遥感图像特征分析

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
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。




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


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。
*
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。
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
1）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：
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,...
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:
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。
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
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 ]
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
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
Gabo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。
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
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


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。
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
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。
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。