纹理分析在遥感图像识别中应用

1、纹理分析在遥感图像识别中的应用纹理分析在遥感图像识别中的应用纹理分析在遥感图像识别中的应用纹理分析在遥感图像识别中的应用 国内外研究现状国内外研究现状 遥感图像分析与识别 遥感图像纹理分析 原理原理 遥感图像识别技术 遥感图像纹理分析 个人认识个人认识2遥感图像分析与识别的发展及现状遥感图像分析与识别的发展及现状 从20世纪70年代起，随着第一颗陆地卫星发射成功，人们就开始利用计算机进行卫星遥感图像的解译研究 20世纪80年代，主要利用统计模式识别方法进行遥感图像计算机解译：如 Strahler（1980）使用最大似然法对遥感图像数据进行分类，Goldberg（1983）运用光谱特征，对多波段

2、卫星图像进行分类，从中获取森林资源信息。 20世纪80年代后期，D.Gooddnough与M.Ehlers有助于推动地理信息系统与遥感图像自动解译系统的结合；王野乔等应用该方法进行区域气候资源研究工作，实现了区域气候资源分类界限指标遥感解译的定量化3遥感图像纹理分析的发展及现状遥感图像纹理分析的发展及现状 纹理分析的早期研究主要集中在纹理信息的表达与描述和纹理图像的分割，研究遍及神经生理学、心理物理学、心理学、影像分析、医学诊断等各个方面，成为图像分析和计算机视觉中的基本技术之一，形成了现有纹理分析方法的理论基础，主要包括：Julesz的二阶统计假设；Beck等的多频率通道假设；Prazdny

3、，Rosenfeld等的二阶段假设；Muller的纹理边界敏感性假设等 近年来纹理分析在不同的图像处理中得到了广泛的应用，如图像分割、模式识别、形状分析、纹理合成和图像压缩等。常用的纹理模型很多，如Garcia等人研究了布尔模型在灰度图像纹理分析中的应用；Tamura等研究了对应于人眼视觉感受的纹理特征；Hayes等人对纹理粗糙度进行了进一步的实验分析。4遥感图像纹理分析的发展及现状遥感图像纹理分析的发展及现状 目前国外主要是对几种纹理分析方法提取的纹理特征结合常规的分类方法，对不同的图像进行分类比较。Rajesh，Jawahar等认为分形的效果最好，其次是共生矩阵及纹理频谱； Weszka、

4、Ohanian、Nyoungui等认为灰度共生矩阵的效果最好； Phichler等认为小波变换效果好 国内的研究主要在于某一种方法的具体应用。对于统计的方法，共生矩阵法比较常用，主要有黄桂兰的航片影像纹理分类方法的探讨等；基于模型的方法里，分形维方法应用比较多；马尔可夫随机场(MRF)的应用也有一些；在数学变换的方法里，常见的是基于小波变换的方法。 纹理分析正在受到越来越多的科研工作者的关注。国际上有一些纹理的专著出版，而我国纹理分析方面的文献和专著非常少。5遥感图像识别技术的原理遥感图像识别技术的原理 图像识别是用计算机代替人们自动地去处理大量的物理信息，解决人类生理器官所不能识别的问题，从

5、而部分替代了人的脑力劳动。 在对图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些部分成为目标或前景（其它部分成为背景），它们一般对应图像中特定的，具有独特性质的区域。为了辨识和分析图像中的目标，需要将他们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行利用6遥感图像纹理分析遥感图像纹理分析 纹理是在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。它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。 正是由于纹理对图像区域和表面的感知、描述的独特作用，以及纹理分析在自动识别中越来越明显的重要性，驱使着人们不断地寻找新的

6、算法来表征图像区域中的纹理。虽然这些努力也遭受到了一些诸如缺少对纹理确切的定义等的影响，但仍然形成了众多的纹理特征提取方法，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：统计分析法、结构分析法、模型分析法和空间/频率域联合分析法。7遥感图像的纹理分析遥感图像的纹理分析 遥感图像记录了地球表面辐射的电磁波信息。地表物体的波谱特征以强弱不等的亮度值，直接反映于图像上；地物的空间特征-纹理结构，则是间接地由图像亮度值之间的关系表现的，它反映了图像灰度模式的空间分布，包含了图像表面信息及其与周围环境的关系，更好地兼顾了图像的宏观与微观结构。 正是由于地物的组成、空间分布的复杂性和多样化，

7、遥感图像的纹理具有随机性、非重复性、不连续性，又由于纹理具有较大的尺度，在不同的区域又呈现出相似性，即遥感图像的纹理具有局部的随机性和整体上的统计规律性。由于遥感图像成像过程受到多方面随机变化因素的影响，很少存在规则的纹理结构，很难通过纹理结构单元的重复来表示同一类地物，因此一般不能使用结构纹理分析方法进行影像识别。各类地物在遥感图像上成像的复杂性和不确定性导致遥感图像数据具有一定的统计特性，使用统计分析方法比较适合地物的自动识别。8遥感图像的纹理分析遥感图像的纹理分析 从遥感图像的灰度共生矩阵出发分析地物的空间分布特性，可从多个侧面描述影像纹理的特征，是一种十分有效的方法。 在进行识别之前，

8、需对研究对象（待识别的图像）进行预处理和特征提取，从而进行模式识别。 一、遥感图像的预处理一、遥感图像的预处理 遥感图像的预处理是对遥感图像成像过程中的辐射信息进行处理的技术过程。其目的是抑制或消除图像中的畸变和退化，或为进一步分析（目视或自动地）而增强图像中的某些特征。 图像的预处理包括：辐射校正和几何校正、纹理增强、灰度级压缩。9遥感图像的纹理分析遥感图像的纹理分析二、计算灰度共生矩阵并提取二次统计特征量二、计算灰度共生矩阵并提取二次统计特征量 在这个过程中要做的工作有：选取窗口、选取特征值、计算灰度共生矩阵和特征值 以55的窗口为识别的基本单位，取d =1，并从 四个方向分别计算中心像元

9、的灰度共生矩阵,及其统计特征参数（能量、熵、对比度、相关性和逆差矩），再由这五个特征值组成一个特征向量F,为了抑制方向分量，使得到的纹理特征与方向无关，需要将每一特征在四个不同方向的值取平均值和均方差三、图像识别三、图像识别 图像识别可以用监督分类，也可以使用非监督分类。以监督分类为例，主要有两个方面的内容：选择训练样区、基于某一具体检验法的相似性计算。过程如下：13590450、遥感图像的纹理分析遥感图像的纹理分析 1）选择训练区，通过实地考察和目视判读对该区域地物类型有大致了解。 2）为了减小误差，在训练区中选择三个训练样本。即在兴趣目标地物类型区域用鼠标点击三个不同的位置（注：在编程中已

10、定义鼠标点击的区域是 55 像素的）。 3）计算每个训练样本的纹理特征值，将三个训练样本纹理特征值的均值作为标准特征值。 4）将整幅图像划分成若干个尺寸大小为 55 的一组不重叠的窗口，窗口在图像上滑动，计算出窗口内的纹理特征值。 5）将每一窗口内的纹理特征值与标准特征值作比较，依据检验法的规则，计算它们的相似性，若其相似结果在一定阈值范围内，则属于同一类型，否则，不属于同一类型。 6）识别结果用二值图像表示，即将属于该类型窗口内像元的灰度值置为1，否则置为0。11遥感图像的纹理分析遥感图像的纹理分析 四、图像后处理四、图像后处理对识别后的专题图进行一些必要的后处理工作，可以改善识别提取的可靠性和合理性。主要内容有：采用标准模版去除“毛刺”、采用的标准模板填补“凹陷”或“空洞”、删除斑点。最终结果示例：12森林识别居民区识别 原始图像遥感图像的纹理分析遥感图像的纹理分析13原始遥感图像数据图像预处理：辐射校正几何校正纹理增强灰度级压缩特征提取模式识别图像后处理输出结果图像纹理分析流程纹理分析流程个人认识个人认识 随着遥感技术的发展，遥感的应用越来越广泛，与此同时，随着对遥感技术需求的增加和要