遥感图像纹理分析
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 这一定义要求通过统计方法实现对纹理的 描述。特别适用于那些仅显示出“随机自 然性质”的纹理图像。
• 图像的纹理特征可以用两种基本特征来描述， 即组成纹理的基元和基元之间的相互关系；
• 前者与局部灰度变化规律有关，它有一定的形 状和大小；后者则与由前者形成的空间结构相 关，基元的排列不同将会使图像的外观产生很 大的不同。
d=1,东西向灰度共生矩阵
No.(0,0) No.(0,1) No.(0,2) No.(0,3) No.(1,0) No.(1,1) No.(1,2) No.(1,3) No.(2,0) No.(2,1) No.(2,2) No.(2,3) No.(3,0) No.(3,1) No.(3,2) No.(3,3)
纹理分析在遥感图像 识别中的应用
主要内容
一、纹理的描述和分析方法 二、遥感图像的纹理识别方法
一、纹理的描述和分析方法
• 遥感图像通常包括光谱信息和空间结构两大 特征。
• 光谱信息反映了地物反射电磁波能量的大小， 是图像解译的基本依据。
• 纹理特征是通过灰度的空间变化及其重复性 来反映地物的视觉粗糙度，能充分地反映影 像特征,是描述和识别图像的重要依据。
典型的纹理图像
纹理的定义
• 图像纹理反映了图像灰度的性质及其空间 关系，是图像中一个重要而又难以描述的 特性。
定义一：纹理是某一确定的图像区域中，以 近乎周期性的种类和方式重复其自身的局 部基本模式。纹理由基本模式及其规则排 列构成。
纹理的定义
定义二：纹理是在某一确定的图像区域中， 相邻像素的灰度（或色调、颜色）服从某 种统计排列形成的一种空间分布。
空间/频率域联合分析法
• 主要是依据傅立叶频谱峰值所占的能量比 例将图像分类。
包括计算峰值处的面积、峰值处的相位、峰 值与原点的距离平方等手段。
统计分析法
• 1、灰度共生矩阵(Gray Level Co- occurrence Matrix,
GLCM )
• 2、灰度游程长度法（Gray Level Run Length）
• 最显然的处理方式是在各个方向进行抽取， 通常方向以45度为划分单位，依次为:0度, 45度, 90度, 135度四个方向，分别代表东 一西、东北一西南、南一北、东南一西北4 个方向的共生矩阵，
灰度共生矩阵
0011 0011 2222 2233
No.(0,0) No.(0,1) No.(0,2) No.(0,3) No.(1,0) No.(1,1) No.(1,2) No.(1,3) No.(2,0) No.(2,1) No.(2,2) No.(2,3) No.(3,0) No.(3,1) No.(3,2) No.(3,3)
纹理实例
• 纹理对我们并不陌生，从多光谱卫星图片 到细胞组织的图像都可以看到纹理。
• 日常生活中常见的砖墙、水磨石地、纺织 品及一些自然景物都有明显的纹理特征。
• 它反映了物体表面颜色和灰度的某种变化， 而这些变化又与物体本身属性相关。
• 纹理不仅 反映图像 的灰度统 计信息， 而且反映 图像的空 间分布信 息和结构 信息
最主要的特性。
纹理分析的应用
•目标识别、 •遥感图像分析 •医学图像分析 •基于生物特征的身份鉴定
遥感图像分析
• 在遥感图像中，陆地、 水域、小麦田、城市、 森林、山脉等也都具 有各自特定的纹理。
• 通过分析遥感图像的 纹理特征，可以进行 区域识别、森林识别 等。
纹理的分析方法
• 根据抽取纹理特征方法的不同，可以将图 像纹理分析大致分为四类：
1、灰度共生矩阵(Gray Level Cooccurrence Matrix, GLCM )
• 灰度共生矩阵又称为灰度空间相关矩阵，是通 过研究灰度的空间相关特性来描述纹理的常用 方法.
• 它作为传统的图像纹理分析方法已广泛应用于 数字图像处理的许多领域，尤其是利用图像纹 理特征值所表征的图像空间结构信息来改善遥 感图像的地学目标分类效果。
•统计分析法 •结构分析法 •模型分析法 •空间/频率域联合分析
统计分析法
• 在不知道纹理基元或尚未检测出基元的情况下对小区域 纹理特征的统计分布进行纹理分析，主要描述纹理基元 或局部模式随机和空间统计特征，以表示区域的一致性 及区域间的相异性。
• 统计分析法适用于纹理比较细且纹理基元排列不规则的 图像纹理（沙地、草坪等自然纹理图像）。
• 确定性纹理：纹理基元按某种确定性的规律组 成，比较规则，具有一定的周期性。
• 随机性纹理：纹理基元按某种统计规律组成的， 随机、不规则。
关于纹理的描述
• 图像纹理可定性地用以下几种描述来表征： （粗的、细的 、平滑的、颗粒状的、随机的、
线状的、斑驳杂色的、不规则的或波纹状的）。 • 粗糙性和方向性是人们区分纹理时所用的两个
• 目前采用较多的统计分析法：灰度共生矩阵法、灰度差 分法、自相关函数、灰度的空间共生概率等。
• 该方法在纹理分析中占有主导地位，对纹理的细节性和 随机性描述较好。
结构分析法
• 在已知纹理基元的情况下，根据图像纹理小区域 内的特征及其周期性排列的空间几何特征和排列 规则进行纹理分析。
• 应用结构分析法首先要确定基元的形状和属性， 然后确定控制这些基元位置的空间关系。
• 目前采用较多的结构分析法有形态学、拓扑等方 法。
• 结构分析法对纹理的宏观性和结构性描述较好， 但适应性远不如统计分析方法。
模型分析法
• 假定纹理是以某种参数控制的分布模型方 式形成的。通过模型参数来定义纹理，通 过纹理图像的实现来估计模型参数，以参 数作为纹理特征，进行纹理分析。
• 常用的模型主要有自相关模型、自回归模 型、Markov随机场模型、分形模型等。
ห้องสมุดไป่ตู้
矩阵基本原理
• 共生矩阵法(或空间灰度级相关方法)能够反映亮度的 分布特性，同时也可以反映具有同样亮度或接近亮度 的像素之间的位置分布特性，是一种基于图像灰度联 合概率矩阵的方法，是有关图像亮度变化的二阶统计 特征。
• 通过对图像灰度级之间二阶联合条件概率密度函数来 表达。
• 由于灰度共生矩阵与方向有关，单一方向 的抽取会造成图像发生旋转时纹理特征发 生变化，
• 图像的纹理特征可以用两种基本特征来描述， 即组成纹理的基元和基元之间的相互关系；
• 前者与局部灰度变化规律有关，它有一定的形 状和大小；后者则与由前者形成的空间结构相 关，基元的排列不同将会使图像的外观产生很 大的不同。
d=1,东西向灰度共生矩阵
No.(0,0) No.(0,1) No.(0,2) No.(0,3) No.(1,0) No.(1,1) No.(1,2) No.(1,3) No.(2,0) No.(2,1) No.(2,2) No.(2,3) No.(3,0) No.(3,1) No.(3,2) No.(3,3)
纹理分析在遥感图像 识别中的应用
主要内容
一、纹理的描述和分析方法 二、遥感图像的纹理识别方法
一、纹理的描述和分析方法
• 遥感图像通常包括光谱信息和空间结构两大 特征。
• 光谱信息反映了地物反射电磁波能量的大小， 是图像解译的基本依据。
• 纹理特征是通过灰度的空间变化及其重复性 来反映地物的视觉粗糙度，能充分地反映影 像特征,是描述和识别图像的重要依据。
典型的纹理图像
纹理的定义
• 图像纹理反映了图像灰度的性质及其空间 关系，是图像中一个重要而又难以描述的 特性。
定义一：纹理是某一确定的图像区域中，以 近乎周期性的种类和方式重复其自身的局 部基本模式。纹理由基本模式及其规则排 列构成。
纹理的定义
定义二：纹理是在某一确定的图像区域中， 相邻像素的灰度（或色调、颜色）服从某 种统计排列形成的一种空间分布。
空间/频率域联合分析法
• 主要是依据傅立叶频谱峰值所占的能量比 例将图像分类。
包括计算峰值处的面积、峰值处的相位、峰 值与原点的距离平方等手段。
统计分析法
• 1、灰度共生矩阵(Gray Level Co- occurrence Matrix,
GLCM )
• 2、灰度游程长度法（Gray Level Run Length）
• 最显然的处理方式是在各个方向进行抽取， 通常方向以45度为划分单位，依次为:0度, 45度, 90度, 135度四个方向，分别代表东 一西、东北一西南、南一北、东南一西北4 个方向的共生矩阵，
灰度共生矩阵
0011 0011 2222 2233
No.(0,0) No.(0,1) No.(0,2) No.(0,3) No.(1,0) No.(1,1) No.(1,2) No.(1,3) No.(2,0) No.(2,1) No.(2,2) No.(2,3) No.(3,0) No.(3,1) No.(3,2) No.(3,3)
纹理实例
• 纹理对我们并不陌生，从多光谱卫星图片 到细胞组织的图像都可以看到纹理。
• 日常生活中常见的砖墙、水磨石地、纺织 品及一些自然景物都有明显的纹理特征。
• 它反映了物体表面颜色和灰度的某种变化， 而这些变化又与物体本身属性相关。
• 纹理不仅 反映图像 的灰度统 计信息， 而且反映 图像的空 间分布信 息和结构 信息
最主要的特性。
纹理分析的应用
•目标识别、 •遥感图像分析 •医学图像分析 •基于生物特征的身份鉴定
遥感图像分析
• 在遥感图像中，陆地、 水域、小麦田、城市、 森林、山脉等也都具 有各自特定的纹理。
• 通过分析遥感图像的 纹理特征，可以进行 区域识别、森林识别 等。
纹理的分析方法
• 根据抽取纹理特征方法的不同，可以将图 像纹理分析大致分为四类：
1、灰度共生矩阵(Gray Level Cooccurrence Matrix, GLCM )
• 灰度共生矩阵又称为灰度空间相关矩阵，是通 过研究灰度的空间相关特性来描述纹理的常用 方法.
• 它作为传统的图像纹理分析方法已广泛应用于 数字图像处理的许多领域，尤其是利用图像纹 理特征值所表征的图像空间结构信息来改善遥 感图像的地学目标分类效果。
•统计分析法 •结构分析法 •模型分析法 •空间/频率域联合分析
统计分析法
• 在不知道纹理基元或尚未检测出基元的情况下对小区域 纹理特征的统计分布进行纹理分析，主要描述纹理基元 或局部模式随机和空间统计特征，以表示区域的一致性 及区域间的相异性。
• 统计分析法适用于纹理比较细且纹理基元排列不规则的 图像纹理（沙地、草坪等自然纹理图像）。
• 确定性纹理：纹理基元按某种确定性的规律组 成，比较规则，具有一定的周期性。
• 随机性纹理：纹理基元按某种统计规律组成的， 随机、不规则。
关于纹理的描述
• 图像纹理可定性地用以下几种描述来表征： （粗的、细的 、平滑的、颗粒状的、随机的、
线状的、斑驳杂色的、不规则的或波纹状的）。 • 粗糙性和方向性是人们区分纹理时所用的两个
• 目前采用较多的统计分析法：灰度共生矩阵法、灰度差 分法、自相关函数、灰度的空间共生概率等。
• 该方法在纹理分析中占有主导地位，对纹理的细节性和 随机性描述较好。
结构分析法
• 在已知纹理基元的情况下，根据图像纹理小区域 内的特征及其周期性排列的空间几何特征和排列 规则进行纹理分析。
• 应用结构分析法首先要确定基元的形状和属性， 然后确定控制这些基元位置的空间关系。
• 目前采用较多的结构分析法有形态学、拓扑等方 法。
• 结构分析法对纹理的宏观性和结构性描述较好， 但适应性远不如统计分析方法。
模型分析法
• 假定纹理是以某种参数控制的分布模型方 式形成的。通过模型参数来定义纹理，通 过纹理图像的实现来估计模型参数，以参 数作为纹理特征，进行纹理分析。
• 常用的模型主要有自相关模型、自回归模 型、Markov随机场模型、分形模型等。
ห้องสมุดไป่ตู้
矩阵基本原理
• 共生矩阵法(或空间灰度级相关方法)能够反映亮度的 分布特性，同时也可以反映具有同样亮度或接近亮度 的像素之间的位置分布特性，是一种基于图像灰度联 合概率矩阵的方法，是有关图像亮度变化的二阶统计 特征。
• 通过对图像灰度级之间二阶联合条件概率密度函数来 表达。
• 由于灰度共生矩阵与方向有关，单一方向 的抽取会造成图像发生旋转时纹理特征发 生变化，