海洋通报
海洋通報
해양통보
MARINE SCIENCE BULLETIN
2013年
4期
452-459
,共8页
纹理特征%多光谱遥感影像%支持向量机%油膜信息提取
紋理特徵%多光譜遙感影像%支持嚮量機%油膜信息提取
문리특정%다광보요감영상%지지향량궤%유막신식제취
textural features%multispectral image%support vector machine%oil spill information extraction
针对单纯依靠光谱特征油膜提取精度低、雷达影像油膜提取易受海况条件及假目标影响的问题,提出了一种结合光谱特征与纹理特征的多光谱遥感影像油膜信息提取方法.以2011年6月蓬莱19-3油田溢油事故为研究对象,选用HJ-1星CCD遥感数据,利用灰度共生矩阵获取影像纹理特征,采用SVM模型对结合纹理特征与光谱特征的影像进行分类,提取出研究区油膜信息,并将分类提取结果与仅依靠光谱特征的SVM模型分类结果进行了比较.结果表明:引入纹理特征的SVM模型分类总精度达到90.29％,比仅依靠光谱特征的分类精度提高了12.41％;纹理特征的参与降低了原影像噪声对分类结果的影响,油膜边缘提取更加清晰,油膜中心呈连续面状分布,引入纹理特征的SVM模型可有效地用于多光谱遥感影像海面油膜信息提取.
針對單純依靠光譜特徵油膜提取精度低、雷達影像油膜提取易受海況條件及假目標影響的問題,提齣瞭一種結閤光譜特徵與紋理特徵的多光譜遙感影像油膜信息提取方法.以2011年6月蓬萊19-3油田溢油事故為研究對象,選用HJ-1星CCD遙感數據,利用灰度共生矩陣穫取影像紋理特徵,採用SVM模型對結閤紋理特徵與光譜特徵的影像進行分類,提取齣研究區油膜信息,併將分類提取結果與僅依靠光譜特徵的SVM模型分類結果進行瞭比較.結果錶明:引入紋理特徵的SVM模型分類總精度達到90.29％,比僅依靠光譜特徵的分類精度提高瞭12.41％;紋理特徵的參與降低瞭原影像譟聲對分類結果的影響,油膜邊緣提取更加清晰,油膜中心呈連續麵狀分佈,引入紋理特徵的SVM模型可有效地用于多光譜遙感影像海麵油膜信息提取.
침대단순의고광보특정유막제취정도저、뢰체영상유막제취역수해황조건급가목표영향적문제,제출료일충결합광보특정여문리특정적다광보요감영상유막신식제취방법.이2011년6월봉래19-3유전일유사고위연구대상,선용HJ-1성CCD요감수거,이용회도공생구진획취영상문리특정,채용SVM모형대결합문리특정여광보특정적영상진행분류,제취출연구구유막신식,병장분류제취결과여부의고광보특정적SVM모형분류결과진행료비교.결과표명:인입문리특정적SVM모형분류총정도체도90.29％,비부의고광보특정적분류정도제고료12.41％;문리특정적삼여강저료원영상조성대분류결과적영향,유막변연제취경가청석,유막중심정련속면상분포,인입문리특정적SVM모형가유효지용우다광보요감영상해면유막신식제취.
