遙感圖像解譯與認(rèn)知完整版

遙感智能計(jì)算與信息提取遙感圖像解譯與認(rèn)知

目錄第一節(jié)

遙感信息認(rèn)知過程

第二節(jié)

遙感影像目視解譯

第三節(jié)

計(jì)算機(jī)圖像解譯Modis

由美國航空航天

局

研制

。Modis

分辨率在0.25km～1km之間。Landsat

7號(hào)衛(wèi)星獲取的ETM+影像

包含可見光和近紅外的6個(gè)波段

?？臻g

分辨率在15-30m。

1.

中低分辨率遙感影像地物分類地物覆蓋制圖一直以來都是遙感測繪領(lǐng)域的一項(xiàng)重要任務(wù)。自從中低分辨率遙感衛(wèi)星發(fā)射以來，如何利用遙感影像進(jìn)行自

動(dòng)地物分類就成為了遙感信息提取領(lǐng)域經(jīng)久不息的課題。Landsat

7號(hào)衛(wèi)星Modis

（Terra衛(wèi)星）有36個(gè)光譜波段，波長范圍為0.4-14.4

μm，5基于像素的地物分類武漢地區(qū)2002年的ETM+影像

（30米分辨率）

1.

中低分辨率遙感影像地物分類

ETM+影像的地物分類8基于像素的地物分類云南地區(qū)2004年的Modis影像

（1000米分辨率）

1.

中低分辨率遙感影像地物分類

Modis影像的地物識(shí)別91.

中低分辨率遙感影像地物分類

中低分辨率的遙感影像地物分類特點(diǎn)：

影像沒有地物目標(biāo)的細(xì)節(jié)；采用基于像素的地物分類方法。由于受影像分辨率的限制，影像上地物，如房屋、樹木等，并未表現(xiàn)明顯的幾何結(jié)構(gòu)信息。因此基于像素的分類方法如最

大似然法、支撐向量機(jī)法就能完成較好的分類效果。隨著影像空間分辨率的增加，高分辨率影像相對(duì)中低分

辨率遙感影像表現(xiàn)出了很多不同的特性。10IKONOS

衛(wèi)

星

可

提

供

0.82-1

米

的

全

色紅

和

近

紅

外

波段）。IKONOS衛(wèi)星的成功

2.

高分辨率影像的地物識(shí)別

高空間分辨率遙感衛(wèi)星IKONOS衛(wèi)星影

像

和

3.2-4m

的

多

光

譜

影

像

（

包

括

藍(lán)

、

綠

、QuickBird衛(wèi)星QuickBird

衛(wèi)

星

可

提

供

0.61

米

的

全

色

影

像

和

2.4m

的

多

光

譜

影

像

（

包

括

藍(lán)

、

綠、紅和近紅外波段。

QuickBird衛(wèi)星運(yùn)行標(biāo)志著衛(wèi)星遙感影像進(jìn)入亞米級(jí)時(shí)代。是目前最成功的商用衛(wèi)星之一。11

建筑物、道路、植被等地物類別具有明顯的幾何紋理特征；

地物類內(nèi)方差變大，類間方差變小。高空間分辨率遙感影像2009年武漢地區(qū)IKONOS多光譜影像2010年海南三亞地區(qū)QB多光譜影像

成

像

光

譜

波

段

變

少

，

“

同

物

異

譜

”

“

異

譜

同

物

”

現(xiàn)

象

大

量

發(fā)

生

；12瓶頸表達(dá)地理時(shí)空數(shù)據(jù)獲取信息提取數(shù)據(jù)分析知識(shí)挖掘決策支持真實(shí)地理時(shí)空信息流過程數(shù)據(jù)核心信息知識(shí)知識(shí)基本問題

遙感過程是對(duì)地理要素少量特征(如光譜屬性)

的獲取，且基本空間單元為空間聚合單元，

基本時(shí)間單位為離散時(shí)間切片單元，同時(shí)大

氣擾動(dòng)等不確定因素影響——使得遙感數(shù)據(jù)

分析時(shí)，很難直接從影像中反演出地理要素。

數(shù)據(jù)預(yù)處理的問題

人工智能的問題

地表格局復(fù)雜認(rèn)知問題

數(shù)據(jù)預(yù)處理的問題如成像清晰，幾何精校正、輻射校正、大氣校

正等。所以已經(jīng)有了像素工場，國內(nèi)也逐步推

出少控制點(diǎn)整軌影像的快速精校正。當(dāng)然這個(gè)里面還是有很多的問題值得研究：

影像更清晰、條帶噪聲的去處、云的去除和修

復(fù)等，霧霾的影響去除等。

人工智能的問題最好質(zhì)量的信息提取結(jié)果是什么？是目視

解譯的結(jié)果。我們對(duì)比信息提取的精度問題時(shí)，

主要參照物就是目視解譯的結(jié)果。這說明什么

問題呢？人腦認(rèn)知圖像的境界目前是最高水平，

需要教給計(jì)算機(jī)去學(xué)習(xí)。但怎么教，以前是選

取樣本，用一些底層的特征去表達(dá)，依靠分類

器去分類，那么可以知道分類的效果一定不佳。

現(xiàn)在呢人工智能的方法增多了，但能否有效果，

也有很多問題需要研究。

地球表面復(fù)雜性認(rèn)知遙感區(qū)別于其他網(wǎng)絡(luò)上圖片，日常攝影的

照片的大量圖像，就是它是對(duì)地表成像。如果

我們拋開地表，那遙感的很多問題就和圖像檢

索、標(biāo)注、識(shí)別等一致。很多方法完全可以借

鑒過來。但不能忽視的一大問題就是對(duì)地表的

認(rèn)知（尺度問題）。對(duì)圖像的解譯，只有很好

的識(shí)別圖像，才能進(jìn)行信息提取與分類。

目錄第一節(jié)

遙感信息認(rèn)知過程

第二節(jié)

遙感影像目視解譯

第三節(jié)

計(jì)算機(jī)圖像解譯一、

地學(xué)解譯的目的與要求

解譯的涵義

解譯（判讀、判譯）是指從圖像獲取信

息的基本過程。

即根據(jù)地學(xué)工作的要求，根據(jù)解譯標(biāo)志

和實(shí)踐經(jīng)驗(yàn)，應(yīng)用各種解譯技術(shù)和方法，

識(shí)別出地學(xué)目標(biāo)，地學(xué)現(xiàn)象的物性和特

點(diǎn)，測算出某種數(shù)量指標(biāo)的過程?？紤]的關(guān)鍵問題-數(shù)據(jù)源選擇解譯的平臺(tái)解譯要素

一、色調(diào)與色彩二、地物的幾何形態(tài)

三、地物的大小四、陰影五、影紋六、影紋結(jié)構(gòu)七、影紋圖案（組合圖案）

八、其它解譯標(biāo)志二、

遙感圖像的目視解譯方法與步驟

解譯方法解譯原則：尺度變化的過程

先整體，后局部

先已知，后未知

先易，后難尺度變化至上而下

由宏觀到微觀1

直接判定法：對(duì)于像片上影像特征比較明顯的地物，

通過直接標(biāo)志即可判定地物的性質(zhì)、識(shí)別出地物。2

對(duì)比分析法：將待判別影像與已知地物影像或標(biāo)準(zhǔn)

圖像上的影像進(jìn)行比較，以判別該地物的性質(zhì)。3

邏輯推理法：利用各種現(xiàn)象之間的關(guān)系，依照邏輯

推理進(jìn)行判讀。如泉眼線狀分布可判定斷層的存在。

圖像解譯以相關(guān)的專業(yè)知識(shí)和經(jīng)驗(yàn)為主導(dǎo)，圖像處

理為輔助，經(jīng)驗(yàn)是在實(shí)踐中逐步總結(jié)，如下為一些

經(jīng)驗(yàn)性的總結(jié)：總體觀察→到局部詳細(xì)分析綜合分析→前人調(diào)查資料、地面實(shí)況對(duì)比分析→地面調(diào)繪圖、土地利用圖已知→未知易→難山區(qū)→平原整體→局部（大類→二級(jí)分類）宏觀特征→細(xì)部結(jié)構(gòu)先線狀地物→后圖形

三、

地學(xué)解譯標(biāo)志地

學(xué)

解

譯

標(biāo)

志

：

遙

感

圖

像

上

，

能

識(shí)

別

地

學(xué)

物

體

、

地

學(xué)

現(xiàn)

象

，

或

能

說

明

共

性

質(zhì)

和

相

互

關(guān)

系

的

影

像

特

征

，

稱

為

地

學(xué)

解

譯

標(biāo)

志。直

接

解

譯

標(biāo)

志

：

遙

感

圖

像

上

能

直

接

見

到

的

解

譯

目

標(biāo)

的

影

像

特

征

（

包

括

形

狀

、

大

小

、

色

調(diào)

、

陰

影

、

花

紋

等

）

，

稱

直

接

解譯標(biāo)志。間

接

解

譯

標(biāo)

志

：

需

通

過

分

析

、

判

別

才

能

識(shí)

別

地

學(xué)

目

標(biāo)

，

現(xiàn)

象的存在，才能推斷其性質(zhì)的影像特征稱為間接標(biāo)志。

如

通

過

水

系

分

析

來

判

斷

巖

性

。

水

系

即

間

接

標(biāo)

志

。

對(duì)

其

認(rèn)

識(shí)

取決于專業(yè)知識(shí)。資源信息專題類型提取標(biāo)志水

田分布位置主要分布在河流沖積平原、盆地、河谷

川地。

主要作物以水稻、小麥、玉米、西瓜、蔬菜為主

。

影像特征形態(tài)以塊狀分布，地類邊界清楚，地塊

整齊。主基調(diào)為紅、暗紅、鮮紅、黑灰和淡籃

色影像紋理細(xì)膩，顏色不均勻，作物間差

異較大。平

原

旱

地分布位置主要分布在盆地山前帶、河流沖積、洪

積或湖積平

原（水源短缺灌溉條件較差）

。主要作物作物有小麥、玉米、谷子、糜子大豆、

土豆等。

影像特征影像的幾何特征規(guī)則，地塊大排

列整齊

。影像呈現(xiàn)出紅、淡紅、粉紅、鮮紅等顏

色。影像紋理較粗糙，但地類間色差很明顯

。丘

陵

旱

地分布位置主要分布在丘陵的緩坡以及墚、

峁之上。

主要作物作物有小麥、玉米、谷子、糜子大豆、

土豆等。

影像特征幾何特征不規(guī)則，連片，局部有條狀形

態(tài)。影像呈現(xiàn)出紅、淡紅、粉紅、鮮紅等顏

色。影像紋理較粗糙，但地類間色差很明顯

。山

區(qū)

旱

地分布位置主要分布在山坡、山腰、陡坡臺(tái)地及山前帶上。

主要作物主要農(nóng)作物有小麥、玉米、青稞、油菜

、土豆等。

影像特征影像幾何特征不規(guī)則

，局部呈條狀形態(tài)。影像呈現(xiàn)出紅、淡紅、粉紅和淡藍(lán)等顏

色。

影像紋理較粗糙，紋理不均勻

。有

林

地（喬木林）

分布位置主要分布在中山坡地、谷地兩坡、山頂

、平原等。

主要植被主要有松樹、楊樹、柳樹、沙棗、梧桐

等。

影像特征幾何形狀不規(guī)則，與其它地類間邊界滑

潤清晰。影像呈現(xiàn)為鮮紅，針葉或闊葉灌叢有明顯區(qū)別。影像紋理色調(diào)較均勻，影像紋理都很細(xì)膩。灌木林分布位置分布在較高的山區(qū)，多數(shù)在山坡和山谷

及沙地。主要植被有高山杜鵑、高山柳、紅柳、檸條、梭

梭等。

影像特征幾何特征不規(guī)則，生長在低地中。影像呈現(xiàn)紅、鮮紅、粉紅和暗紅色

。影像紋理細(xì)膩，在同一色調(diào)中差異不大。疏

林

地分布位置主要分布在山區(qū)、丘陵、平原及沙地、

戈壁邊緣。主要植被有高山杜鵑、高山柳、紅柳、檸條、梭

梭等。

影像特征幾何特征不規(guī)則，生長在低地中。影像呈紅、鮮紅、粉紅色。以小塊星點(diǎn)

狀分布。影像紋理細(xì)膩，在同一色調(diào)中差異不大。其它林地（經(jīng)濟(jì)林等）

分布位置主要分布在綠洲田埂，河邊、路邊及居

民點(diǎn)周圍。

主要植被主要有楊樹、柳樹、梧桐及各種果樹等

。

影像特征大多數(shù)以線狀、格狀、點(diǎn)狀和片狀分布

。影像呈紅、鮮紅和粉紅色的線格

狀、點(diǎn)狀分布。

影像紋理上看比較雜亂，不規(guī)則。高覆蓋草地分布位置分布在山區(qū)、丘陵及河間灘地、戈壁、

沙地等。

主要植被嵩草、冰草、蘆葦、針茅、紅砂、駱駝

蓬等。

影像特征形態(tài)各異，連片分布地類邊界明顯

。影像呈以鮮紅、紅、淡紅、粉紅為主色

調(diào)

。影像質(zhì)底較細(xì)膩、紋理清晰、顏色均一

。中覆蓋草地分布位置主要分布在較干燥地方（戈壁洼地和沙

地內(nèi)等）。

主要植被主要有苦豆子、駱駝刺、大針茅等

。影像特征形態(tài)不規(guī)則，基本生長在土層較厚易積

水地段。

影像顏色以紅、淡紅、粉紅為主

色調(diào)。影象質(zhì)底較細(xì)膩、顏色均一，不

同地類間色差較明顯。低覆蓋草地分布位置主要生長在較干燥地方(黃土丘陵上和沙地邊緣

)。

主要植被駱駝刺、紅砂、鹽爪爪、駱駝刺、雞爪

蘆葦

。

影像特征形態(tài)不規(guī)則，基本生長在土層較厚易積

水地段。

影像顏色以粉紅、淡紅為主色調(diào)

。影象質(zhì)底較細(xì)紋理清晰，地類間顏色差

別較大。河流與干支渠分布位置主要分布在平原、川間耕地以及山間溝

谷內(nèi)。

主要名稱黃河、渭河、黑河、美麗渠

。影像特征幾何形狀明顯，河彎曲不定，支干渠相對(duì)較直。

影象呈現(xiàn)深藍(lán)色、藍(lán)色或淡藍(lán)色

。影象質(zhì)底較細(xì)膩、紋理清晰、顏色均勻

。湖泊分布位置主要分布在山間低地和沙地丘間低地內(nèi)

。

主要名稱黃河、渭河、黑河、美麗渠

。影像特征幾何形狀明顯，河彎曲不定，支干渠相對(duì)較直。

影象呈現(xiàn)深藍(lán)色、藍(lán)色或淡藍(lán)色

。影象質(zhì)底較細(xì)膩、紋理清晰、顏色均勻

。水庫坑塘分布位置主要分布在平原、川間谷內(nèi)，周圍有居

民地和耕地

。主要名稱鴛鴦池水庫、劉家峽水庫等。影像特征幾何形狀較明顯，人工建造痕跡明顯（大壩）。影象深蘭、蘭、淡蘭色，但顏色均勻。影象質(zhì)底較細(xì)膩、紋理清晰、顏色均勻

。冰川及永久性積雪

分布位置主要分布在（4000M以上）高山頂部。

主要名稱七一冰川及祁連山常年積雪。

影像特征它的幾何特征沿等高線分布。影象呈現(xiàn)白色,但顏色均勻。影象質(zhì)底較細(xì)膩，色調(diào)均一。河

灘

地分布位置基本分布在河流兩側(cè)及河心島上。

主要名稱黃河、渭河、榆林河、蘆河、大同河、

湟水河等。影像特征呈現(xiàn)不規(guī)則的條帶或片狀。影象顏色呈現(xiàn)灰、灰白及白色。影象質(zhì)底較細(xì)膩，色調(diào)均一。城鎮(zhèn)用地分布位置主要分布在平原、山區(qū)盆地、黃

土塬、溝谷地臺(tái)地。主要名稱蘭州市、西安市、西寧市、銀川市、張

掖市等。

影像特征幾何特征明顯，形狀多樣，邊界清晰。

影響為灰、灰白、白色。影象紋理較粗糙、但邊界清晰農(nóng)村居民用地分布位置主要分布在綠洲、耕地及路邊、塬面、

坡上都有。主要名稱蘆草溝、山根村、水車灣村。

影像特征幾何特征明顯，較規(guī)則。影象顏色呈現(xiàn)灰、灰白及白色。影象紋理較粗糙，顯得較亂。工礦和交通用地

分布位置一般分布在城鎮(zhèn)和交通較發(fā)達(dá)的地區(qū)。

主要名稱汝笈溝煤礦、蘭化、蘭州煉油廠等。

影像特征幾何特征明顯，較規(guī)則。影象呈現(xiàn)黑灰、灰和灰白色。影象紋理質(zhì)地較粗糙，顯得較亂。未利用土地沙

地分布位置大多分布在河流兩側(cè)、河拐灣及山前戈

壁外圍。

主要名稱滕格里沙漠、毛烏素沙地等。影像特征幾何特征明顯，邊界清晰明顯。影象呈現(xiàn)呈灰黃、灰和灰白色。影象質(zhì)地較細(xì)膩。戈壁分布位置主要分布在風(fēng)蝕較強(qiáng)有沙源物質(zhì)輸送的

山前帶。

主要名稱河西走廊二百里戈壁等。影像特征幾何特征不明顯，邊界清晰。影象呈灰和灰白色。影象質(zhì)地紋理較細(xì)膩。鹽

堿

地分布位置主要分布在相對(duì)較低易積水及干湖泊及

湖泊邊沿。

主要名稱民勤堿堿湖及青海湖邊等。影像特征幾何特征不明顯，邊界清晰。影象呈灰、灰白、白色。影象質(zhì)地紋理較細(xì)膩，顏色均勻。沼澤分布位置主要分布在相對(duì)較低易積水地段及湖盆

邊緣。

主要名稱格爾木北及寧夏沙湖周圍。影像特征幾何特征不明顯，也不規(guī)則。影象呈鮮紅、淡紅及黑灰色。影象質(zhì)地較細(xì)但不均勻。裸

土

地分布位置主要分布在較干旱地區(qū)（陡坡、丘陵、

戈壁）。

主要名稱河西走廊、定西等地墚、峁地均有分布

。

影像特征幾何特征不明顯，地類邊界線不規(guī)則。

影象呈現(xiàn)白色。影象質(zhì)地較細(xì)、均勻。裸巖分布位置主要分布在極度干旱的山區(qū)（風(fēng)大、少

雨）。

主要名稱格爾木東及河西走廊兩山。影像特征地類邊界線明顯但不規(guī)則。影象呈現(xiàn)灰白色。影象質(zhì)地較細(xì)但不均勻。其它（高寒苔原）分布位置主要分布在4000M以上，凍融形成的裸露巖石。主要名稱昆侖山、唐古拉山、祁連山等。

影像特征地類邊界線明顯但不規(guī)則。

影象呈深灰和白色。影象質(zhì)地紋理較細(xì)但不規(guī)則

。陰影晴天時(shí)，高出地面的物體，或者物體本身起伏不

平，總會(huì)出現(xiàn)陰影。解譯時(shí)，借助地物的陰影，有利于建立立體感，

幫助觀察到物體側(cè)面形態(tài)，彌補(bǔ)垂直攝影不足。

陰影常覆蓋物體的細(xì)節(jié)，給解譯帶來不便。

陰影分為：本影、落影。（一）本影：物體

未被陽光直接照射到的

陰影部分。在山區(qū)，山

體的陽坡色調(diào)亮，陰坡

色調(diào)暗，而且山越高、

山脊越尖，山體兩坡的

色調(diào)差別越大、界線越

分明，這種色調(diào)的分界

線就是山脊線。利用山體的本影可

以識(shí)別山脊、山谷、沖

溝等地貌形態(tài)特征。NN太陽高度角過大，陰影小而淡，影像缺乏立體感；角度過低則陰

影長而濃，會(huì)掩蓋很多其他地質(zhì)內(nèi)容，通常30-40°比較有利。（二）落影h=L*tgΨh為物體的高度，L為落影的

長度，Ψ為太陽高度角。金字塔快鳥圖像

目錄第一節(jié)

遙感信息認(rèn)知過程

第二節(jié)

遙感影像目視解譯

第三節(jié)

計(jì)算機(jī)圖像解譯1

遙感圖象光譜特征描述地物光譜特征

植被

水體不同植物類型的區(qū)分水體的光譜特征黃河水（泥沙含量960mg/L)

長江水（92.5mg/L)湖水（47.9mg/L)2

遙感圖象邊緣特征描述邊緣邊緣是指周圍像素灰度有階躍變化

或屋頂變化的那些像素的集合。

Poggio指出:“邊緣或許對(duì)應(yīng)著圖像

中物體（的邊界）或許并沒有對(duì)應(yīng)

著圖像中物體（的邊界）,但是邊緣

具有十分令人滿意的性質(zhì),它能大大

地減少所要處理的信息但是又保留

了圖像中物體的形狀信息”常見的邊緣類型(1)

階躍不連

續(xù)，即圖像強(qiáng)

度在不連續(xù)處

的兩邊的像素

灰度值有著顯

著的差異；(2)

線條不連

續(xù)，即圖像強(qiáng)

度突然從一個(gè)

值變化到另一

個(gè)值，保持一

較小行程后又

回到原來的

值．理論曲線實(shí)際曲線(a)階躍函數(shù)

(b)線條函數(shù)

兩種常見的邊緣一階導(dǎo)數(shù)和二階導(dǎo)數(shù)示

意圖

邊緣檢測方法傳統(tǒng)邊緣檢測方法:Roberts算子、

Sobel算子、

高斯-拉普拉斯算子等Canny邊緣檢測小波多尺度邊緣檢測…Q[i,

j

]

(

S[i,

j

]

S[i

1,

j

]

S[i

,

j

1]

S[i

1,

j

1])

/

2M

i,

j

P[i,

j]2

Q[i,

j]2Canny

邊緣檢測器的實(shí)現(xiàn)

1）求圖像與高斯平滑濾波器卷積:S[i,

j]

G[i,

j;

]

I[i,

j

]2）使用一階有限差分計(jì)算偏導(dǎo)數(shù)的兩個(gè)陣列P與Q：P[i,

j

]

(

S[i,

j

1]

S[i

,

j

]

S[i

1,

j

1]

S[i

1,

j

])

/

23）幅值和方位角:

[i,

j

]

arctan

(Q[i,

j

]

/

P[i,

j

]

)4）非極大值抑制（NMS

）

：細(xì)化幅值圖像中的屋脊帶，即只保留幅值局部變化最大的

點(diǎn)。*將梯度角的變化范圍減小到圓周的四個(gè)扇區(qū)之一，

*方向角：*幅值：N

i,

j

NMS(M

[i,

j

],

[i,

j

])

[i,

j

]

Sector(

[i,

j])在每一點(diǎn)上，鄰域的中心象素M與沿著梯度線的兩

個(gè)象素相比。如果M的梯度值不比沿梯度線的兩個(gè)

相鄰象素梯度值大，則令M=0(5)

滯后閾值化由于噪聲的影響，對(duì)圖像中單個(gè)邊緣的錯(cuò)誤響應(yīng)，經(jīng)

常會(huì)導(dǎo)致本應(yīng)連續(xù)的邊緣出現(xiàn)斷裂的問題。這個(gè)問題

可以利用滯后閾值化加以解決。如果任何像素對(duì)邊緣

算子的響應(yīng)超過高閾值，將這些像素標(biāo)記為邊緣；響

應(yīng)超過低閾值的像素，如果與已經(jīng)標(biāo)為邊緣的像素4－

鄰接或8－鄰接，則將這些像素也標(biāo)記為邊緣，這個(gè)過

程反復(fù)迭代，剩下的孤立的響應(yīng)超過低閾值的像素則

視為噪聲，不再標(biāo)記為邊緣。這兩個(gè)閾值根據(jù)信噪比

確定。Canny

邊緣檢測結(jié)果7X7高斯濾波模板

13X13高斯濾波模板Canny

邊緣檢測結(jié)果小波邊緣檢測算法

基于小波分析的邊緣檢測算法總結(jié)如下：（1）對(duì)原始圖像進(jìn)行多級(jí)小波分解，得到多尺度的模

圖像。（2）計(jì)算并記錄小波變換域中模為局部最大值的點(diǎn)。

（3）通過自適應(yīng)閾值法進(jìn)行閾值處理，得到多尺度的

邊界圖像。（4）進(jìn)行逆小波變換，得到邊界圖像。飛機(jī)與其邊緣圖直線檢測算法

Hough變換檢測直線Hough變換利用圖像空間和Hough參數(shù)空間的點(diǎn)－線對(duì)

偶性，把圖像空間中的檢測問題轉(zhuǎn)換到參數(shù)空間。通

過在參數(shù)空間里進(jìn)行簡單的累加統(tǒng)計(jì)，然后在Hough

參數(shù)空間尋找累加器峰值的方法檢測直線。變換前變換后(a)

原圖

(b)

分割后圖像

圖4-4

Hough變換的對(duì)橋梁的分割結(jié)果利用Hough變換提取橋梁實(shí)驗(yàn)結(jié)果：圖一：原始圖像圖三：最小二乘擬

合結(jié)果圖二：白色表示線支持區(qū)域3

遙感圖象紋理特征描述(b)紋理的概念(a)(a)

人工紋理；

（b）自然紋理目前的紋理提取技術(shù)的分類

統(tǒng)計(jì)方法

利用灰度值的空間分布這一特性，提出了一大批的

紋理統(tǒng)計(jì)方法與統(tǒng)計(jì)特征。

幾何方法

紋理元構(gòu)成紋理。

模型方法

通過模型參數(shù)來定義紋理，模型的參數(shù)決定著紋理

的質(zhì)量。

信號(hào)處理方法（基于數(shù)學(xué)變換）

括空間域?yàn)V波、傅立葉濾波、Gabor和小波變換等。統(tǒng)計(jì)方法的分類

共生矩陣(GLCM)灰度共生矩陣是像素距離和角度的矩陣函數(shù)，它通過計(jì)

算圖像中一定距離和一定方向的兩點(diǎn)灰度之間的相關(guān)性，

來反映圖像在方向、間隔、變化幅度及快慢上的綜合信

息。

羅氏紋理能量

自相關(guān)

局部二元模式共生矩陣方法概述

在圖像上任意取一點(diǎn)A(x,y),以及偏離它的另一

點(diǎn)(x+a,y+b),設(shè)A點(diǎn)對(duì)的灰度值為(f1,f2)。

然后再令A(yù)點(diǎn)(x,y)在整幅圖像上移動(dòng)，則會(huì)得

到各個(gè)(f1,f2)及偏離點(diǎn)(x+a,y+b)的(f1,f2)值。

設(shè)灰度值的級(jí)數(shù)為K，則f1和f2的組合有K的平

方種。

對(duì)于整幅圖像，統(tǒng)計(jì)出每一種(f1,f2)值的出現(xiàn)

次數(shù)，然后排列成為一個(gè)方陣，再用(f1,f2)出

現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P(f1,f2)，則稱這樣的方陣為灰度共生矩陣。共生矩陣的參數(shù)在計(jì)算得到共生矩陣之后，往往不是直接應(yīng)

用計(jì)算的灰度共生矩陣，而是在此基礎(chǔ)上計(jì)

算紋理特征量，經(jīng)常用反差、能量、熵、

相關(guān)性等特征量來表示紋理特征

對(duì)比度參數(shù)

規(guī)律性參數(shù)

描述性統(tǒng)計(jì)量參數(shù)對(duì)比度(Contrast)

對(duì)比度使用了所要計(jì)算的像素點(diǎn)和GLCM中的對(duì)角線的

距離的平方作為權(quán)值來表示。為了描述一個(gè)區(qū)域中的對(duì)比度，必須創(chuàng)造一個(gè)權(quán)值，

當(dāng)像素灰度值相差越大時(shí)，權(quán)值越大，相差越小時(shí)，

權(quán)值越小，相同時(shí)，權(quán)值為0。而GLCM的對(duì)角線表示

了沒有對(duì)比度的值，越遠(yuǎn)離對(duì)角線，對(duì)比度越大。

解釋：當(dāng)i和j相等時(shí)，權(quán)值為0，表示沒有像素之間沒

有對(duì)比度，所以給0值；當(dāng)i和j相差為1時(shí)，就有了小的

對(duì)比度，給權(quán)值為1；當(dāng)i和j相差為2時(shí)，對(duì)比度增加為

4；權(quán)值隨i和j的相差值增加而增加。均一度(Homogeneity)

解釋：均一性是與對(duì)比度相反的。當(dāng)i和j

相等時(shí)，權(quán)值為1，此時(shí)相關(guān)系數(shù)是最大

值——1；當(dāng)i和j相差為1時(shí)，就有了稍小

的相關(guān)性，給權(quán)值為0.5；當(dāng)i和j相差為2

時(shí)相關(guān)性減少到0.2；權(quán)值隨i和j的相差

值增加而減少。

規(guī)律性參數(shù)Angular

Second

Moment

(ASM)能量平均信息量（很多文獻(xiàn)里稱為熵）

（Entropy）GLCM描述性統(tǒng)計(jì)量

GLCM均值（GLCM

Mean)

GLCM方差（GLCM

Variance）

GLCM相關(guān)性（GLCM

Correlation）*GLCM實(shí)驗(yàn)GLCM實(shí)驗(yàn)局部二元模式

Local

Binary

Pattern最基本的LBP

算子是一個(gè)固定大小為3

×3

的矩形塊,此矩形中有

一個(gè)中心子塊和8

個(gè)鄰近子塊對(duì)應(yīng)于9

個(gè)灰度值。LBP

算子的作

用步驟(見圖3)將四周的8

個(gè)灰度值與中心灰度值相比較,大于中心灰度值的子塊

由1

表示,反之,則由0

表示。然后根據(jù)順時(shí)針方向讀出8

個(gè)二進(jìn)制

值,作為該3

×3矩形塊的特征值。由此作為對(duì)此區(qū)域紋理的描述。

擴(kuò)展的LBP隨后,出現(xiàn)了擴(kuò)展LBP

算子,即使用不同數(shù)量的鄰近子塊以

及不同尺寸的矩形塊,利用環(huán)形的鄰近子塊和灰度值線性

內(nèi)插可以構(gòu)造任意鄰近子塊和半徑大小的LBP

算子。如圖

4

為兩個(gè)擴(kuò)展LBP

算子,其尺度表示為(

P

,R)

,即在半徑為R

的圓周上存在P

個(gè)插值點(diǎn)。LBP

實(shí)驗(yàn)結(jié)果信號(hào)處理方法

Gabor方法小波變換

22

2

2

GABOR

濾波提取圖象紋理

定義方式h[

u

,

v

]

m,

n

k

2u2exp

k

u2

2

m

n

cos

k

u

m

cos

v

n

sin

v

exp

2

其中，

k

u

22u2,

u

0,1,

2

v

v

8,

v

0,1,2,...,7u是尺度參數(shù)，v為方向參數(shù)，

為方差，取為2

濾波器形狀它是一個(gè)濾波器組，在0，45，90，135

度時(shí)不同尺度下的濾波器形狀如下圖：u=0,v=0

u=1,v=0

u=2,v=0

u=0,v=2

u=1,v=2

u=2,v=2u=0,v=4

u=1,v=4u=2,v=4u=0,v=6

u=1,v=6u=2,v=6Gabor

Filter

Gabor濾波器分割圖像的主要原理：通過

構(gòu)造一個(gè)濾波器組來提取圖像不同方向

和尺度下的特征，達(dá)到分割圖像的目的。

該算法中主要的操作步驟包括濾波器的

構(gòu)造、特征的提取和特征的聚類。Gabor

Filter的一般步驟

濾波器的構(gòu)造

特征提取特征平滑特征聚類Gabor

Filter試驗(yàn)結(jié)果Gabor

Filter試驗(yàn)結(jié)果應(yīng)用實(shí)例一平原區(qū)農(nóng)村居民點(diǎn)提取An

edge-suppressed

points

voting

method

for

extracting

rural

residential

areas

from

high

spatial

resolution

images，Remote

Sensing

Letter,

2017,

8(4),

380-388村莊提取2

2

22

exp

i

2

g

x,

y;

,

,

,

,

x

'

y

'

exp

2

x'

x

'

x

cos

y

sin

y

'

x

sin

y

cos

(5)-(8)(1)-(4)(1)-(3)(4)-(6)應(yīng)用實(shí)例二養(yǎng)殖海岸線的提取Extrac