遥感图像信息特征的概貌分析定.ppt

《遥感图像信息特征的概貌分析定.ppt》由会员分享，可在线阅读，更多相关《遥感图像信息特征的概貌分析定.ppt（67页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第二章遥感图像信息特征第二章遥感图像信息特征的概貌分析的概貌分析2.1 遥感图像模型遥感图像模型遥感图像是传感器通过探测地物电磁波辐射能量所遥感图像是传感器通过探测地物电磁波辐射能量所得到的图像，反映连续变化的物理场。虽然波段不得到的图像，反映连续变化的物理场。虽然波段不同，记录的辐射能量、成像方式及成像系统等也有同，记录的辐射能量、成像方式及成像系统等也有差异，但可归结为一个具有普遍意义的模型，即遥差异，但可归结为一个具有普遍意义的模型，即遥感图像模型。感图像模型。遥感图像模型遥感图像模型遥遥感感图图像像可可以以表表示示为为某某一一时时刻刻t,在在不不同同波波长长和和不不同同极极化化方方向向

2、p，能能够够收收集集到到的的位位于于坐坐标标(x,y)的的目目标标物物所辐射的电磁波能量所辐射的电磁波能量L L。目标物的目标物的反射率反射率黑体的电磁波黑体的电磁波发射能力发射能力入射的辐射量入射的辐射量目标物的目标物的反射率反射率入射的辐射量入射的辐射量黑体的电磁波黑体的电磁波发射能力发射能力目标物的目标物的反射率反射率入射的辐射量入射的辐射量图像函数的特点连续性定义域的限定性函数值的确定性函数值物理意义的明确性2.2遥感图像的数字表示 在图像处理中，为了便于问题的分析，需要用数学方式来表示图像。表示图像的基本方法有两类，即确定的与统计的，确定的表示方法是写出图像函数的表达式，对于数字图像

3、，则表示成矩阵或向量的形式，统计的表示法则是用一种平均特征来表示图像。2.1 2.1 图像的确定性表示图像的确定性表示 一一幅幅遥遥感感图图像像记记录录的的是是地地物物辐辐射射能能量量的的空空间间分分布布，可可以以表表示示成成f(x,y,t,p)。对对于于已已经经获获取取的的一一个个单单时时段段的的图图像像，图图像像是是关关于于空空间间坐坐标标点点的的函函数数f(x,y)。经采样和量化后，连续的像场可被离散化。经采样和量化后，连续的像场可被离散化。2.2.1图像的确定性表示数数字字图图像像类类别别即即确确定定性性表表示示 数字化后的一幅黑白图像，可以用数字化后的一幅黑白图像，可以用MNMN个字

4、节来表示。对电子计算机来个字节来表示。对电子计算机来说，可以用数学公式说，可以用数学公式f f（X Xi i，Y Yj j）来）来表示。数组表示。数组f f（X Xi i，Y Yj j）中）中i=1i=1，2 2，3m3m，j=1j=1，2 2，3 3，nn。式中。式中f f（X Xi i，Y Yj j）值代表图像中（）值代表图像中（X Xi i，Y Yj j）点处）点处象素的灰度值。象素的灰度值。在现实生活中有多种多样的图像，根在现实生活中有多种多样的图像，根据各类图像灰度层次的多少、光谱轴据各类图像灰度层次的多少、光谱轴及时间轴上的组合方式的不同，其数及时间轴上的组合方式的不同，其数字化后

5、的描述形式如表所示。字化后的描述形式如表所示。图像图像数字化后描述形式数字化后描述形式备注备注二值图像二值图像f（X，Y）=1或或0文字、线条图、指文字、线条图、指纹等纹等黑白图像黑白图像 0f（X，Y）2n-1黑白图像，一般黑白图像，一般n=68彩色图像彩色图像|fi（X，Y）|i=R，G，B以三基色表示的彩以三基色表示的彩色图像色图像光谱图像光谱图像|fi（X，Y）|i=1，2m遥感图像，遥感图像，m=68或更大或更大立体图像立体图像fl（X，Y），），fr（X，Y）左右视点得到同物左右视点得到同物体的图像对体的图像对动态图像动态图像|ft（X，Y）|t=t1，t2tr动态图像，动画制动态

6、图像，动画制做等做等1、矩阵表示、矩阵表示 在在计计算算机机中中，图图像像被被分分割割成成像像素素（Pixel），各各像像素素的的灰灰度度值值用用整整数数表表示示。一一幅幅MN个个像像素素的的数数字字图图像像，其像素灰度值可以用其像素灰度值可以用M行、行、N列的矩阵列的矩阵G表示：表示：黑黑白白图图像像是是指指图图像像的的每每个个像像素素只只能能是是黑黑或或白白，没没有有中中间间的的过过渡渡，故故又又称称为为二二值值图图像像。二二值值图图像像的的像像素素值为值为0 0或或1 1。灰灰度度图图像像是是指指每每个个像像素素由由一一个个量量化化的的灰灰度度值值来来描描述述的图像。它不包含彩色信息。的

7、图像。它不包含彩色信息。灰度数字图像的矩阵表示灰度数字图像的矩阵表示彩色数字图像的矩阵表示彩色数字图像的矩阵表示彩彩色色图图像像是是指指每每个个像像素素由由红红、绿绿、蓝蓝三三原原色色（分分别别用用R R、G G、B B表表示示）构构成成的的图图像像，其其中中R R、B B、G G是是由由不不同的灰度级来描述的。同的灰度级来描述的。2、向量表示、向量表示 按按行行的的顺顺序序排排列列像像素素，使使图图像像下下一一行行第第一一个个元元素素紧紧接接上上一一行行最最后后一一个个像像素素，图图像可以表示成像可以表示成1MNMN的列向量。的列向量。在在图图像像处处理理中中，普普遍遍将将图图像像的的灰灰度

8、度级级看看作作随随机机变变量量，按按照照概概率率论论来来表表示示，一一种种用用密密度度函函数数（或或分分布布函函数数）表表示示，另另一一种种用用统统计计特特征征参参数数来来表表示示。从从统统计计学学角角度度来来说说，图图像像的的数数字字特特征征可作为区分或识别图像中地物的依据。可作为区分或识别图像中地物的依据。2.2.22.2.2、遥感图像的统计性表示、遥感图像的统计性表示1 1、反映像素值平均信息的统计特征、反映像素值平均信息的统计特征）、均值）、均值均值是图像中所有像元亮度值的算术平均值。其计均值是图像中所有像元亮度值的算术平均值。其计算公式为：算公式为：为各个像元的灰度值；为各个像元的灰

9、度值；为像元个数为像元个数2.3 单波段图像的统计特征单波段图像的统计特征2.3.1基本统计特征基本统计特征）、中值）、中值是图像灰度的中间值。由于遥感图像的灰度是图像灰度的中间值。由于遥感图像的灰度级绝大多数是连续变化的，所有其计算公式为：级绝大多数是连续变化的，所有其计算公式为：3 3）、众数：图像中出现最多的灰度值，反映了图像）、众数：图像中出现最多的灰度值，反映了图像中分布较广的地物反射能量。中分布较广的地物反射能量。为图像的均值为图像的均值2 2、反映像素值变化信息的统计参数、反映像素值变化信息的统计参数1 1）、方差和标准差）、方差和标准差为图像的像元个数为图像的像元个数为图像的均

10、值为图像的均值2 2）、反差）、反差反差描述的是图像的显示效果，直接影响图像的可分辨反差描述的是图像的显示效果，直接影响图像的可分辨性。直方图越窄，反差越小，若反差偏小，其图像的判性。直方图越窄，反差越小，若反差偏小，其图像的判读效果较差。在三个反差定义中，方差最确切。读效果较差。在三个反差定义中，方差最确切。阅读阅读layer infolayer info中标明的图像信息中标明的图像信息2.3.22.3.2、图像的直方图、图像的直方图、直方图的基本概念：是图像中的每个波段亮度、直方图的基本概念：是图像中的每个波段亮度值与像元数关系的分布曲线。横坐标表示图像的灰值与像元数关系的分布曲线。横坐标

11、表示图像的灰度级变化数，纵坐标表示图像中每个灰度级像元数度级变化数，纵坐标表示图像中每个灰度级像元数目占整个像元数目的百分比或累计百分比。目占整个像元数目的百分比或累计百分比。阅读阅读layer infolayer info中标明的图像信息：中标明的图像信息：点击菜单点击菜单utility/layer infoutility/layer info，出现，出现imageinfoimageinfo窗口，窗口，点击点击generalgeneral查看其像元大小、波段数、地图参数、查看其像元大小、波段数、地图参数、投影参数等相关信息；投影参数等相关信息；点击点击projectionprojection

12、可查看详细的投影信息；可查看详细的投影信息；点击点击histogramhistogram可查看各波段的灰度分布直方图；可查看各波段的灰度分布直方图；点击点击pixel datapixel data可查看各像元的灰度值。可查看各像元的灰度值。、图像直方图的基本类型、图像直方图的基本类型）、频数直方图：纵坐标是某个灰度级的像元）、频数直方图：纵坐标是某个灰度级的像元在图像中分布的百分数，相当于频率密度曲线。在图像中分布的百分数，相当于频率密度曲线。）、累积直方图：纵坐标是小于或等于特定灰）、累积直方图：纵坐标是小于或等于特定灰度级像元在图像中的百分数，相当于累积频率密度级像元在图像中的百分数，相当

13、于累积频率密度曲线。度曲线。4376824899589131079121511811101413某数字图像的一部分某数字图像的一部分灰度值灰度值0123456789 10 11 12 13 14 15像元数像元数00112112442212113、直方图的性质1）、反映了图像灰度的分布规律；2）、任何一幅特定图像都有唯一的直方图与之对应，但不同的图像可以有相同的直方图；3）、如果一幅图像仅包括两个不相连的区域，并且每个区域的直方图已知，则整幅图像的直方图是这两个区域的直方图之和；4）、由于遥感图像数据的随机性，在图像像素数足够多且地物类型差异不是非常悬殊的情况下，服从或接近于正态分布。4 4、

14、图像数据集的理想分布、图像数据集的理想分布在图像包含大量像元的前提下，假定像元亮在图像包含大量像元的前提下，假定像元亮度是随机分布的，图像就像自然界的其他现象一度是随机分布的，图像就像自然界的其他现象一样，分布函数服从或接近于正态分布。一般来说，样，分布函数服从或接近于正态分布。一般来说，直方图的形状越接近于正态分布，说明图像越接直方图的形状越接近于正态分布，说明图像越接近于假定条件，如果峰值偏向灰度值大的一方，近于假定条件，如果峰值偏向灰度值大的一方，图像偏亮，反差较小。峰值偏向灰度值小的一方，图像偏亮，反差较小。峰值偏向灰度值小的一方，图像偏暗，反差较小。图像偏暗，反差较小。双峰直方图双峰

15、直方图多峰直方图多峰直方图利用直方图分析图像的质量是图像分析的基利用直方图分析图像的质量是图像分析的基本方法，常常有目的地改变直方图形态，从而改本方法，常常有目的地改变直方图形态，从而改善图像的质量。利用累积直方图，观察灰度从小善图像的质量。利用累积直方图，观察灰度从小到大时像元数的变化规律，也可以分析出图像对到大时像元数的变化规律，也可以分析出图像对比度的情况。对于灰度偏暗的图像，在灰度小的比度的情况。对于灰度偏暗的图像，在灰度小的部分像元数增长很快，对于灰度偏亮的图像，在部分像元数增长很快，对于灰度偏亮的图像，在灰度大的部分像元数增长很快等灰度大的部分像元数增长很快等 2.4 2.4多波段

16、图像信息特征的概貌分析多波段图像信息特征的概貌分析多波段图像除了单个波段图像的统计特征以多波段图像除了单个波段图像的统计特征以外，波段图像之间也存在着关联，多波段图像波外，波段图像之间也存在着关联，多波段图像波段之间的统计特征是多波段图像分析的重要参数，段之间的统计特征是多波段图像分析的重要参数，是图像合成的主要依据之一。是图像合成的主要依据之一。1 1、协方差与协方差阵、协方差与协方差阵两个不同参数之间的方差就是协方差两个不同参数之间的方差就是协方差 式中：、分别是图像式中：、分别是图像X X与与Y Y的协方差，的协方差，图像图像Y Y与与X X的协方差。的协方差。将将N N个波段相互之间的

17、协方差排列在一起所个波段相互之间的协方差排列在一起所组成的数字矩阵就是所谓的协方差阵。组成的数字矩阵就是所谓的协方差阵。打开打开erdaserdas，单击，单击modelermodeler模块，选择模块，选择modelmodel，在弹，在弹出的窗口中进行编辑你所需要的模型即可出的窗口中进行编辑你所需要的模型即可 、相关系数与相关矩阵、相关系数与相关矩阵相关系数是描述波段图像的相关程度的统计相关系数是描述波段图像的相关程度的统计量。其计算公式是：量。其计算公式是：图像图像i i与图像与图像j j的协方差的协方差图像图像i i与图像与图像j j的标准差的标准差相关系数表示了两个波段图像所包含信息相

18、关系数表示了两个波段图像所包含信息内容的重叠程度，是多波段图像彩色合成的重内容的重叠程度，是多波段图像彩色合成的重要依据。针对多波段图像在波段上的相关性质，要依据。针对多波段图像在波段上的相关性质，产生了一类图像处理算法，如主成分变换、穗产生了一类图像处理算法，如主成分变换、穗帽变换。帽变换。2.5 2.5窗口邻域和卷积窗口邻域和卷积2.5.1 2.5.1 窗口和邻域窗口和邻域 对于图像中的任一像素（对于图像中的任一像素（x x，y y）以此为中心，按）以此为中心，按上下左右对称所设定的像素范围称为窗口。窗口多为上下左右对称所设定的像素范围称为窗口。窗口多为矩形，行列数为奇数，并按照行数乘以列

19、数的方式来矩形，行列数为奇数，并按照行数乘以列数的方式来命名，如命名，如3333、55 55、7777窗口等。中心像素周围窗口等。中心像素周围的行列称为该像素的邻域。的行列称为该像素的邻域。邻域运算：对于中心像素（邻域运算：对于中心像素（x x，y y），其值用），其值用f f（x x，y y）表示，可按照相邻性规则通过计算产生。其）表示，可按照相邻性规则通过计算产生。其中，卷积运算是最常用的方法。中，卷积运算是最常用的方法。2.5.2 2.5.2卷积运算卷积运算 卷积是空间域上针对特定窗口进行的运算，是图卷积是空间域上针对特定窗口进行的运算，是图像平滑、锐化中使用的基本的计算方法。像平滑、锐

20、化中使用的基本的计算方法。设窗口大小为设窗口大小为mnmn，（，（i,ji,j）是中心像素，）是中心像素，f(f(x,y)x,y)是图像像素值，是图像像素值，g(i,jg(i,j）是运算结果，）是运算结果，h(x,y)h(x,y)是是窗口模板（或称为卷积核窗口模板（或称为卷积核kernelkernel，那么卷积运算的公，那么卷积运算的公式为：式为：对于整个图像，从左上角开始，从左到右，由对于整个图像，从左上角开始，从左到右，由上到下按照窗口顺序进行遍历，即可完成整个图像上到下按照窗口顺序进行遍历，即可完成整个图像的卷积运算，对于图像边缘，由于无法满足窗口对的卷积运算，对于图像边缘，由于无法满足

21、窗口对中心像素的要求，其窗口外部的像素可以用任意一中心像素的要求，其窗口外部的像素可以用任意一种方法来处理种方法来处理 设为设为0 0值值 按对称原则从图像中取值按对称原则从图像中取值 保留原值，不进行计算保留原值，不进行计算 把原图像的值在边界处补齐后进行计算（教材把原图像的值在边界处补齐后进行计算（教材P51P51）8685878890868787878588878586838989868687899089878711118111118541135451981152321091124174510图像数据图像数据模板模板计算结果计算结果 2.5.3 2.5.3、滤波、滤波滤波是指改变信号中各

22、个频率分量的相对大小、或者滤波是指改变信号中各个频率分量的相对大小、或者分离出来加以抑制、甚至全部滤除某些频率分量的过分离出来加以抑制、甚至全部滤除某些频率分量的过程。图像滤波可以消除运动模糊、图像噪音，突出显程。图像滤波可以消除运动模糊、图像噪音，突出显示图像边缘和细节信息，提取图像空间尺度特征等。示图像边缘和细节信息，提取图像空间尺度特征等。图像滤波可分为空间域滤波和频率域滤波两种方法。图像滤波可分为空间域滤波和频率域滤波两种方法。空间域滤波是邻域操作，通过权重矩阵与窗口图像矩空间域滤波是邻域操作，通过权重矩阵与窗口图像矩阵的卷积计算实现图像空间域滤波。频率域滤波是对阵的卷积计算实现图像空

23、间域滤波。频率域滤波是对图像进行傅立叶变换，然后对变换后的频率域图像中图像进行傅立叶变换，然后对变换后的频率域图像中的频谱进行滤波。的频谱进行滤波。原图像原图像梯度算子检测梯度算子检测RobertsRoberts算子检测算子检测PrewittPrewitt算子检测算子检测 SobelSobel算子检测算子检测 2.62.6纹理纹理 纹理通常被定义为图像的某种局部性质，或是对纹理通常被定义为图像的某种局部性质，或是对局部区域中像素之间关系的一种度量。通常认为，纹局部区域中像素之间关系的一种度量。通常认为，纹理是由纹理基元按某种确定性的规律或只是按某种统理是由纹理基元按某种确定性的规律或只是按某种

24、统计规律重复排列组成的。计规律重复排列组成的。归纳起来，主要有两种，一种是凭人们的直观印归纳起来，主要有两种，一种是凭人们的直观印象，一是凭图像本身的结构。象，一是凭图像本身的结构。纹理是图像分析中的一个非常重要的特征。从纹理是图像分析中的一个非常重要的特征。从航空照片中的地表景物到显微图像中生物体组织排航空照片中的地表景物到显微图像中生物体组织排列，都反映了纹理具有的规律性。对图像处理而言，列，都反映了纹理具有的规律性。对图像处理而言，图像纹理一般是指有大量或多或少相似的纹理元或图像纹理一般是指有大量或多或少相似的纹理元或模式组成的一种结构。模式组成的一种结构。纹理分析一般是针对纹理图像而言

25、的，类似于纹理分析一般是针对纹理图像而言的，类似于眼纹、布纹、草地、麦田、砌砖平面等重复性结构眼纹、布纹、草地、麦田、砌砖平面等重复性结构的图像称为纹理图像。一般来说，纹理图像中灰度的图像称为纹理图像。一般来说，纹理图像中灰度分布具有某种周期性，即使灰度变化是随机的，那分布具有某种周期性，即使灰度变化是随机的，那么也符合一定的统计特性。么也符合一定的统计特性。人工纹理自然纹理人工纹理人工纹理自然纹理自然纹理自然纹理自然纹理自然纹理自然纹理人工纹理人工纹理 当纹理可以分解时，可以用两种当纹理可以分解时，可以用两种基本特征来描述，即组成纹理的基元基本特征来描述，即组成纹理的基元和基元之间的相互关系

26、，前者与局部和基元之间的相互关系，前者与局部灰度变化规律有关，后者则与有前者灰度变化规律有关，后者则与有前者形成的空间结构相关。形成的空间结构相关。纹理的这两个基本特征成为纹理纹理的这两个基本特征成为纹理分析的基本依据。分析的基本依据。纹理基元：把具有一定的不变性的纹理基元：把具有一定的不变性的视觉基元称为纹理基元。因此纹理可以视觉基元称为纹理基元。因此纹理可以看作是纹理基元以不同的形变及不同的看作是纹理基元以不同的形变及不同的方向重复出现的一种图形。方向重复出现的一种图形。1 1、统计方法、统计方法 有自相关函数、纹理边缘、结构元素、灰度的有自相关函数、纹理边缘、结构元素、灰度的空间共生概率

27、、灰度行程和自回归模型。将纹理描空间共生概率、灰度行程和自回归模型。将纹理描述为光滑、粗糙、粒状等等。述为光滑、粗糙、粒状等等。2、结构方法、结构方法 研究基元及其空间关系。基元一般定义为具有研究基元及其空间关系。基元一般定义为具有某种属性而彼此相连的单元的集合，属性包括灰度、某种属性而彼此相连的单元的集合，属性包括灰度、连同区域的形状、局部一致性等。空间关系包括基连同区域的形状、局部一致性等。空间关系包括基元的相邻性、在一定角度范围内的最近距离等等。元的相邻性、在一定角度范围内的最近距离等等。2.6.1 2.6.1 空间自相关函数方法空间自相关函数方法粗糙度是纹理的一个重要特征。空间自相关函

28、数粗糙度是纹理的一个重要特征。空间自相关函数可用来对纹理的粗糙度进行描述。可用来对纹理的粗糙度进行描述。对图像对图像f f，其自相关函数，其自相关函数r r定义为：定义为：式中：式中：x x，y y分别是在分别是在x x和和y y方向上移动的步方向上移动的步长，如果坐标超过了原始图像的范围，取长，如果坐标超过了原始图像的范围，取0 0值。值。自相关函数是取值在自相关函数是取值在0 0到到1 1之间的图像。随之间的图像。随x x，y y的变化，可以绘制的变化，可以绘制r rd d曲线，其中，曲线，其中，并用它来描述图像的粗糙程度。一般地，粗纹并用它来描述图像的粗糙程度。一般地，粗纹理特征的自相关

29、函数随理特征的自相关函数随d d的变化比较慢，细纹理的变化比较慢，细纹理则变化比较快。则变化比较快。自相关函数可用于图像的识别，一般的步骤为：自相关函数可用于图像的识别，一般的步骤为：（1 1）、计算典型地物的自相关函数）、计算典型地物的自相关函数（2 2）、计算图像的自相关函数，并与（）、计算图像的自相关函数，并与（1 1）的结果进）的结果进行比较，如果相近，则归于一类。行比较，如果相近，则归于一类。如果如果d d是固定的，那么，自相关函数的计算在窗是固定的，那么，自相关函数的计算在窗口内进行，这种自相关函数称为局部自相关函数。此口内进行，这种自相关函数称为局部自相关函数。此时，如果纹理的粗

30、糙度发生变化，那么随着窗口的移时，如果纹理的粗糙度发生变化，那么随着窗口的移动，产生的自相关函数值必然发生变化。动，产生的自相关函数值必然发生变化。问题的关键是问题的关键是d d值大小的确定，这可以通过计算值大小的确定，这可以通过计算从大到小的从大到小的d d所对应的自相关函数来完成，比较清晰所对应的自相关函数来完成，比较清晰的图像所对应的的图像所对应的d d值往往就是最佳的值值往往就是最佳的值2.6.22.6.2共生矩阵方法共生矩阵方法 用两个位置的像素的联合概率密度来定义，它用两个位置的像素的联合概率密度来定义，它不仅反映亮度的分布特性，也反映具有同样亮度或不仅反映亮度的分布特性，也反映具

31、有同样亮度或接近亮度的像素之间的位置分布特性，是有关图像接近亮度的像素之间的位置分布特性，是有关图像亮度变化的二阶统计特征。它是定义一组纹理特征亮度变化的二阶统计特征。它是定义一组纹理特征的基础。的基础。在图像中任意取一点（在图像中任意取一点（x x，y y）及偏离它的另一）及偏离它的另一点（点（x xa a，y yb b）（其中（）（其中（a a，b b）为整数，人为定）为整数，人为定义）构成点对。设改点对的灰度值为（义）构成点对。设改点对的灰度值为（f f1 1，f f2 2），再），再令点（令点（x x，y y）在整幅图像上移动，得到不同的（）在整幅图像上移动，得到不同的（f f1 1，

32、f f2 2）。）。图象有图象有L L个灰度等级，则矩阵大小为个灰度等级，则矩阵大小为L*LL*L。对于整个图像，统计出每一种（对于整个图像，统计出每一种（f f1 1,f,f2 2）出现的）出现的次数，然后排列成一个方阵，再用（次数，然后排列成一个方阵，再用（f f1 1,f,f2 2）出现的）出现的次数将他们归一化为出现的概率次数将他们归一化为出现的概率P P（f f1 1,f,f2 2），由此），由此产生的矩阵为灰度共生矩阵。产生的矩阵为灰度共生矩阵。012301212301232301230301230101230121230123230123001000001100001110000

33、800009000010000090090000990000800a=1,b=0a=1,b=0a=1,b=1a=1,b=1a=2,b=0a=2,b=0f f1 1f f1 1f f1 101230123f f2 201230123f f2 201230123f f2 2距离（距离（a,ba,b）不同，灰度共生矩）不同，灰度共生矩阵中的值不同，阵中的值不同，a a和和b b的取值要的取值要根据纹理周期分布的特性来选根据纹理周期分布的特性来选择，对于较细的纹理选取（择，对于较细的纹理选取（1 1，0 0）（1 1，1 1）（）（2 2，0 0）等这样的值）等这样的值是必要的。是必要的。010000

34、01100001110000800009000010000090090000990000800a=1,b=0a=1,b=0a=1,b=1a=1,b=1a=2,b=0a=2,b=0f f1 1f f1 1f f1 101230123f f2 201230123f f2 201230123f f2 2a,ba,b取值较小对应于变化缓慢的取值较小对应于变化缓慢的纹理图像，其灰度共生矩阵对纹理图像，其灰度共生矩阵对角线上的数值较大，纹理的变角线上的数值较大，纹理的变化越快，其对角线上的数值越化越快，其对角线上的数值越小，而对角线两侧的值增大。小，而对角线两侧的值增大。共生矩阵实际上是两个像素点的联合直

35、方图，共生矩阵实际上是两个像素点的联合直方图，对于图像中细而规则的纹理，成对像素点的二维直对于图像中细而规则的纹理，成对像素点的二维直方图倾向于均匀分布；对于粗而规则的纹理，倾向方图倾向于均匀分布；对于粗而规则的纹理，倾向于对角线分布。于对角线分布。共生矩阵是用来描述纹理中基元之间空间联系共生矩阵是用来描述纹理中基元之间空间联系的基础，反映了纹理中灰度分布的性质。基于共生的基础，反映了纹理中灰度分布的性质。基于共生矩阵，可以定义许多基于统计法的纹理特性。矩阵，可以定义许多基于统计法的纹理特性。为通用起见，共生矩阵的统计特性为通用起见，共生矩阵的统计特性不一定局限于图像的灰度，设不一定局限于图像

36、的灰度，设Y(i，j)是是所计算的纹理基元的某项特性，并且它所计算的纹理基元的某项特性，并且它只能在整数集合（只能在整数集合（yl，yr，ys，yt）中）中取值，此时共生矩阵描述的二阶统计特取值，此时共生矩阵描述的二阶统计特性反映的是，特征性反映的是，特征Y(i，j)在相对位置满在相对位置满足特定空间约束条件的两个像素处取某足特定空间约束条件的两个像素处取某两个特定值的概率大小。两个特定值的概率大小。理论和实践结果表明，在纹理识别理论和实践结果表明，在纹理识别和分割中基于二阶统计量的纹理测量比和分割中基于二阶统计量的纹理测量比其它方法优越，但它的一个主要缺点是其它方法优越，但它的一个主要缺点是计算量大且需要计算的特征数量多，而计算量大且需要计算的特征数量多，而且还需要在不同的位移大小和方向下计且还需要在不同的位移大小和方向下计算，在某些情况下，为减小计算量，可算，在某些情况下，为减小计算量，可假设纹理是各向同性的，这时可把固定假设纹理是各向同性的，这时可把固定位移大小条件下各方向的共生矩阵做平位移大小条件下各方向的共生矩阵做平均，然后再用这个综合的矩阵来计算各均，然后再用这个综合的矩阵来计算各项特征。项特征。