纹理分析方法汇总（棋盘法文献整理）

纹理分析方法 拓扑、 形态学 桑树信息提取解决了南方地形复杂、气候差异等条件的影像 遥感影像分类保持信息量不变，有效的减少噪声影像，增强特征的识别能力，提高分类精度 城市绿地提取提高分类精度 遥感影像纹理分析提高影像高精确性 灰度共生矩阵法 [1] [2] 拓扑、 统计方法 形态学 结构方法 谱方法 纹理元、 共生矩阵 [3] [4] 分形学方法 问题和应用 测定森林续集量 更有效的反应其纹理 有效提取地物类型 提取具有方向性的遥感纹理信息 将光谱混淆地物菜地和耕地分割开来。 应用于遥感图像岩性分类，解决了分类精度的问题。 确定遥感图像阴影区域，实现阴影区域的自动检测。 利用纹理信息辅助影像光谱分类以增强分类精度。 [5] [6] [7] [8] 灰度共生矩阵法 分形学方法 共生矩阵法 [9] [10] [11] [12] 灰度共生矩阵 灰度共生矩阵 灰度共生矩阵 灰度共生矩阵，模型回归分析 （1）应用：灾害监测（2）问题：不同时期的遥感图像灰度信息受到来自遥感平台和环境等因素影响，如传感器参数、太阳角度、大气条件等，使得基于图像灰度信息的变化检测阈值难以准确获，从而影响了遥感变化检测的精度。 [13] （1）应用：遥感影像分类（2）问题：遥感影像分类中，由于受到分辨率的限制，以及“同物异谱，异物同谱”的干扰，在没有获得理想的分类结果前，如何提高分类精度； [14] （1）应用：高分辨率遥感影像（2）问题：高分辨率遥感影像中“同谱异物”和“同物异谱”现象给准确的影像分割造成了困难 [15] （1）应用：地震油气勘探 频谱分析 Gabor变换 共生矩阵 多尺度自卷积 Tamura纹理和MSA直方图 [16] Gabor变换 共生矩阵 变差函数 共生矩阵 提高多光谱影像分类精度，反映像素间的结构性和数据间的统计性 判读线状纹理方向可解译为水流方向，纹 [17] [18] 理熵，获得该区域的流速分级图像，由外海至沿海，流速逐渐增大 得出中值、协方差、同质性、反差、差异性、熵、二阶距、自相关8种用于提取影像中纹理信息的特征统计量，得到各统计量的纹理特征图 居民地细节信息丰富，低频背景明显，高频背景大幅减弱, 45度方向滤波效果好，居民地轮廓边缘清晰、细部均匀，利于提取,特征影像区分度好，尤其是对比度测度，居民地轮廓更清晰,保留冗余度小、区分度高的测度用于居民地的提取,抗噪性较好、计算量大，对噪声敏感度较高 [19] [20] [1] 谢国雪。基于高分辨率遥感影像的桑树信息提取研究_以广西鹿寨县为例[J]。中国农业资源与区划，2015年，第36卷（第2期）：44-53。

[2] 金晶。基于纹理特征的高分辨率遥感影像分类方法研究[D]。湖南长沙：中南大学（测绘科学与技术，2013年。

[3] 刘充。基于资源三号卫星遥感影像的城市绿地信息提取方法研究[D]。山西太原：太原理工大学（地图制图学与地理信息工程），2014年。

[4] 梁国军。遥感影像纹理分析方法研究[J]。云南地理环境研究，2009年，第21卷（第1期）：93-98。

[5]刘俊。[基于ALOS遥感影像纹理信息的怀柔区针、阔叶林蓄积量反演模型研究]。北京林业大学：水土保持与荒漠化防治，2014年。

[6]许文海。[基于分形理论的遥感影像纹理分析与分类研究]。中南大学：地图学与地理信息系统，2010年。 [7]严威，夏晨阳，吴国宝。[基于核的多尺度纹理特征遥感影像SVM分类]。信息技术，2015，5：53-56。

[8]陈潇，邢立新，高志勇，元楠楠。[基于小波变换的遥感影像纹理信息提取]。安徽农业科学，2015，43（4）：363-366。 [9]姜青香，刘慧平。利用纹理分析方法提取TM图像信息[J]。遥感学报，2004，8(5)：459-464。

[10] 赵建华，杨树锋，陈汉林。基于分形纹理的遥感图像岩性识别方法[J]。遥感信息，2004。 [11]何凯，赵红颖，刘晶晶，王成优。基于分形及纹理分析的城市遥感影像阴影去除[J]。天津大学学报，2008，41(7):801-804。

[12] 黄艳，张超，苏伟，岳安志。合理尺度纹理分析遥感影像分类方法研究[J]。国土资源遥感，2008，4：15-17。

[13]王丽涛，王世新，周艺，等．基于纹理特征的高分辨率遥感影像灾害监测应用［J］．灾害学，2014,29( 3) : 97 － 101．

[14]黄祥，杨武年，结合灰度和基于动态窗口的纹理特征的遥感影像分类[J]. 测绘科学技术学报，2015,31（3）

[15]何晨，王超，一种基于纹理特征的遥感影像分水岭分割算法[J].信息技术，2015,2 [16]张鹏志，李兰斌，地震纹理分析在油气勘探中应用进展[J].物探与化探，2013,37（3）[17]陈桂芬，曾广伟，陈航，李春安,基于纹理特征和神经网络算法的遥感影像分类方法研究[D]。吉林长春：吉林农业大学信息技术学院，2014。

[18]乔远英，基于遥感TM影像纹理特征的长江河口流态信息分析[D]。上海：华东师范大学河口海岸学国家重点实验室，2014。

[19]许建东,染鹏,樊笑英,林旭东,基于遥感影像光谱与纹理分析的地物分类—以长白山天池火山地区为例[J]。地震地质，2009，31（4）：608-615。

[20]金飞，基于纹理特征的遥感影像居民地提取技术研究[D]。北京：解放军信息工程大学地理空间信息学院，2013。

其他解决方法：

监督分类、决策树分类、植被指数、目视解译、影像分割、面向对象分类方法

本文来源：https://www.bwwdw.com/article/ya6d.html