遥感图像特征分析精选课件.ppt

《遥感图像特征分析精选课件.ppt》由会员分享，可在线阅读，更多相关《遥感图像特征分析精选课件.ppt（89页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1关于遥感图像特征分析第一页，本课件共有89页2第二页，本课件共有89页3第三页，本课件共有89页4第四页，本课件共有89页5n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。第五页，本课件共有89页7第七页，本课件共有89页10第十页，本课件共有89页11第十一页，本课件共有89页14第十四页，本课件共有89页15第十五页，本课件共有89页161 遥感图象光谱特征描述第十六页，本课件共有89页17地物光谱特征n植被n水体*第十七页，本课件共有89页19

2、不同植物类型的区分第十九页，本课件共有89页20水体的光谱特征*第二十页，本课件共有89页21水体的光谱特征黄河水（泥沙含量960mg/L)长江水（92.5mg/L)湖水（47.9mg/L)*第二十一页，本课件共有89页222 遥感图象边缘特征描述第二十二页，本课件共有89页23边缘 边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。Poggio指出:“边缘或许对应着图像中物体（的边界）或许并没有对应着图像中物体（的边界）,但是边缘具有十分令人满意的性质,它能大大地减少所要处理的信息但是又保留了图像中物体的形状信息”*第二十三页，本课件共有89页24理论曲线实际曲线(a)阶跃函数阶跃函

3、数 (b)线条函数线条函数两种常见的边缘一阶导数和二阶导数示意两种常见的边缘一阶导数和二阶导数示意图图(1)阶跃不连续，即图像强度在不连续处的两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常见的边缘类型*第二十四页，本课件共有89页25边缘检测方法n传统边缘检测方法:Roberts算子、Sobel算子、高斯-拉普拉斯算子等nCanny边缘检测n小波多尺度边缘检测n第二十五页，本课件共有89页27Canny 边缘检测器的实现1）求图像与高斯平滑滤波器卷积:2）使用一阶有限差分计算偏导数的两个阵列P与Q：3）幅值和方位角:第二

4、十七页，本课件共有89页284）非极大值抑制（NMS）：细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点。*将梯度角的变化范围减小到圆周的四个扇区之一，*方向角：*幅值：在每一点上，邻域的中心象素M与沿着梯度线的两个象素相比。如果M的梯度值不比沿梯度线的两个相邻象素梯度值大，则令M=0*第二十八页，本课件共有89页29n(5)滞后阈值化 由于噪声的影响，对图像中单个边缘的错误响应，经常会导致本应连续的边缘出现断裂的问题。这个问题可以利用滞后阈值化加以解决。如果任何像素对边缘算子的响应超过高阈值，将这些像素标记为边缘；响应超过低阈值的像素，如果与已经标为边缘的像素4邻接或8邻接，则将这些像素

5、也标记为边缘，这个过程反复迭代，剩下的孤立的响应超过低阈值的像素则视为噪声，不再标记为边缘。这两个阈值根据信噪比确定。第二十九页，本课件共有89页30Canny 边缘检测结果 7X7高斯滤波模板13X13高斯滤波模板第三十页，本课件共有89页31Canny 边缘检测结果第三十一页，本课件共有89页32小波边缘检测算法n基于小波分析的边缘检测算法总结如下：n（1）对原始图像进行多级小波分解，得到多尺度的模图像。n（2）计算并记录小波变换域中模为局部最大值的点。n（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。n（4）进行逆小波变换，得到边界图像。*第三十二页，本课件共有89页33飞机与

6、其边缘图第三十三页，本课件共有89页34直线检测算法nHough变换检测直线nHough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。第三十四页，本课件共有89页35 变换前 变换后第三十五页，本课件共有89页36利用Hough变换提取桥梁(a)原图 (b)分割后图像图4-4 Hough变换的对桥梁的分割结果 第三十六页，本课件共有89页37相位编组直线检测n原理：利用梯度方向获取直线支撑区。第三十七页，本课件共有89页38实验结果：图一：原始图像图二：白色表示线

7、支持区域图三：最小二乘拟合结果第三十八页，本课件共有89页393 遥感图象纹理特征描述第三十九页，本课件共有89页40(a)(b)人工纹理与自然纹理(a)人工纹理；（b）自然纹理 纹理的概念第四十页，本课件共有89页41将特定的纹理区域用一定规则提取出来纹理信息提取第四十一页，本课件共有89页42目前的纹理提取技术的分类n统计方法n利用灰度值的空间分布空间分布这一特性，提出了一大批的纹理统计方法与统计特征。n几何方法n n纹理元纹理元构成纹理。n模型方法n通过模型参数模型参数来定义纹理，模型的参数决定着纹理的质量。n信号处理方法（基于数学变换）n括空间域滤波、傅立叶滤波、Gabor和小波变换等

8、。*第四十二页，本课件共有89页43统计方法的分类n共生矩阵n罗氏纹理能量n自相关n局部二元模式*第四十三页，本课件共有89页44共生矩阵方法概述n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)。n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。n设灰度值的级数为K，则f1和f2的组合有K的平方种。n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。

9、*第四十四页，本课件共有89页48共生矩阵的参数n对比度参数n规律性参数n描述性统计量参数第四十八页，本课件共有89页49对比度(Contrast)n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。n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。n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

10、增加。第四十九页，本课件共有89页50均一度(Homogeneity)n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，给权值为0.5；当i和j相差为2时相关性减少到0.2；权值随i和j的相差值增加而减少。第五十页，本课件共有89页51规律性参数nAngular Second Moment(ASM)n能量 n平均信息量（很多文献里称为熵）（Entropy）第五十一页，本课件共有89页52GLCM描述性统计量nGLCM均值（GLCM Mean)nGLCM方差（GLCM Variance）nGLCM相关性（GLCM Corre

11、lation）第五十二页，本课件共有89页53GLCM实验*第五十三页，本课件共有89页54GLCM实验第五十四页，本课件共有89页55局部二元模式nLocal Binary Patternn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)n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。第五十五页，本课件共有89页56扩展的LBPn随后,出现了扩展LBP 算子,

12、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。第五十六页，本课件共有89页57LBP 实验结果 第五十七页，本课件共有89页58模型方法nMarkov随机场n分形模型n第五十八页，本课件共有89页59分形模型（fractal）n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 n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。n什么是自相似呢？例如高山的表面，您无论怎样

13、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n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 第五十九页，本课件共有89页60第六十页，本课件共有89页61第六十一页，本课件共有89页62用分形模型描述纹理n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 n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。第六十二页，本课件共有89页63基于分形分维的人工纹理图像分割结果 第六十三页，本课件共有8

14、9页64信号处理方法nGabor方法n小波变换第六十四页，本课件共有89页653.1 GABOR 滤波提取图象纹理n定义方式其中，是尺度参数，为方向参数，为方差，取为第六十五页，本课件共有89页66 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=4u=1,v=4u=2,v=4u=0,v=6u=1,v=6u=2,v=6u=0,v=0u=1,v=0u=2,v=0u=0,v=2u=1,v=2u=2,v=2滤波器形状第六十六页，本课件共有89页67Gabor FilternGabor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

15、，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。第六十七页，本课件共有89页68Gabor Filter的一般步骤n滤波器的构造滤波器的构造n特征提取特征提取 n特征平滑特征平滑n特征聚类特征聚类第六十八页，本课件共有89页73Gabor Filter试验结果第七十三页，本课件共有89页74Gabor Filter试验结果第七十四页，本课件共有89页754 遥感图象目标形状特征描述第七十五页，本课件共有89页76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

16、的形状特征。第七十六页，本课件共有89页77定义方式n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：n而中心化边界矩可表示为：其中第七十七页，本课件共有89页78离散的情况（数字图像）规格化的边界矩可以定义为：第七十八页，本课件共有89页79始点位置、位移、旋转以及尺度缩放不变性的不变矩公式第七十九页，本课件共有89页80注意的方面：n在以上七个边界矩不变函数式中，只有前六个函数式具有RST三个不变性，而第七个函数式只 ST不变性。n在量化过程中，受实际采样方式的影响，基于矩的图像特征并不能严格的保证旋转与比例尺度不变性，因此需要合理设置采样

17、的间隔。第八十页，本课件共有89页81使用流程第八十一页，本课件共有89页82Shape regularity index(SR)3.775.541.463.615.090.155.390.725.200.334.274.98应用例子第八十二页，本课件共有89页85距离直方图n目标对象的质心(Centroid)对于目标对象的形状边界来说是不随位移和旋转而改变的。通过对目标对象边界上采样点到目标对象质心距离大小类别进行统计，可以有效地刻画目标对象边界的形状特性，而且计算原理简单、代价较小质心(Centroid)：对于目标对象的形状边界来说是不随位移和旋转而改变的。第八十五页，本课件共有89页86

18、步骤n计算目标对象边界形状的质心根据以上公式，质心点可以表示为：第八十六页，本课件共有89页87计算样本点到质心的距离 生成距离直方图 根据实际情况，将从样本点到质心的距离分为几种类别，假设为R类，其范围为：0，Dmax/R,Dmax/R,2 Dmax/R,.,(R-1)Dmax/R,Dmax，分别计算每一个范围内包含的样本点个数。为了达到尺度缩放不变性，需要执行规格化操作，具体做法是将每一个范围内的各个距离值都除以其中的最大值，从而使每一个值都归属于0，1范围内。第八十七页，本课件共有89页88n 形状特征的表示 形状特征可以D(d0,d1,d2,d3,dn)来表示,其中n代表划分范围的个数，而每一个di代表相应范围内样本点的个数。第八十八页，本课件共有89页89感感谢谢大大家家观观看看第八十九页，本课件共有89页