2、3 基于PCA的多光谱影像纹理特征提取 首先对实验区多光谱数据进行主成分变换，采用灰度共生矩阵法对PCA的第一主成分进行5种适宜的纹理特征提取包括：对比度、熵、逆差矩、非相似性、相关性；提取纹理信息移动窗口的大小选择很也重要，窗口的过大过小都会影响到特征提取的效果。本文在实验中分别采用5×5，7×7，9×9，11×11窗口对PCA的第一主成分进行纹理特征的提取，实验发现不同窗口的特征提取对分类结果精度有一定影响，实验数据显示7(7窗口分类精度较高，因此本文采取7×7窗口，然后将PCA的第一主成分提取5个纹理特征与PCA前3个光谱特征值叠加成有8个特征值的影像进行监督分类并做精度评价。

    3 结果与讨论

    本文训练样本选取的原则为：用目视的方式结合野外勘察选择的样本，精度评价方法采用混淆矩阵的方法选取一些地表真实地物的样本并且是可能会混淆的农田作为验证样本，来验证分类结果。首先对提取主成分的第一主分量进行5种纹理特征提取，再将这5个纹理特征值与经过PCA分析的前3个主分量光谱特征值进行叠加做监督分类；结果表明此方法效果较好 ......