遥感图像特征分析学习教案.pptx

第1页/共89页
第一页，共90页。
第2页/共89页
第二页，共90页。
第3页/共89页
第三页，共90页。
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
(a) 原图 (b) 分割后图像
图4-4 Hough变换的对桥梁的分割结果
第35页/共89页
第三十五页，共90页。
相位编组直线检测
原理：利用梯度方向获取直线支撑区。
第36页/共89页
第三十六页，共90页。
实验结果：
图一：原始图像
图二：白色表示线支持区域
图三：最小二乘拟合结果
第37页/共89页
第三十七页，共90页。
3 遥感图象纹理特征描述
第38页/共89页
第三十八页，共90页。
(a)
(b)
人工纹理与自然纹理
(a) 人工纹理； （b）自然纹理
纹理的概念
第39页/共89页
第三十九页，共90页。
将特定的纹理区域用一定规则提取出来
纹理信息提取
第40页/共89页
第四十页，共90页。
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。
几何方法
纹理元构成纹理。
模型方法
通过模型参数来定义纹理，模型的参数决定着纹理的质量。
信号处理方法（基于数学变换）
括空间域滤波、傅立叶滤波、Gabor和小波变换等。
*
第41页/共89页
第四十一页，共90页。
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
*
第42页/共89页
第四十二页，共90页。
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。
*
第43页/共89页
第四十三页，共90页。
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
第47页/共89页
第四十七页，共90页。
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。
第48页/共89页
第四十八页，共90页。
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，；；权值随i和j的相差值增加而减少。
第49页/共89页
第四十九页，共90页。
规律性参数
Angular Second Moment (ASM)
能量
平均信息量（很多文献里称为熵）（Entropy）
第50页/共89页
第五十页，共90页。
GLCM描述性统计量
GLCM均值（GLCM Mean)
GLCM方差（GLCM Variance）
GLCM相关性（GLCM Correlation）
第51页/共89页
第五十一页，共90页。
GLCM实验
*
第52页/共89页
第五十二页，共90页。
GLCM实验
第53页/共89页
第五十三页，共90页。
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。
第54页/共89页
第五十四页，共90页。
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