加入改进LBP纹理的高分辨率遥感图像分类

宋本钦，李培军

(北京大学地球与空间科学学院遥感与地理信息系统研究所，北京 100871)

加入改进LBP纹理的高分辨率遥感图像分类

宋本钦，李培军

(北京大学地球与空间科学学院遥感与地理信息系统研究所，北京 100871)

高分辨率遥感图像纹理信息丰富，将其与光谱信息相结合进行地物分类可提高地物的精度。将改进的局部二值模式(LBP)纹理应用到高分辨率图像的土地覆盖分类中，并与只利用光谱信息和加入传统LBP纹理信息的分类结果相比较。结果表明:改进的LBP具有很好的抗噪性能，并能更有效地表达图像的纹理信息，加入这种纹理信息的图像分类精度明显高于纯光谱分类和加入传统LBP纹理信息的分类。

纹理;LBP;分类

0 引言

遥感图像分类是遥感信息提取的重要手段之一。近年来，高分辨率图像的大量获取为详细地表特征制图和监测提供了数据基础。与中低分辨率图像相比，高分辨率图像上的地物轮廓更加清晰，空间结构信息也更为丰富［1，2］。图像纹理是一种重要的空间信息，被广泛应用于图像分类，以提高分类精度［3，4］。目前，已有多种计算图像纹理的算法，如基于灰度共生矩阵、小波变换以及地统计学变差函数的纹理特征提取算法等［5-7］。局部二值模式(Local Binary Pattern，LBP)是近年来提出的一种算法简便、但功能强大的纹理分析方法［8］，它通过比较中心像元值与邻域像元值的大小来反映局部纹理特征，具有不受光照强度变化影响的特征。目前，LBP在机器视觉、面部分析及遥感图像分类等方面得到广泛应用，并取得好的效果［9，10］。……