遥感图像纹理分析

纹理的分析方法
• 根据抽取纹理特征方法的不同，可以将图 根据抽取纹理特征方法的不同， 像纹理分析大致分为四类： 像纹理分析大致分为四类： •统计分析法 统计分析法 •结构分析法 结构分析法 •模型分析法 模型分析法 •空间 频率域联合分析 空间/频率域联合分析 空间
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， 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， 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。 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）。 图像纹理（沙地、草坪等自然纹理图像）。 • 目前采用较多的统计分析法：灰度共生矩阵法、灰度差 目前采用较多的统计分析法：灰度共生矩阵法、 分法、自相关函数、灰度的空间共生概率等。 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 该方法在纹理分析中占有主导地位， 随机性描述较好。 随机性描述较好。
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： 图像纹理可定性地用以下几种描述来表征： 粗的、 平滑的、颗粒状的、随机的、 （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）。 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 最主要的特性。 最主要的特性。
No.(0,3) No.(1,3) No.(2,3) No.(3,3)
No.(0,2) No.(1,2) No.(2,2) No.(3,2)
d=1,东北西南向灰度共生矩阵 东北西南向灰度共生矩阵
0 0 2 2
No.(0,0) No.(1,0) No.(2,0) No.(3,0)
0 0 2 2
1 1 2 3
0 0 2 2
0 0 2 2
1 1 2 3
1 1 2 3
d=1,南北向灰度共生矩阵 南北向灰度共生矩阵
0 0 2 2
No.(0,0) No.(1,0) No.(2,0) No.(3,0)
0 0 2 2
No.(0,1) No.(1,1) No.(2,1) No.(3,1)
1 1 2 3
1 1 2 3
d=1,东西向灰度共生矩阵 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)
纹理分析的应用
•目标识别、 目标识别、 目标识别 •遥感图像分析 遥感图像分析 •医学图像分析 医学图像分析 •基于生物特征的身份鉴定 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、 在遥感图像中，陆地、 水域、小麦田、城市、 水域、小麦田、城市、 森林、 森林、山脉等也都具 有各自特定的纹理。 有各自特定的纹理。 • 通过分析遥感图像的 纹理特征， 纹理特征，可以进行 区域识别、 区域识别、森林识别 等。
典型的纹理图像
• 纹理不仅 反映图像 的灰度统 计信息， 计信息， 而且反映 图像的空 间分布信 息和结构 信息
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， 关系，是图像中一个重要而又难以描述的 特性。 特性。 定义一：纹理是某一确定的图像区域中， 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。 部基本模式。纹理由基本模式及其规则排 列构成。 列构成。
1 1 2 3
No.(0,3) No.(1,3) No.(2,3) No.(3,3)
No.(0,1) No.(1,1) No.(2,1) No.(3,1)
No.(0,2) No.(1,2) No.(2,2) No.(3,2)
d=1,西北东南向灰度共生矩阵 西北东南向灰度共生矩阵
0 0 2 2 0 0 2 2 1 1 2 3 1 1 2 3
4 1 4 1 2 2 4 1 4 1 4 1 2 2 2 1
• 图像的纹理特征可以用两种基本特征来描述， 图像的纹理特征可以用两种基本特征来描述， 基元和 即组成纹理的基元 基元之间的相互关系； 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 前者与局部灰度变化规律有关， 状和大小； 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。 大的不同。 • 确定性纹理：纹理基元按某种确定性的规律组 确定性纹理： 比较规则，具有一定的周期性。 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， 随机性纹理：纹理基元按某种统计规律组成的， 随机、不规则。 随机、不规则。
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， 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， 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。 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 常用的模型主要有自相关模型、 随机场模型、 型、Markov随机场模型、分形模型等。 随机场模型 分形模型等。
纹理实例
• 纹理对我们并不陌生，从多光谱卫星图片 纹理对我们并不陌生， 到细胞组织的图像都可以看到纹理。 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 日常生活中常见的砖墙、水磨石地、 品及一些自然景物都有明显的纹理特征。 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， 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。 而这些变化又与物体本身属性相关。
纹理的定义
定义二：纹理是在某一确定的图像区域中， 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） 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。 种统计排列形成的一种空间分布。 • 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“ 描述。特别适用于那些仅显示出“随机自 然性质”的纹理图像。 然性质”的纹理图像。
灰度共生矩阵
0 0 2 2 0 0 2 2 1 1 2 3 1
No.(0,0) No.(0,1) No.(0,2) No.(0,3)
Hale Waihona Puke Baidu
1 2 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)
• 由于灰度共生矩阵与方向有关，单一方向 由于灰度共生矩阵与方向有关， 的抽取会造成图像发生旋转时纹理特征发 生变化， 生变化， • 最显然的处理方式是在各个方向进行抽取， 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 度为划分单位， 通常方向以 度为划分单位，依次为 度, 45度, 90度, 135度四个方向，分别代表东 度四个方向， 度 度 度四个方向 一西、东北一西南、南一北、东南一西北4 一西、东北一西南、南一北、东南一西北 个方向的共生矩阵， 个方向的共生矩阵，
1 3 2 3 4 2 3 2 1 2 2
2 2 1 2 2 3 2 3 1 4 1 2 2 3 3 3
3 4 2 1 3 4 1 4 3 4 3 2 3 4 1 3
1 1 3 3 2 2 4 1 3 4 3 3 4 3 1 1
2 3 1 4 1 4 1 3 2 2 1 4 4 3 3 3
3 2 3 2 3 1 2 2 3 2 1 4 3 3 3 2
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 灰度的空间变化及其重复性 灰度的空间变化 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。
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 共生矩阵法(或空间灰度级相关方法 能够反映亮度的 或空间灰度级相关方法 分布特性，同时也可以反映具有同样亮度或接近亮度 分布特性， 的像素之间的位置分布特性， 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， 合概率矩阵的方法，是有关图像亮度变化的二阶统计 特征。 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。 表达。
•
如果0度方向上的矩阵主对角线上元素全部为 ， 如果 度方向上的矩阵主对角线上元素全部为0， 度方向上的矩阵主对角线上元素全部为 这说明水平方向上灰度变化的频度高，纹理较细; 这说明水平方向上灰度变化的频度高，纹理较细 如果主对角线上的元素值很大， 如果主对角线上的元素值很大，表明水平方向上 灰度变化的频率低，说明纹理粗糙。 灰度变化的频率低，说明纹理粗糙。
No.(0,0) No.(1,0) No.(2,0) No.(3,0) No.(0,1) No.(1,1) No.(2,1) No.(3,1) No.(0,2) No.(1,2) No.(2,2) No.(3,2) No.(0,3) No.(1,3) No.(2,3) No.(3,3)
矩阵特征
• 纹理图像中，在某个方向上相隔一定距离的一对 纹理图像中， 像元灰度出现的统计规律， 像元灰度出现的统计规律，应当能具体反映这个 图像的纹理特征， 图像的纹理特征，因此可以用一对像元的灰度共 生矩阵来描述这个统计规律。 生矩阵来描述这个统计规律。 • 有了灰度共生矩阵，可以根据矩阵的特点来分析 有了灰度共生矩阵， 图像的纹理。 图像的纹理。
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 在已知纹理基元的情况下， 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。 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， 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。 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 目前采用较多的结构分析法有形态学、 法。 • 结构分析法对纹理的宏观性和结构性描述较好， 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。 但适应性远不如统计分析方法。
空间/频率域联合分析法 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。 例将图像分类。 包括计算峰值处的面积、峰值处的相位、 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。 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） ）
1、灰度共生矩阵 、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 灰度共生矩阵又称为灰度空间相关矩阵， 共生矩阵又称为灰度空间相关矩阵 过研究灰度的空间相关特性来描述纹理的常用 方法. 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 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 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。 感图像的地学目标分类效果。