遥感图像特征分析

合集下载
  1. 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. 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. 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)。

49
均一度(Homogeneity)

解释:均一性是与对比度相反的。当i和j 相等时,权值为1,此时相关系数是最大 值——1;当i和j相差为1时,就有了稍小 的相关性,给权值为0.5;当i和j相差为2 时相关性减少到0.2;权值随i和j的相差值 增加而减少。
50
规律性参数

Angular Second Moment (ASM) 能量
5
7
10
11
14
15
1 遥感图象光谱特征描述
16
*
地物光谱特征
植被 水体

17
不同植物类型的区分
19
*
水体的光谱特征
20
*
水体的光谱特征
黄河水(泥沙含量960mg/L)
长江水(92.5mg/L)
湖水(47.9mg/L)
21
2 遥感图象边缘特征描述
22
*
边缘
边缘是指周围像素灰度有阶跃变化 或屋顶变化的那些像素的集合。 Poggio指出:“边缘或许对应着图像 中物体(的边界)或许并没有对应 着图像中物体(的边界),但是边缘 具有十分令人满意的性质,它能大大 地减少所要处理的信息但是又保留 了图像中物体的形状信息”
59
60
61
用分形模型描述纹理


在纹理分析应用中,一般采用分形维数 (可直观地理解为不规则几何形状的非 整体维数)来描述纹理 但是:不同分形极可能会有相同的分形 维数而其表现或纹理却是不同的。对于 分形表面的模拟也表明,即使分形维数 保持不变,也会得到不同的视觉纹理。
62
基于分形分维的人工纹理图像分 割结果
40
纹理信息提取
将特定的纹理区域用一定规则提取出来
41
*
目前的纹理提取技术的分类

统计方法

利用灰度值的空间分布这一特性,提出了一大批的 纹理统计方法与统计特征。 纹理元构成纹理。 通过模型参数来定义纹理,模型的参数决定着纹理 的质量。 括空间域滤波、傅立叶滤波、Gabor和小波变换等。
42

几何方法
23
*
常见的边缘类型
理论曲线 (1) 阶跃不连续, 即图像强度在 不连续处的两 实际曲线 边的像素灰度 值有着显著的 差异;
(2) 线条不连续, 即图像强度突 然从一个值变 化到另一个值, 保持一较小行 程后又回到原 来的值.
(a)阶跃函数 (b)线条函数 两种常见的边缘一阶导数和二阶导数示 24 意图
(a) 原图 (b) 分割后图像 图4-4 Hough变换的对桥梁的分割结果
36
相位编组直线检测

原理:利用梯度方向获取直线支撑区。
37
实验结果:
图一:原 始图像
图三:最小二乘拟 合结果
图二:白 色表示线 支持区域
38
3 遥感图象纹理特征描述
39
纹理的概念
(a)
(b)
(a) 人工纹理; (b)自然纹理
57
模型方法

Markov随机场 分形模型 …
58
分形模型(fractal )


分形是对没有特征长度,但具有一定意义下的自相似图形和结构的总称 什么是分形几何?通俗一点说就是研究无限复杂但具有一定意义下的自相 似图形和结构的几何学。 什么是自相似呢?例如高山的表面,您无论怎样放大其局部,它都如此粗 糙不平;例如一棵苍天大树与它自身上的树枝及树枝上的枝杈,在形状上 没什么大的区别等等 分形几何揭示了世界的本质,分形几何是真正描述大自然的几何学
C
其中
x m10 / m00 y m01 / m00
77
离散的情况(数字图像)
m pq x p y q x , yC p q pq ( x x) ( y y) ( x , y )C
规格化的边界矩可以定义为:
pq pq /
29
Canny 边缘检测结果
7X7高斯滤波模板 13X13高斯滤波模板
30
Canny 边缘检测结果
31
*
小波边缘检测算法




基于小波分析的边缘检测算法总结如下: (1)对原始图像进行多级小波分解,得到多尺度的模 图像。 (2)计算并记录小波变换域中模为局部最大值的点。 (3)通过自适应阈值法进行阈值处理,得到多尺度的 边界图像。 (4)进行逆小波变换,得到边界图像。
76
定义方式

假设目标边界曲线C,其上各点坐标可由二 维函数f(x,y)表示。则函数的(p+q)阶边界矩 可表示为:
m pq x p y q ds , p, q 0,1,....
C

而中心化边界矩可表示为:
pq ( x x ) p ( y y ) q ds, p, q 0,1,...
*幅值:
N i, j NMS( M [i, j ], [i, j ])
[i, j ] Sector( [i, j])
在每一点上,邻域的中心象素M与沿着梯度线的两 个象素相比。如果M的梯度值不比沿梯度线的两个 相邻象素梯度值大,则令M=0
28

(5) 滞后阈值化
由于噪声的影响,对图像中单个边缘的错误响应,经常 会导致本应连续的边缘出现断裂的问题。这个问题可 以利用滞后阈值化加以解决。如果任何像素对边缘算 子的响应超过高阈值,将这些像素标记为边缘;响应 超过低阈值的像素,如果与已经标为边缘的像素4-邻 接或8-邻接,则将这些像素也标记为边缘,这个过程 反复迭代,剩下的孤立的响应超过低阈值的像素则视 为噪声,不再标记为边缘。这两个阈值根据信噪比确 定。
55
扩展的LBP

随后,出现了扩展LBP 算子,即使用不同数量的邻近子块以 及不同尺寸的矩形块,利用环形的邻近子块和灰度值线性内 插可以构造任意邻近子块和半径大小的LBP 算子。如图4 为两个扩展LBP 算子,其尺度表示为( P ,R) ,即在半径为R 的圆周上存在P 个插值点。
56
LBP 实验结果
M i, j P[i, j ] 2 Q[i, j ] 2
[i, j ] arctan (Q[i, j ] / P[i, j ] )
27
*
4)非极大值抑制(NMS ) :
细化幅值图像中的屋脊带,即只保留幅值局部变化最大的 点。 *将梯度角的变化范围减小到圆周的四个扇区之一, *方向角:
63
信号处理方法

Gabor方法 小波变换

64
3.1 GABOR 滤波提取图象纹理

定义方式
k u2 2 2 h[u ,v ] m, n 2 exp m n 2 2 2 cosk u m cosv n sin v exp 2 k u2




其中, k u

2
u
2 , u 0,1,2
2
v
v , v 0,1,2,...,7 8
u
是尺度参数, v
为方向参数,
为方差,取为 2
65
滤波器形状 它是一个滤波器组,在0,45,90,135度 时不同尺度下的滤波器形状如下图:
u=0,v=0
u=1,v=0
边缘检测方法


传统边缘检测方法:Roberts算子、 Sobel算子、 高斯-拉普拉斯算子等 Canny边缘检测 小波多尺度边缘检测 „
25
Canny 边缘检测器的实现
1Hale Waihona Puke Baidu求图像与高斯平滑滤波器卷积:
S[i, j ] G[i, j; ] I [i, j ]
2)使用一阶有限差分计算偏导数的两个阵列P与Q:
44
共生矩阵的参数

对比度参数 规律性参数 描述性统计量参数
48
对比度(Contrast)


对比度使用了所要计算的像素点和GLCM中的对角线 的距离的平方作为权值来表示。 为了描述一个区域中的对比度,必须创造一个权值, 当像素灰度值相差越大时,权值越大,相差越小时, 权值越小,相同时,权值为0。而GLCM的对角线表示 了没有对比度的值,越远离对角线,对比度越大。 解释:当i和j相等时,权值为0,表示没有像素之间没 有对比度,所以给0值;当i和j相差为1时,就有了小的 对比度,给权值为1;当i和j相差为2时,对比度增加为 4;权值随i和j的相差值增加而增加。
67
Gabor Filter的一般步骤

滤波器的构造 特征提取 特征平滑 特征聚类
68
Gabor Filter试验结果
73
Gabor Filter试验结果
74
4 遥感图象目标形状特征描述
75
边界矩
目标形状的边界矩的基本原理可以简述为 通过目标边界曲线C函数的各阶边界矩和 中心化边界矩,通过各阶中心矩的组合 形成不变矩函数式,从而表示目标对象 的形状特征。
32
飞机与其边缘图
33
直线检测算法


Hough变换检测直线
Hough变换利用图像空间和Hough参数空间的点-线对 偶性,把图像空间中的检测问题转换到参数空间。通 过在参数空间里进行简单的累加统计,然后在Hough参 数空间寻找累加器峰值的方法检测直线。
34
变换前
变换后
35
利用Hough变换提取桥梁
u=2,v=0
u=0,v=2
u=1,v=2
u=2,v=2
u=0,v=4
u=1,v=4
u=2,v=4
u=0,v=6
u=1,v=6
u=2,v=6 66
Gabor Filter

Gabor滤波器分割图像的主要原理:通过 构造一个滤波器组来提取图像不同方向 和尺度下的特征,达到分割图像的目的。 该算法中主要的操作步骤包括滤波器的 构造、特征的提取和特征的聚类。


模型方法


信号处理方法(基于数学变换)

*
统计方法的分类

共生矩阵 罗氏纹理能量 自相关 局部二元模式
43
*
共生矩阵方法概述



在图像上任意取一点A(x,y),以及偏离它的另一 点(x+a,y+b),设A点对的灰度值为(f1,f2)。 然后再令A点(x,y)在整幅图像上移动,则会得 到各个(f1,f2)及偏离点(x+a,y+b)的(f1,f2)值。 设灰度值的级数为K,则f1和f2的组合有K的平 方种。 对于整幅图像,统计出每一种(f1,f2)值的出现 次数,然后排列成为一个方阵,再用(f1,f2)出 现的总次数将它们归一化为出现的概率P(f1,f2), 则称这样的方阵为灰度共生矩阵。
pq1 00
78
始点位置、位移、旋转以及尺度缩放不变性的不变矩公式
1 20 02 2 (20 02 ) 2 (03 321 ) 2 3 (30 312 ) 2 (321 03 ) 2 4 (30 12 ) 2 (21 03 ) 2 5 (30 312 )(30 12 )[(30 12 ) 2 3(21 03 ) 2 ] (321 03 )(21 03 )[3(30 12 ) 2 (21 03 ) 2 ] 6 (20 02 )[(30 12 ) 2 (21 03 ) 2 ] 411 (30 12 )(21 03 ) 7 (321 03 )(30 12 )[(30 12 ) 2 3(21 03 ) 2 ] (312 30 )(21 03 )[3(30 12 ) 2 (21 03 ) 2 ]
*
遥感图象的特征描述

光谱特征 边缘特征 纹理特征 形状特征 …
1
2
3
4

大小 (size) ,指地物尺寸、面积、体积在 图象上的记录。它是地物识别的重要标 志。它直观地反映目标相对于其它目标 的大小。若提供图象的比例尺或空间分 辨率,则可直接测得目标的长度、面积 等定量信息。


平均信息量(很多文献里称为熵) (Entropy)
51
GLCM描述性统计量

GLCM均值(GLCM Mean)

GLCM方差(GLCM Variance)

GLCM相关性(GLCM Correlation)
52
*
GLCM实验
53
GLCM实验
54
局部二元模式


Local Binary Pattern 最基本的LBP 算子是一个固定大小为3 ×3 的矩形块,此矩形中有 一个中心子块和8 个邻近子块对应于9 个灰度值。LBP 算子的作 用步骤(见图3) 将四周的8 个灰度值与中心灰度值相比较,大于中心灰度值的子块 由1 表示,反之,则由0 表示。然后根据顺时针方向读出8 个二进制 值,作为该3 ×3矩形块的特征值。由此作为对此区域纹理的描述。
P[i, j ] ( S[i, j 1] S[i, j ] S[i 1, j 1] S[i 1, j ]) / 2 Q[i, j ] ( S[i, j ] S[i 1, j ] S[i, j 1] S[i 1, j 1]) / 2
3)幅值和方位角:
相关文档
最新文档