分类精度的提高均有较为显著的效果,其中加入多尺度纹理信息后西门岛土地利用遥感影像分类的总体精度由75.41%提高到89.41%。

关键词: 遥感, 多尺度, 灰度共生矩阵, 纹理

Abstract: Based on gray level co-occurrence matrix(GLCM), different multi-scale texture images were extracted, and then the texture bands were combined with original bands to get new composited multispectral bands. The maximum likelihood supervised classification method was applied to new different composited images to test the differences of classification accuracy. Taking Ximen Island as a case study, through analyzing the differences of classification accuracy of different composited images, the following preliminary conclusions were got: (1)the total classification accuracy can be improved from 75.41% to 89.41% by using multi-scale texture images; (2)among different texture indices, correlation and homogeneity texture image calculated from the first band and second band of SPOT-5 image, mean texture image calculated from the third band, homogeneity texture image calculated from the fourth band can both improve classification accuracy than other texture indices images calculated from other bands.

Key words: remote sensing, multi-scale, GLCM, texture

中图分类号:

李利红, 张华国, 厉冬玲, 史爱琴, 王小珍. 基于多尺度纹理和光谱信息的海岛土地利用遥感分类方法研究[J]. 海洋学研究, 2013, 31(2): 35-44.

LI Li-hong, ZHANG Hua-guo, LI Dong-lin, SHI Ai-qin, WANG Xiao-zhen. Study on island land use classification method based on multi-scale texture and spectral information[J]. Journal of Marine Sciences, 2013, 31(2): 35-44.

参考文献

[1] SONG Cui-yu, LI Pei-jun, YANG Feng-jie. Application of multiscale image texture to the detection of urban expansion[J]. Remote Sensing for Land & Resources,2006,69(3):27-42.
宋翠玉,李培军,杨锋杰.运用多尺度图像纹理进行城市扩展变化检测[J].国土资源遥感,2006,69(3):27-42.
[2] MA De-feng, LI Pei-jun. The use of multiscale texture in image classification for lithologic mapping[J]. Acta Petrologica Sinica,2008,24(6):1 425-1 430.
马德锋,李培军.加入多尺度图像纹理的岩性分类[J].岩石学报,2008,24(6):1 425-1 430.
[3] CHEN Cheng, ZHANG You-jing. The classification of SVM based on the multi-scale texture information and spectral information[J]. Science of Surveying and Mapping,2009,34(1):29-31.
陈晨,张友静.基于多尺度纹理和光谱信息的SVM分类研究[J].测绘科学,2009,34(1):29-31.
[4] HU Wen-yuan, NIE Qian, HUANG Xiao-chuan. A method for classification of high spatial resolution remotely sensed images based on texture and spectral information[J]. Journal of Geomatics,2009,34(1):16-17.
胡文元,聂倩,黄小川.基于纹理和光谱信息的高分辨率遥感影像分类[J].测绘信息与工程,2009,34(1):16-17.
[5] LI Jin, WANG Xin, ZHANG Yuan. On relationship between texture features based on GLCM and tree measuring factors of pinus massoniana forest[J]. Journal of Zhejiang for SCI & TECH,2010,30(3):68-71.
李进,王鑫,张园.灰度共生矩阵纹理特征与马尾松林测树因子关系初探[J].浙江林业科技,2010,30(3):68-71.
[6] HARLICK R M, SHANMUGAM K, DINSTEIN I H. Textual features for image classification[J]. IEEE Transactions on Systems, Man, and Cybernetics,1973,3(6):610-621.
[7] CAO Bao, QIN Qi-ming, MA Hai-jian, et al.Application of object-oriented approach to SPOT-5 image classification: A case study in Haidian District,Beijing City[J]. Geography Geo-information Science,2006,22(2):46-49.
曹宝,秦其明,马海建,等.面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-49.
[8] ZHANG Jun, WANG Bao-shan, ZHANG Zhi-qiang. High spatial resolution remote sensing image classification based on object-oriented multi-features[J]. Journal of Geomatics,2010,35(3):3-5.
张俊,王宝山,张志强.面向对象的高空间分辨率影像分类研究[J].测绘信息与工程,2010,35(3):3-5.
[9] FAN Lei, CHENG Yong-zheng, WANG Lai-gang, et al. Estimation of winter wheat planting area using object-oriented method based on multi-scale segmentation[J]. Chinese Journal of Agricultural Resources and Regional Planning,2010,31(6):44-51.
范磊,程永政,王来刚,等.基于多尺度分割的面向对象分类方法提取冬小麦种植面积[J].中国农业资源与区划,2010,31(6):44-51.

[1]	李炎, 陈一宁, 吴祥柏. 论陆-海界面的复参数化[J]. 海洋学研究, 2022, 40(3): 3-8.
[2]	龚照辉, 时连强, 张达恒, 张华国, . 中越典型港湾海岸线与围填海的遥感比较——以防城湾和海防港为例[J]. 海洋学研究, 2022, 40(3): 62-72.
[3]	张勇勇. 基于GF5-AHSI遥感数据的横沙浅海水深反演[J]. 海洋学研究, 2022, 40(2): 93-101.
[4]	栾奎峰, 徐航, 潘与佳, 等. 基于高光谱传感器的长江口表层悬浮泥沙质量浓度光谱曲线特征研究#br#[J]. 海洋学研究, 2022, 40(1): 64-71.
[5]	熊一璇, 麻书畅, 张霄宇, 黄国容, 陈嘉星, 韩亚超. 基于多源遥感数据的大襟岛海域叶绿素a反演及富营养化评价[J]. 海洋学研究, 2021, 39(2): 43-51.
[6]	蒋锦刚, 冯慧云, 张亚国, 何贤强. 空间变异对海洋叶绿素a质量浓度遥感产品精度验证的影响[J]. 海洋学研究, 2021, 39(1): 9-19.
[7]	范小安, 王金辉, 徐美娜, 邓艳芬. 典型入海口海岸带生态环境质量遥感评价研究——以宝山区为例[J]. 海洋学研究, 2020, 38(2): 66-73.
[8]	邹亚荣, 刘建强, 梁超, 朱海天. 基于HY-1C卫星CZI数据的红树林长势遥感监测[J]. 海洋学研究, 2020, 38(1): 68-76.
[9]	王隽, 杨劲松, 周礼英, 贺双颜, 贺治国, 肖清梅, 刘安国, 许明光. 基于多源卫星遥感数据的安达曼海及其邻近海域内波分布特征分析[J]. 海洋学研究, 2019, 37(3): 1-11.
[10]	范开国, 常俊芳, 顾艳镇, 南明星, 冉阳, 周育峰. 星载SAR近岸海上风能遥感研究进展[J]. 海洋学研究, 2019, 37(3): 49-54.
[11]	陈建, 程锐, 刘娟, 王辉赞, 鲍森亮, 闫恒乾. 遥感海表盐度分析产品的有效分辨率研究[J]. 海洋学研究, 2018, 36(4): 17-27.
[12]	刘源, 邱振戈, 栾奎峰, 侍炯, 朱卫东, 刘鲁燕, 沈蔚, 曹彬才. 基于地理加权回归模型的水深反演算法研究[J]. 海洋学研究, 2018, 36(4): 35-42.
[13]	阚丽萍, 邹亚荣, 胡卓玮. 多光谱与纹理特征结合的WorldView-2影像海岸线提取方法研究——以马来西亚棉花岛为例[J]. 海洋学研究, 2018, 36(4): 43-52.
[14]	吕航宇, 白雁, 李骞, 江洪. 夏季珠江口海域海水CO₂分压的卫星遥感反演[J]. 海洋学研究, 2018, 36(2): 1-11.
[15]	王艺霖, 王晓林, 张华国. 基于MISR多角度光学遥感影像的海面风速估算实验[J]. 海洋学研究, 2018, 36(2): 19-26.