兰泽英，刘　洋

1. 广东工业大学管理学院，广东 广州 510520； 2. 广州市城市规划勘测设计研究院，广东 广州 510060



领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

兰泽英1，刘洋2

1. 广东工业大学管理学院，广东 广州 510520； 2. 广州市城市规划勘测设计研究院，广东 广州 510060

Foundation support： The National Natural Science Foundation of China (No. 41301377)

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用，提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法，从而提高纹理特征的有效性，并解决影像土地利用分类中存在的不确定性问题。为此，根据人类目视解译的特点，对GIS与RS数据进行集成计算：首先，在图像配准的基础上，利用经典的GIS空间数据挖掘算法，渐近式地提取领域形态知识；接着，采用关联分析法建立其与GLCM构造因子之间的响应机制，并设计了基于地类形状指数的多尺度窗口建立算法，以及基于地类主方向分布指数的方向权值测度算法。试验结果表明，领域形态知识与GLCM空间因子之间具有强相关关系，该方法提取出的纹理特征可以描述复杂地物的空间意义，算法复杂度低，性能优越，有效提高了影像土地利用分类的精度。

GLCM纹理影像分类;多尺度窗口;主方向权值;集成计算;GIS空间数据挖掘

高分辨率遥感影像有着丰富的纹理信息，对纹理特征描述准确，可以有效区分复杂的土地利用类别。从统计学的角度出发，最有代表性的纹理特征提取算法是灰度共生矩阵算法(grey level co-occurrence matrix，GLCM)[1-2]，它建立在特定范围、特定方向的灰度频数联合概率之上，可以计算出对比度、相关度、均匀性等14种纹理特征[1]，从而直观地描述影像的重复空间结构特性。……