行程长度纹理特征在SPOT遥感图像分类中的应用

摘要

将行程长度纹理特征与神经网络相结合应用于遥感图像分类中.在特征选择阶段采用类内、类间方差标准与 Rough 集相结合的方法挑选出有较强分类能力的特征并有效去除冗余特征.针对高分辨率、大尺度的 SPOT全色遥感卫星图像,分别基于行程长度纹理特征、共生矩阵纹理特征、灰度-梯度共生矩阵纹理特征和灰度-平滑共生矩阵纹理特征,采用 BP、RBF 两种类型的神经网络以及最近邻分类算法（K-NN 法）对其进行分类,并对分类结果进行对比.实验结果证明本文算法的有效性.