李亮， 张云， 李胜， 应国伟

(四川省第三测绘工程院，成都 610500)

融合空间关系的遥感图像分类

李亮， 张云， 李胜， 应国伟

(四川省第三测绘工程院，成都 610500)

针对光谱纹理特征分类方法的不足，提出了一种融合空间关系的遥感图像分类方法。利用直方图提取像斑特征，采用G统计量构建单像斑概率，通过迭代统计方法计算地物类别邻接概率，利用地物类别邻接概率表达像斑邻域概率，加权组合单像斑概率与像斑邻域概率构建像斑联合概率，依据最大后验概率准则获取图像分类结果。在QucikBird图像上的试验结果表明： 与传统的光谱纹理分类方法相比，该方法能够提高图像分类的精度； 整体分类精度与Kappa系数分别提高了1.5%和2.1%。

空间关系； 像斑直方图； G统计量； 地物类别邻接概率； 图像分类

0 引言

遥感图像分类是通过地物特征及判别法则确定图像中地物类别属性的过程[1]，广泛应用于土地覆盖分类[2]、专题信息提取[3]、土地利用变化检测[4]等领域。高分辨率遥感图像中不仅包括直接的光谱特征，还包括丰富的纹理[5-7]、形状[8-9]、空间[10-11]等特征。仅利用光谱特征进行图像分类的精度有限，融合多特征的影像分类方法能有效提高影像分类的精度[12]。空间特征用来表达地物在空间上的相关性，在高分辨率遥感图像分类中广泛应用。常用空间特征表达方法可划分为4类： 简单空间约束法、地物类别邻接矩阵法、多尺度空间特征法和马尔科夫随机场法。简单空间约束法以地物空间位置上越相近，则地物类别越相似为空间约束进行分类[13]；……