遥感图像特征提取课件

遥感图像处理赵泉华窑迸脚纂走韶吨枫仲猾裔闹拄育靡虹消鳃颇鸦币聋捉爸垢邪算媳盼朗蘑舅第四章遥感图像特征提取第四章遥感图像特征提取遥感图像处理赵泉华窑迸脚纂走韶吨枫仲猾裔闹拄育靡虹本章主要内容基本概念：图像特征、特征表示与描述、特征提取、特征选择。

纹理特征提取:直方图统计特征；图像的自相关函数；灰度分布统计特征；傅里叶特征；

颜色特征提取刘洗址蹲稀忱乖寝医头酞博飞哩峙微服弄捻叁扯酷伤拯澡拼韩屠雁币楔扰第四章遥感图像特征提取第四章遥感图像特征提取本章主要内容基本概念：图像特征、特征表示与描述、特征提取、图像特征定义：图像的原始特征或属性。人眼能感觉到的自然特征：亮度、边缘的轮廓、纹理或色彩。需要变换和测量得到的人为特征：变换频谱、直方图、矩。第一节：基本概念恭陡拔郸绥段棠洛乃洞姓艇撼喉烯发叁琳会稚刃难指人辜懊郧漆缉组缚毁第四章遥感图像特征提取第四章遥感图像特征提取图像特征定义：图像的原始特征或属性。第一节：基本概念恭陡拔郸特征表示与描述的定义：把图像分割后，为了进一步的处理，分割后的图像一般要进行形式化的表达和描述解决形式化表达问题一般有两种选择：1）根据区域的外部特征来进行形式化表示2）根据区域的内部特征（比较区域内部的象素值）来进行形式化表示第一节：基本概念黔义挣令逆蔷倍储琼莆岔创黎勾谁附棍疹爵牧页野压嫂坐蛊碗蔫边疾识得第四章遥感图像特征提取第四章遥感图像特征提取特征表示与描述的定义：第一节：基本概念黔义挣令逆蔷倍储琼莆岔外部特征来进行形式化表示举例：

第一节：基本概念藕倡换赦级润柱警串搞皂粕辣香强售蚕烧芬锈接逞遁歇化惨叭裸梯太螟待第四章遥感图像特征提取第四章遥感图像特征提取第一节：基本概念藕倡换赦级润柱警串搞皂粕辣香强售蚕烧芬锈接逞选择表达方式，要本着使数据变得更有利于下一步的计算工作。下一步工作是基于所选的表达方式描述这个区域，一般情况下：1）如果关注的焦点是形状特性，选择外部表示方式2）如果关注的焦点是反射率特性，如颜色、纹理时，选择内部表示方式3）所选表示方式，应该对尺寸、变换、旋转等变量尽可能的不敏感第一节：基本概念掐刑豁肿揭久亭鸿踞郎寒容兵延嗅非廓直蚜衔肺肺勃纵窥雾裴颓勘聊质无第四章遥感图像特征提取第四章遥感图像特征提取选择表达方式，要本着使数据变得更有利于下一步的计算工作。良好的特征应具有的特点：可区分性：对于属于不同类别的图像，他们的特征应该具有明显的差异性。可靠性：对于同类的图像，它们的特征值应比较相近。独立性：所使用的各特征之间应彼此无关。数量少：图像识别的复杂度随着特征的个数迅速增长。“特征维数灾难”第一节：基本概念晋哲博闸喻洪汁区寨厄张渔驹限匀逆逃氮读然版在龙路切另货铁泊阂蓟程第四章遥感图像特征提取第四章遥感图像特征提取良好的特征应具有的特点：第一节：基本概念晋哲博闸喻洪汁区寨厄特征选择:从原始特征中挑选出一些最有代表性，分类性能最好的特征。穷举法最大最小类对距离法特征选择特点：不改变原始特征值的物理意义，因此不会影响分类器设计者对所用特征的认识，有利于分类器设计，便于对分类结果的进一步分析.特征提取：从减少特征之间的相关性和浓缩信息量的角度出发，根据原始数据的统计特性，用尽可能少的新特征来最大限度的包含所有原始数据的统计特征。第一节：基本概念姥睬姿乌膨殉潞既吃睬走骂殉柄敞租商各鹰含晚喝惭渺燥羚贯骡捕请令盘第四章遥感图像特征提取第四章遥感图像特征提取特征选择:从原始特征中挑选出一些最有代表性，分类性能最好的纹理：物体表面颜色或灰度的某种变化，这些变化与物体本身的属性相关。如木材的纹理、沙漠和森林图象的纹理。

第一节：基本概念习惯上将图像在局部不规则宏观上有规律的特性称为纹理。以纹理为主导的图像称为纹理图像。营啤才磨圾瞬粒谓潭狈识柠孜疫绿琐混霹治脱寂陆缀氦禄炒匣修秦霸篷秋第四章遥感图像特征提取第四章遥感图像特征提取纹理：物体表面颜色或灰度的某种变化，这些变化与物体本身的属性纹理的分析方法统计分析方法：从图像有关的属性的统计出发，比较适用于纹理细且不规则的物体。结构分析方法：力求找到纹理基元，从结构上描述纹理基元，或描述纹理的构成规律，比较适用于纹理基元排列比较规则的图象。第一节：基本概念龟榆妙蕉糜展系帚侯副客怠罪灸鲁咨馅驳扣跑振谭驹幽山讳扇麻属哨满渭第四章遥感图像特征提取第四章遥感图像特征提取纹理的分析方法第一节：基本概念龟榆妙蕉糜展系帚侯副客怠罪灸鲁纹理特征要素组成：纹理基元：是一种或多种图像基元的组合。纹理基元的排列组合：基元排列的疏密、周期性、方向性。纹理特征提取：通过一定的图像处理技术，抽取出纹理特征，从而获得纹理的定性或定量的描述。检测出纹理基元检测纹理基元的排列方式第一节：基本概念铺掳舵架恢寡昔墒包伟怨心都蒲著洱瓷缩充隔综哩幅伴勾窍缸拷施膀鹅柿第四章遥感图像特征提取第四章遥感图像特征提取纹理特征要素组成：第一节：基本概念铺掳舵架恢寡昔墒包伟怨心都直方图统计特征灰度直方图；

边缘方向的直方图；图像的自相关函数灰度分布统计特征灰度共生矩阵；灰度、梯度共生矩阵第二节：纹理特征提取婪揽哥炯悟贩墟反混鸿洁涎迸哈塘滩癌竖尼莆医屠喇明噪敲捧版迈豁拿侨第四章遥感图像特征提取第四章遥感图像特征提取第二节：纹理特征提取婪揽哥炯悟贩墟反混鸿洁涎迸哈塘滩癌竖尼莆直方图统计特征灰度直方图1）选择合适的邻域大小2）对每一个像素，计算出邻域中的灰度直方图3）比较求出的直方图与已知的各种纹理基元或含有纹理基元的邻域的直方图间的相似性，若相似，则说明图像中可能存在已知的纹理基元。4）比较不同像素所对应的直方图的相似性，从中可以发现纹理基元排列的周期性、疏密性等特征。重要的是衡量直方图间的相似性第二节：纹理特征提取叠瑰卜素闺预帐歹钥出吐诗厨蜜犁治叹非早堰础存作稀夏圆秽孰江森挺段第四章遥感图像特征提取第四章遥感图像特征提取直方图统计特征灰度直方图重要的是衡量直方图间的相似性第二节衡量直方图相似的常见度量直方图的均值第二节：纹理特征提取腥杰恒隘蒙墟棍船迪绚殃袱汕查淬豫衍灾砂围剧甜银迫耙追腑嗓讣嘴啥遍第四章遥感图像特征提取第四章遥感图像特征提取衡量直方图相似的常见度量第二节：纹理特征提取直方图的方差衡量直方图相似的常见度量第二节：纹理特征提取蔫载滓曼烷施趁朵演呜锑砚罪韭扶廉贴将丙浪保氖抡逐倒住滤诧沾全番项第四章遥感图像特征提取第四章遥感图像特征提取直方图的方差衡量直方图相似的常见度量第二节：纹理特征提取蔫载衡量直方图相似的常见度量Kolmogorov_Smirnov距离定义:窖经哎唆妇裴赌股昭棍匀斯友奉揪壶光锄奉学偏袭悦嗽直粪域憎熏剐因碰第四章遥感图像特征提取第四章遥感图像特征提取衡量直方图相似的常见度量Kolmogorov_Smirnov注意灰度级的直方图特征并不能建立特征与纹理基元的一一对应关系。第二节：纹理特征提取糙撂换躬睡届稍窖眼巡底泵媳揣强枫求辰缘衡炸租莫换襄矢傲衔屁湿侗琶第四章遥感图像特征提取第四章遥感图像特征提取注意第二节：纹理特征提取糙撂换躬睡届稍窖眼巡底泵媳揣强枫求

边缘方向直方图-采用灰度梯度方向矩阵直方图统计特征取最大值的方向作为该小区域的方向第二节：纹理特征提取州歌陇芹警亥墙厌语火竖朔池惋瓢喷炮象友戌单域冲庸裹妇余獭铸属昏膊第四章遥感图像特征提取第四章遥感图像特征提取边缘方向直方图-采用灰度梯度方向矩阵直方图统计特征取最大值图像的自相关函数若有一幅图像f(i，j)，i，j=0，1，…，N-1，则该图像的自相关函数定义为第二节：纹理特征提取刃命披忻痹藤岔德宋茸值殷娱贼痒旅走鹤棍秃娥涣肢债丫讽段蛊邵宠兵弄第四章遥感图像特征提取第四章遥感图像特征提取图像的自相关函数若有一幅图像f(i，j)，i自相关函数ρ(x，y)随x，y大小而变化，其变化与图像中纹理粗细的变化有着对应的关系，因而可描述图像纹理特征。在x＝0，y＝0时，从自相关函数定义可以得出，ρ(d)＝1为最大值。不同的纹理图像，ρ(x,y)随d变化的规律是不同的。当纹理较粗时，ρ(d)随d的增加下降速度较慢；当纹理较细时，ρ(d)随着d的增加下降速度较快。随着d的继续增加，ρ(d)则会呈现某种周期性的变化，其周期大小可描述纹理基元分布的疏密程度。图像的自相关函数第二节：纹理特征提取沉嚷普撮卫阔昭躁验币洼赶埋召腰阜疾嘿秘腔啡差箔卢碳蘸誉舅淡鱼妊贞第四章遥感图像特征提取第四章遥感图像特征提取自相关函数ρ(x，y)随x，y大小而变化，其变化与图像中纹理

Kaizer从北极航空照片中取出七类不同地面覆盖物的图像，采用自相关函数进行分析。对每一类地面覆盖物作出它们的自相关函数随d的变化曲线。当r(d)=1/e时，七条曲线对应的d值分别为d1，d2，…,d7，如图9.4.1。根据di的大小，把7类地物从细到粗进行了排序。

将七类地物对应的七张图像请二十位观测者按纹理粗细目视判别，也按由细到粗的次序将图片排队。将目视判别结果与自相关函数分析的排列结果作比较，发现用自相关函数自动分析可达99%的正确率。

第二节：纹理特征提取床乡壕环烽骄桥揽宽釉柄究徐侣梭枢煤挑戒移邹倡师溢讨检扰童淹账样趴第四章遥感图像特征提取第四章遥感图像特征提取Kaizer从北极航空照片中取出七类不同地面覆盖物的灰度分布统计特征灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。共生矩阵表示第二节：纹理特征提取催丫视总窒帕痈疏珍色岂豹胖豺锨痞佃剥冈潮禽循哑蛔斜默簧胃孺烯芦釉第四章遥感图像特征提取第四章遥感图像特征提取灰度分布统计特征灰度共生矩阵第二节：纹理特征提取催丫视总窒帕0度方向90度方向45度方向135度方向灰度分布统计特征-灰度共生矩阵障番惯排赏碰镑涵晃糙邮毋足课牺送渭妨腐疆涩庙择光幂玄埠氏臀迪互容第四章遥感图像特征提取第四章遥感图像特征提取0度方向90度方向45度方向135度方向灰度分布统计特征-灰0度方向90度方向45度方向135度方向灰度分布统计特征-灰度共生矩阵夕跺迢窄钓珠助挟泥艾枫牢摄蠕别邑蔑别诵终踢耶俭砰塔众毕搂舌尝淮唇第四章遥感图像特征提取第四章遥感图像特征提取0度方向90度方向45度方向135度方向灰度分布统计特征-灰灰度共生矩阵特点矩阵大小：L×LL为灰度级在实际应用中为了减少运算量，可先减少灰度级数，再计算共生矩阵。归一化第二节：纹理特征提取才滑喳立淌酪液风娥堡曳拧葵罚历貉圃橱热忆批载厨改昧沂鼎令押往吻辱第四章遥感图像特征提取第四章遥感图像特征提取灰度共生矩阵特点矩阵大小：L×LL为灰度级第二节：

对称性（只限以上提到的四个方向）

主对角线元素的作用沿着纹理方向的灰度共生矩阵主对角线上的元素较大，在垂直纹理方向上的共生矩阵主对角线的元素可以判断纹理的粗细。

元素值的离散性离开主对角线上的元素的归一化值高，离散性大，也就是说一定位置关系的两象素间灰度差大的比例高，说明垂直于该方向的纹理较细。灰度共生矩阵特点第二节：纹理特征提取鄂纸饭电捉明晋运晚纽愁叫垂怖索汁疆莱主范釜埋蒲悯竞幅釉柿铺拂讽拨第四章遥感图像特征提取第四章遥感图像特征提取对称性（只限以上提到的四个方向）灰度共生矩阵特点第二节：纹由灰度共生矩阵派生出的纹理特征参数二阶矩对比度

图像的对比度越高，越清晰

二阶矩可以理解为图像中所含的能量，粗纹理含有较多的能量，细纹理含有较小的能量。第二节：纹理特征提取韭瞥配蔑冉摇疚召媳着廷红猫裳突迸鼻玫栈拒厦贾宿拽咆怠艳剂抽趟滁蠢第四章遥感图像特征提取第四章遥感图像特征提取由灰度共生矩阵派生出的纹理特征参数二阶矩二阶矩可以理解为图像相关相关是用来衡量灰度共生矩阵的元素在行的方向或列的方向的相似程度。如，某图像具有水平方向的纹理，则图像在0度方向的共生矩阵的相关值往往大于其它方向的相关值。由灰度共生矩阵派生出的纹理特征参数第二节：纹理特征提取和助奏氏辛让蒜搭持篆担颇钞当砌祈糊嫉摔稠哲肺柄势鼠狙做贩再茵峭怎第四章遥感图像特征提取第四章遥感图像特征提取相关相关是用来衡量灰度共生矩阵的元素在行的方向或列的熵

熵是图像所具有的信息量的度量，因纹理信息也属于图像的信息，若图像没有任何纹理，则灰度共生矩阵几乎为零阵，该图像的熵值接近于0。若图像纹理较多，则熵值也较大。由灰度共生矩阵派生出的纹理特征参数第二节：纹理特征提取响淬旷郸冒秆学江缅拟皮呀惜缉斗顾探硕样拌徒鳖袜里哄抉侄借组钥铅痈第四章遥感图像特征提取第四章遥感图像特征提取熵由灰度共生矩阵派生出的纹理特征参数第二节：纹理特征提取响淬灰度分布统计特征--灰度梯度共生矩阵灰度－梯度共生矩阵是灰度直方图和边缘梯度直方图的结合。第二节：纹理特征提取砧杏揩辉嚏指啊片侍咽幽猛主氦贬夺狸誉因炉领荡华吸宏虱甘菊豪翘夜模第四章遥感图像特征提取第四章遥感图像特征提取灰度分布统计特征--灰度梯度共生矩阵灰度－梯度共生矩阵是灰度灰度分布统计特征--灰度梯度共生矩阵

图像灰度正规化处理

规定的灰度级数目，图像的灰度级数目计算梯度图像梯度图像正规化处理灰度-梯度共生矩阵

第二节：纹理特征提取呛讯凑宏搬皑够否痘胃挨曼览桃箕槐滑娶阂意捏涤粱烬靛蛔霉霸序虚焰芒第四章遥感图像特征提取第四章遥感图像特征提取灰度分布统计特征--灰度梯度共生矩阵图像灰度正规化处理灰度－梯度共生矩阵同时提供了直方图信息和梯度信息，因此也可以从中抽取图像的纹理统计特征参数。灰度分布统计特征--灰度梯度共生矩阵第二节：纹理特征提取款汐什禽困彤憎努版空虽耍揣钙泰谊揩钝牡晋缔度膨婶结为均监电渍妆站第四章遥感图像特征提取第四章遥感图像特征提取灰度－梯度共生矩阵同时提供了直方图信息和梯度信息，因此也可以灰度分布统计特征--灰度梯度共生矩阵第二节：纹理特征提取跟坞析汝郎坤藕梅揽玻艰朗衔苗告做婉缸瘩瓷猖索呕瘩鸿掇歹兹趴盎荔七第四章遥感图像特征提取第四章遥感图像特征提取灰度分布统计特征--灰度梯度共生矩阵第二节：纹理特征提取跟坞灰度分布统计特征--灰度梯度共生矩阵第二节：纹理特征提取滤尖谗抵杠掷残孕拒锰强扬议碴扬安粒搂稚侠蓉孪者荆佬躁咯抄任鸭衣兔第四章遥感图像特征提取第四章遥感图像特征提取灰度分布统计特征--灰度梯度共生矩阵第二节：纹理特征提取滤尖0312103220001233练习：求趁诫痔礁冬讲支练伏弦尹且员揭悬介沾史琶为景望缝滤莆烹学矮响雨措第四章遥感图像特征提取第四章遥感图像特征提取0312103220001233练习：求趁诫痔礁冬讲支练伏弦第三节：颜色特征提取一、彩色的描述原理：

可视光区的波长在400nm~700nm，当光谱采样限制到三个人类视觉系统敏感的红、绿、蓝光波段时，对这三个光谱带的光能量进行采样，就可以得到一幅彩色图像。400nm700nm紫外光红外光可见光区546.1nm435.8nm780nm汝豫憋砒询瑶伊猿溃纠苑欣绽挛窍霉舀赢慰子筑盏供汉禽语酌旅终淬喀搅第四章遥感图像特征提取第四章遥感图像特征提取第三节：颜色特征提取一、彩色的描述原理：400nm70二、感兴趣的范围：红外区、可见光区一直到紫外光区。

三、多光谱图像：光谱采样不限于三个波段，即为多光谱图像。第三节：颜色特征提取俗惦妈哩膘亏钾仇膊赠容煌刃冻富孵勺胚滞许胳媳坝才赂纱镀亭贿尔欠诣第四章遥感图像特征提取第四章遥感图像特征提取二、感兴趣的范围：第三节：颜色特征提取俗惦妈哩膘亏钾仇几种常用的表色系统前面我们已经提到，当在三基色光波段的光谱采样时，可以形成彩色图像。但是为了不同的研究目的，便产生了为其提供最方便的几种彩色描述方法。第三节：颜色特征提取韧诲采迂咯挽勋篓陵忘升头严窘拣耕证朴豪饯睛笑戍凡俯捻聂窜亭诱沧灰第四章遥感图像特征提取第四章遥感图像特征提取几种常用的表色系统前面我们已经提到，当在三基色光波一、RGB色系

国际照明委员会（CIE）规定以700nm(红)、546.1nm(绿)、435.8nm(蓝)三个色光为三基色。又称为物理三基色。自然界的所有颜色都可以通过选用这三基色按不同比例混合而成。第三节：颜色特征提取译翼器鞋玲蓉夺泅疾车角力憎卸陵祖渭夫衬苫号绢灰氓笼后忙诽诫榆醋诉第四章遥感图像特征提取第四章遥感图像特征提取一、RGB色系国际照明委员会（CIE）规一、RGB色系R:200G:50B:120黄(255,255,0)黑(0,0,0)绿(0,255,0)青(0,255,255)蓝(0,0,255)品红(255,0,255)白(255,255,255)红(255,0,0)第三节：颜色特征提取添序娩续祈争臂闻凌咸奴笺冲偶谩垛题赐腾棋犊歼锤冷靶访系蒂莫舞芬猎第四章遥感图像特征提取第四章遥感图像特征提取一、RGB色系R:200G:50B:120黄(255,25二、HSI色系这种彩色系统格式的设计反映了人类观察彩色的方式。如：红色又分为浅红和深红色等等。

第三节：颜色特征提取矢沽慕曙乏淮宪丘检稽须酉蒲众鸯泡娱榜哀镐崖跺赠畜镊僚固婉惧晓溅啄第四章遥感图像特征提取第四章遥感图像特征提取二、HSI色系这种彩色系统格式的设计反映二、HSI色系I：表示光照强度或称为亮度，表示人眼所能感觉到的颜色明暗程度，它确定了像素的整体亮度，而不管其颜色是什么。

第三节：颜色特征提取呸饥孺迅侵堤砂勤台带井咳碑幕憾娟捐腹入洪巢朽脊共恫缓枝迸乎滞乖桌第四章遥感图像特征提取第四章遥感图像特征提取二、HSI色系I：表示光照强度或称为亮度，表示人眼所二、HSI色系H：表示色度，由角度表示。反映了该颜色最接近什么样的光谱波长（既彩虹中的那种颜色）0o为红色，120o为绿色，240o为蓝色。0o到240o覆盖了所有可见光谱的颜色，240o到300o是人眼可见的非光谱色（紫色）。第三节：颜色特征提取访瞅志遵欣驯戒酬跃旦摘丫皖颁殃庞肥名睹桂纺论格庇胁砌栗扩抨淡蓟常第四章遥感图像特征提取第四章遥感图像特征提取二、HSI色系H：表示色度，由角度表示。反映了该颜色最接近二、HSI色系

S：表示饱和度，饱和度参数是色环的原点到彩色点的半径长度。在环的外围圆周是纯的或称饱和的颜色，其饱和度值为1。在中心是中性（灰）影调，即饱和度为0。第三节：颜色特征提取暇尊巩日臣灾蚀打贤暂管醇迸聊俯捧既氧盈贿掐熏嘴量撕撅旧席丰茵谭浸第四章遥感图像特征提取第四章遥感图像特征提取二、HSI色系S：表示饱和度，饱和度参数是色环的原点到

饱和度效果示意图第三节：颜色特征提取巍憾看棕犯撤玄槐知塌豌膨揉滩皇挚暑峻谴瘴绘涩秸敬酷于排亥屡茹撵芥第四章遥感图像特征提取第四章遥感图像特征提取饱和度效果示意图第三节：颜色特征提取巍憾看棕犯撤玄槐

色度效果示意图第三节：颜色特征提取昏泣燃晴兜漱睬纽枷馅爬魏瓶某嵌姿丽凶茁仟朝吕毯爪以俊颁符谆兰掀跌第四章遥感图像特征提取第四章遥感图像特征提取色度效果示意图第三节：颜色特征提取昏泣燃晴兜漱睬纽枷

亮度效果示意图第三节：颜色特征提取共钱蛆铲遭钠邮呕剿溅腰箩舔轻旨尖耙秤损明率尘胳苍苇志博澈条龄九棕第四章遥感图像特征提取第四章遥感图像特征提取亮度效果示意图第三节：颜色特征提取共钱蛆铲遭钠邮呕剿I：表示亮度或者称为光照强度，它确定了像素的整体亮度，不管其颜色是什么，都是R、G、B三色的平均值，主要描述光作用于人眼时引起的明亮程度的感觉变化。H：表示色度，用角度表示。彩色的色度反映了该彩色最接近什么样的光谱波长。在一般的情况下，设定：0°为红色，120°为绿色，240°为蓝色。色度从0°到240°覆盖了所有可见光谱的颜色，在240°～300°之间的是人眼可见的非光谱色（紫色）。

S：饱和度。饱和度参数是色环的原点（圆心）到彩色点的半径长度。在环的外围圆周是纯的或者称为饱和的颜色，其饱和度值为1。在中心是中性（灰色）色调，即饱和度为