● 摘要
遥感图像的分类是遥感图像解译中的重要研究内容。遥感图像包含丰富的纹理信息，基于纹理的分类技术已经成为遥感图像分类的主流技术。本文以遥感图像的纹理特征提取和基于纹理特征的分类作为主要的研究内容，结合遥感图像分类中训练样本难以获得，图像尺寸大等难点，对以下几个方面进行了重点研究： 结合人类视觉感知机理，对小波多尺度分析纹理特征提取方法进行了研究。并结合无监督聚类的需要，提出了一种小波分解最优树的选取方法。该方法将模糊C均值的聚类有效性参数引入到自适应小波分解的判决中，能根据无监督聚类分割的需要，自适应地选取小波包分解的树形结构和分解层数。相对于小波包全分解，节省了大量的运算，分割效果则优于相同计算量的标准小波分解。 结合统计学理论中新兴的核方法，对基于核的聚类算法进行了研究。为解决图像分类中分类样本（对应图像像素）数目庞大，造成的核空间聚类算法计算量过大的问题，提出了一种简化算法。该方法对图像先进行过分割，再对过分割得图像块进行核空间聚类的方法，大大降低了运算成本，同时保持了核聚类算法的性能。 对近年来纹理分类的热点研究方向：基于小波域隐马尔科夫树模型的图像分类，进行了研究和探讨。其中主要关注的是基于隐马尔科夫模型的无监督分类算法。结合遥感图像的特点，将小波域HMT模型中舍弃的LL子带信息加以利用，改进了EM算法中初始参数的选取，降低了算法的迭代次数，提高了运算效率。