开采沉陷遥感监测中多维纹理特征影像分类方法
来源期刊:煤田地质与勘探2008年第6期
论文作者:李良军 武彦斌
关键词:遥感影像; 开采沉陷; 影像分类; 多维纹理特征;
摘 要:为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法.首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度.对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maxirnum likelihood分类方法.
李良军1,武彦斌3
(1.西北大学地质系,陕西西安,710072;
2.安徽省公益性地反调查管理中心,安徽合肥,230001;
3.中国矿业大学煤炭资源与安全开采国家重点实验室,北京,100083;
4.河北经贸大学工商管理学院,河北石家庄,050061)
摘要:为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法.首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度.对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maxirnum likelihood分类方法.
关键词:遥感影像; 开采沉陷; 影像分类; 多维纹理特征;
【全文内容正在添加中】