分形理论在遥感影像分类中的应用

【摘要】：传统的遥感影像多数基于光谱特征进行分类,但是通过研究表明光谱特征难免会受到许多因素的干扰,尤其是"同物异谱,异物同谱"的制约与影响,导致分类精度不高。因此只利用波谱信息己不能满足遥感影像分类应用的需求,而作为遥感影像非常重要的信息之一的纹理特征,对于遥感影像的分类与识别有着非常重要的作用。纹理特征是区域性的,相对光谱特征而言受到外界的影响较小,提取出遥感影像包含的纹理特征并加以利用,可以弥补光谱信息的不足,有助于提高遥感影像分类的精度。随着遥感影像处理和分析的不断深入研究,遥感影像的空间分辨率越来越高,其所包含的纹理信息也更加丰富,因此,提取与利用遥感影像蕴含的纹理信息的意义重大。分形(Fractal)理论是由曼德尔勃罗特(B.Mandelbrot)(法国数学家)于1982年提出的。分形理论是非线性科学的一个活跃分支,由于人类对影像表面的纹理粗糙度的感知和分形维数是一致的,利用分形理论对遥感影像纹理进行分析,其理论与应用价值是非常有前景的。遥感影像中不同地物的纹理粗糙程度基本不同,分形维数是分形的度量,可以很好地体现纹理的粗糙程度,因此我们利用分形理论来提取遥感影像的纹理特征,并应用其区分地物类型成为可能。对于遥感影像的分类,选择适合的分类特征是提高分类和识别精度的方向,传统的分类特征多数基于光谱,但是光谱信息存在一定的局限性,引入纹理特征是提高遥感影像分类精度的新途径。利用分形理论可以有效地详细地描述遥感影像的纹理特征,将光谱特征和分形纹理结合起来进行分类时,像元之间由于光谱相近而导致的混分误差被很好的控制,相对于只单纯地利用光谱特征分类,其精度得到了非常大的提高。分形理论的应用能够更好地利用遥感影像的空间信息,使其和光谱信息结合起来,更有效地提高了遥感影像分类的精度,但也存在着很多问题:分形维数的稳定性,计算速度较慢,分形维数并不是对所有的影像都适合,计算量较大,分维值计算等问题。分形理论是非线性科学研究的重大成果,在遥感影像的纹理分析研究过程中具有非常大的潜力,如何更好地将分形理论应用到遥感影像分类中,我们将进一步探讨与研究。