第二章遙感圖像信息特征的概貌分析定稿

第二章遙感圖像信息特征的概貌分析定稿第1頁，課件共67頁，創(chuàng)作于2023年2月2.1遙感圖像模型遙感圖像是傳感器通過探測地物電磁波輻射能量所得到的圖像，反映連續(xù)變化的物理場。雖然波段不同，記錄的輻射能量、成像方式及成像系統(tǒng)等也有差異，但可歸結為一個具有普遍意義的模型，即遙感圖像模型。

第2頁，課件共67頁，創(chuàng)作于2023年2月遙感圖像模型遙感圖像可以表示為某一時刻t,在不同波長λ和不同極化方向p，能夠收集到的位于坐標(x,y)的目標物所輻射的電磁波能量L。目標物的反射率黑體的電磁波發(fā)射能力入射的輻射量目標物的反射率入射的輻射量黑體的電磁波發(fā)射能力目標物的反射率入射的輻射量第3頁，課件共67頁，創(chuàng)作于2023年2月圖像函數(shù)的特點連續(xù)性定義域的限定性函數(shù)值的確定性函數(shù)值物理意義的明確性第4頁，課件共67頁，創(chuàng)作于2023年2月2.2遙感圖像的數(shù)字表示在圖像處理中，為了便于問題的分析，需要用數(shù)學方式來表示圖像。表示圖像的基本方法有兩類，即確定的與統(tǒng)計的，確定的表示方法是寫出圖像函數(shù)的表達式，對于數(shù)字圖像，則表示成矩陣或向量的形式，統(tǒng)計的表示法則是用一種平均特征來表示圖像。第5頁，課件共67頁，創(chuàng)作于2023年2月2.1圖像的確定性表示一幅遙感圖像記錄的是地物輻射能量的空間分布，可以表示成f(x,y,t,λ,p)。對于已經(jīng)獲取的一個單時段的圖像，圖像是關于空間坐標點的函數(shù)f(x,y)。經(jīng)采樣和量化后，連續(xù)的像場可被離散化。2.2.1圖像的確定性表示第6頁，課件共67頁，創(chuàng)作于2023年2月數(shù)字圖像類別即確定性表示

數(shù)字化后的一幅黑白圖像，可以用M×N個字節(jié)來表示。對電子計算機來說，可以用數(shù)學公式f（Xi，Yj）來表示。數(shù)組f（Xi，Yj）中i=1，2，3…m，j=1，2，3，…n。式中f（Xi，Yj）值代表圖像中（Xi，Yj）點處象素的灰度值。在現(xiàn)實生活中有多種多樣的圖像，根據(jù)各類圖像灰度層次的多少、光譜軸及時間軸上的組合方式的不同，其數(shù)字化后的描述形式如表所示。第7頁，課件共67頁，創(chuàng)作于2023年2月圖像數(shù)字化后描述形式備注二值圖像f（X，Y）=1或0文字、線條圖、指紋等黑白圖像0≤f（X，Y）≤2n-1黑白圖像，一般n=6~8彩色圖像|fi（X，Y）|i=R，G，B以三基色表示的彩色圖像光譜圖像|fi（X，Y）|i=1，2…m遙感圖像，m=6~8或更大立體圖像fl（X，Y），fr（X，Y）左右視點得到同物體的圖像對動態(tài)圖像|ft（X，Y）|t=t1，t2…tr動態(tài)圖像，動畫制做等第8頁，課件共67頁，創(chuàng)作于2023年2月1、矩陣表示在計算機中，圖像被分割成像素（Pixel），各像素的灰度值用整數(shù)表示。一幅M×N個像素的數(shù)字圖像，其像素灰度值可以用M行、N列的矩陣G表示：第9頁，課件共67頁，創(chuàng)作于2023年2月黑白圖像是指圖像的每個像素只能是黑或白，沒有中間的過渡，故又稱為二值圖像。二值圖像的像素值為0或1。第10頁，課件共67頁，創(chuàng)作于2023年2月灰度圖像是指每個像素由一個量化的灰度值來描述的圖像。它不包含彩色信息。第11頁，課件共67頁，創(chuàng)作于2023年2月灰度數(shù)字圖像的矩陣表示第12頁，課件共67頁，創(chuàng)作于2023年2月彩色數(shù)字圖像的矩陣表示第13頁，課件共67頁，創(chuàng)作于2023年2月彩色圖像是指每個像素由紅、綠、藍三原色（分別用R、G、B表示）構成的圖像，其中R、B、G是由不同的灰度級來描述的。第14頁，課件共67頁，創(chuàng)作于2023年2月2、向量表示按行的順序排列像素，使圖像下一行第一個元素緊接上一行最后一個像素，圖像可以表示成1×MN的列向量。

第15頁，課件共67頁，創(chuàng)作于2023年2月在圖像處理中，普遍將圖像的灰度級看作隨機變量，按照概率論來表示，一種用密度函數(shù)（或分布函數(shù)）表示，另一種用統(tǒng)計特征參數(shù)來表示。從統(tǒng)計學角度來說，圖像的數(shù)字特征可作為區(qū)分或識別圖像中地物的依據(jù)。2.2.2、遙感圖像的統(tǒng)計性表示第16頁，課件共67頁，創(chuàng)作于2023年2月1、反映像素值平均信息的統(tǒng)計特征１）、均值均值是圖像中所有像元亮度值的算術平均值。其計算公式為：為各個像元的灰度值；為像元個數(shù)2.3單波段圖像的統(tǒng)計特征2.3.1基本統(tǒng)計特征第17頁，課件共67頁，創(chuàng)作于2023年2月２）、中值是圖像灰度的中間值。由于遙感圖像的灰度級絕大多數(shù)是連續(xù)變化的，所有其計算公式為：第18頁，課件共67頁，創(chuàng)作于2023年2月3）、眾數(shù)：圖像中出現(xiàn)最多的灰度值，反映了圖像中分布較廣的地物反射能量。為圖像的均值第19頁，課件共67頁，創(chuàng)作于2023年2月2、反映像素值變化信息的統(tǒng)計參數(shù)1）、方差和標準差

ｎ為圖像的像元個數(shù)為圖像的均值第20頁，課件共67頁，創(chuàng)作于2023年2月2）、反差反差描述的是圖像的顯示效果，直接影響圖像的可分辨性。直方圖越窄，反差越小，若反差偏小，其圖像的判讀效果較差。在三個反差定義中，方差最確切。第21頁，課件共67頁，創(chuàng)作于2023年2月閱讀layerinfo中標明的圖像信息第22頁，課件共67頁，創(chuàng)作于2023年2月2.3.2、圖像的直方圖１、直方圖的基本概念：是圖像中的每個波段亮度值與像元數(shù)關系的分布曲線。橫坐標表示圖像的灰度級變化數(shù)，縱坐標表示圖像中每個灰度級像元數(shù)目占整個像元數(shù)目的百分比或累計百分比。第23頁，課件共67頁，創(chuàng)作于2023年2月閱讀layerinfo中標明的圖像信息：點擊菜單utility/layerinfo，出現(xiàn)imageinfo窗口，點擊general查看其像元大小、波段數(shù)、地圖參數(shù)、投影參數(shù)等相關信息；點擊projection可查看詳細的投影信息；點擊histogram可查看各波段的灰度分布直方圖；點擊pixeldata可查看各像元的灰度值。第24頁，課件共67頁，創(chuàng)作于2023年2月第25頁，課件共67頁，創(chuàng)作于2023年2月第26頁，課件共67頁，創(chuàng)作于2023年2月直方圖第27頁，課件共67頁，創(chuàng)作于2023年2月２、圖像直方圖的基本類型１）、頻數(shù)直方圖：縱坐標是某個灰度級的像元在圖像中分布的百分數(shù)，相當于頻率密度曲線。２）、累積直方圖：縱坐標是小于或等于特定灰度級像元在圖像中的百分數(shù)，相當于累積頻率密度曲線。第28頁，課件共67頁，創(chuàng)作于2023年2月4376824899589131079121511811101413某數(shù)字圖像的一部分灰度值0123456789101112131415像元數(shù)0011211244221211第29頁，課件共67頁，創(chuàng)作于2023年2月3、直方圖的性質1）、反映了圖像灰度的分布規(guī)律；2）、任何一幅特定圖像都有唯一的直方圖與之對應，但不同的圖像可以有相同的直方圖；3）、如果一幅圖像僅包括兩個不相連的區(qū)域，并且每個區(qū)域的直方圖已知，則整幅圖像的直方圖是這兩個區(qū)域的直方圖之和；4）、由于遙感圖像數(shù)據(jù)的隨機性，在圖像像素數(shù)足夠多且地物類型差異不是非常懸殊的情況下，服從或接近于正態(tài)分布。第30頁，課件共67頁，創(chuàng)作于2023年2月4、圖像數(shù)據(jù)集的理想分布在圖像包含大量像元的前提下，假定像元亮度是隨機分布的，圖像就像自然界的其他現(xiàn)象一樣，分布函數(shù)服從或接近于正態(tài)分布。一般來說，直方圖的形狀越接近于正態(tài)分布，說明圖像越接近于假定條件，如果峰值偏向灰度值大的一方，圖像偏亮，反差較小。峰值偏向灰度值小的一方，圖像偏暗，反差較小。第31頁，課件共67頁，創(chuàng)作于2023年2月第32頁，課件共67頁，創(chuàng)作于2023年2月第33頁，課件共67頁，創(chuàng)作于2023年2月雙峰直方圖第34頁，課件共67頁，創(chuàng)作于2023年2月多峰直方圖第35頁，課件共67頁，創(chuàng)作于2023年2月利用直方圖分析圖像的質量是圖像分析的基本方法，常常有目的地改變直方圖形態(tài)，從而改善圖像的質量。利用累積直方圖，觀察灰度從小到大時像元數(shù)的變化規(guī)律，也可以分析出圖像對比度的情況。對于灰度偏暗的圖像，在灰度小的部分像元數(shù)增長很快，對于灰度偏亮的圖像，在灰度大的部分像元數(shù)增長很快等．第36頁，課件共67頁，創(chuàng)作于2023年2月2.4多波段圖像信息特征的概貌分析多波段圖像除了單個波段圖像的統(tǒng)計特征以外，波段圖像之間也存在著關聯(lián)，多波段圖像波段之間的統(tǒng)計特征是多波段圖像分析的重要參數(shù)，是圖像合成的主要依據(jù)之一。第37頁，課件共67頁，創(chuàng)作于2023年2月1、協(xié)方差與協(xié)方差陣兩個不同參數(shù)之間的方差就是協(xié)方差式中：、分別是圖像X與Y的協(xié)方差，圖像Y與X的協(xié)方差。將N個波段相互之間的協(xié)方差排列在一起所組成的數(shù)字矩陣就是所謂的協(xié)方差陣。第38頁，課件共67頁，創(chuàng)作于2023年2月打開erdas，單擊modeler模塊，選擇model，在彈出的窗口中進行編輯你所需要的模型即可第39頁，課件共67頁，創(chuàng)作于2023年2月２、相關系數(shù)與相關矩陣相關系數(shù)是描述波段圖像的相關程度的統(tǒng)計量。其計算公式是：圖像i與圖像j的協(xié)方差圖像i與圖像j的標準差第40頁，課件共67頁，創(chuàng)作于2023年2月相關系數(shù)表示了兩個波段圖像所包含信息內(nèi)容的重疊程度，是多波段圖像彩色合成的重要依據(jù)。針對多波段圖像在波段上的相關性質，產(chǎn)生了一類圖像處理算法，如主成分變換、穗帽變換。第41頁，課件共67頁，創(chuàng)作于2023年2月2.5窗口鄰域和卷積2.5.1窗口和鄰域對于圖像中的任一像素（x，y）以此為中心，按上下左右對稱所設定的像素范圍稱為窗口。窗口多為矩形，行列數(shù)為奇數(shù)，并按照行數(shù)乘以列數(shù)的方式來命名，如3×3、5×5、7×7窗口等。中心像素周圍的行列稱為該像素的鄰域。鄰域運算：對于中心像素（x，y），其值用f（x，y）表示，可按照相鄰性規(guī)則通過計算產(chǎn)生。其中，卷積運算是最常用的方法。第42頁，課件共67頁，創(chuàng)作于2023年2月2.5.2卷積運算卷積是空間域上針對特定窗口進行的運算，是圖像平滑、銳化中使用的基本的計算方法。設窗口大小為m×n，（i,j）是中心像素，f(x,y)是圖像像素值，g(i,j）是運算結果，h(x,y)是窗口模板（或稱為卷積核kernel，那么卷積運算的公式為：第43頁，課件共67頁，創(chuàng)作于2023年2月對于整個圖像，從左上角開始，從左到右，由上到下按照窗口順序進行遍歷，即可完成整個圖像的卷積運算，對于圖像邊緣，由于無法滿足窗口對中心像素的要求，其窗口外部的像素可以用任意一種方法來處理設為0值按對稱原則從圖像中取值保留原值，不進行計算把原圖像的值在邊界處補齊后進行計算（教材P51）第44頁，課件共67頁，創(chuàng)作于2023年2月86858788908687878785888785868389898686878990898787－1－1－1－18－1－1－1－1185411－3545－198－1－152－32109－11－2－4174－5－10圖像數(shù)據(jù)模板計算結果第45頁，課件共67頁，創(chuàng)作于2023年2月2.5.3、濾波濾波是指改變信號中各個頻率分量的相對大小、或者分離出來加以抑制、甚至全部濾除某些頻率分量的過程。圖像濾波可以消除運動模糊、圖像噪音，突出顯示圖像邊緣和細節(jié)信息，提取圖像空間尺度特征等。圖像濾波可分為空間域濾波和頻率域濾波兩種方法?？臻g域濾波是鄰域操作，通過權重矩陣與窗口圖像矩陣的卷積計算實現(xiàn)圖像空間域濾波。頻率域濾波是對圖像進行傅立葉變換，然后對變換后的頻率域圖像中的頻譜進行濾波。第46頁，課件共67頁，創(chuàng)作于2023年2月原圖像梯度算子檢測Roberts算子檢測Prewitt算子檢測Sobel算子檢測第47頁，課件共67頁，創(chuàng)作于2023年2月

2.6紋理紋理通常被定義為圖像的某種局部性質，或是對局部區(qū)域中像素之間關系的一種度量。通常認為，紋理是由紋理基元按某種確定性的規(guī)律或只是按某種統(tǒng)計規(guī)律重復排列組成的。歸納起來，主要有兩種，一種是憑人們的直觀印象，一是憑圖像本身的結構。第48頁，課件共67頁，創(chuàng)作于2023年2月紋理是圖像分析中的一個非常重要的特征。從航空照片中的地表景物到顯微圖像中生物體組織排列，都反映了紋理具有的規(guī)律性。對圖像處理而言，圖像紋理一般是指有大量或多或少相似的紋理元或模式組成的一種結構。紋理分析一般是針對紋理圖像而言的，類似于眼紋、布紋、草地、麥田、砌磚平面等重復性結構的圖像稱為紋理圖像。一般來說，紋理圖像中灰度分布具有某種周期性，即使灰度變化是隨機的，那么也符合一定的統(tǒng)計特性。第49頁，課件共67頁，創(chuàng)作于2023年2月人工紋理自然紋理人工紋理自然紋理第50頁，課件共67頁，創(chuàng)作于2023年2月第51頁，課件共67頁，創(chuàng)作于2023年2月自然紋理第52頁，課件共67頁，創(chuàng)作于2023年2月自然紋理第53頁，課件共67頁，創(chuàng)作于2023年2月人工紋理第54頁，課件共67頁，創(chuàng)作于2023年2月當紋理可以分解時，可以用兩種基本特征來描述，即組成紋理的基元和基元之間的相互關系，前者與局部灰度變化規(guī)律有關，后者則與有前者形成的空間結構相關。紋理的這兩個基本特征成為紋理分析的基本依據(jù)。第55頁，課件共67頁，創(chuàng)作于2023年2月紋理基元：把具有一定的不變性的視覺基元稱為紋理基元。因此紋理可以看作是紋理基元以不同的形變及不同的方向重復出現(xiàn)的一種圖形。第56頁，課件共67頁，創(chuàng)作于2023年2月1、統(tǒng)計方法有自相關函數(shù)、紋理邊緣、結構元素、灰度的空間共生概率、灰度行程和自回歸模型。將紋理描述為光滑、粗糙、粒狀等等。2、結構方法研究基元及其空間關系?；话愣x為具有某種屬性而彼此相連的單元的集合，屬性包括灰度、連同區(qū)域的形狀、局部一致性等?？臻g關系包括基元的相鄰性、在一定角度范圍內(nèi)的最近距離等等。第57頁，課件共67頁，創(chuàng)作于2023年2月2.6.1空間自相關函數(shù)方法粗糙度是紋理的一個重要特征?？臻g自相關函數(shù)可用來對紋理的粗糙度進行描述。對圖像f，其自相關函數(shù)r定義為：第58頁，課件共67頁，創(chuàng)作于2023年2月式中：x，y分別是在x和y方向上移動的步長，如果坐標超過了原始圖像的范圍，取0值。自相關函數(shù)是取值在0到1之間的圖像。隨x，y的變化，可以繪制r－d曲線，其中，并用它來描述圖像的粗糙程度。一般地，粗紋理特征的自相關函數(shù)隨d的變化比較慢，細紋理則變化比較快。第59頁，課件共67頁，創(chuàng)作于2023年2月自相關函數(shù)可用于圖像的識別，一般的步驟為：（1）、計算典型地物的自相關函數(shù)（2）、計算圖像的自相關函數(shù)，并與（1）的結果進行比較，如果相近，則歸于一類。如果d是固定的，那么，自相關函數(shù)的計算在窗口內(nèi)進行，這種自相關函數(shù)稱為局部自相關函數(shù)。此時，如果紋理的粗糙度發(fā)生變化，那么隨著窗口的移動，產(chǎn)生的自相關函數(shù)值必然發(fā)生變化。問題的關鍵是d值大小的確定，這可以通過計算從大到小的d所對應的自相關函數(shù)來完成，比較清晰的圖像所對應的d值往往就是最佳的值第60頁，課件共67頁，創(chuàng)作于2023年2月2.6.2共生矩陣方法用兩個位置的像素的聯(lián)合概率密度來定義，它不僅反映亮度的分布特性，也反映具有同樣亮度或接近亮度的像素之間的位置分布特性，是有關圖像亮度變化的二階統(tǒng)計特征。它是定義一組紋理特征的基礎。在圖像中任意取一點（x，y）及偏離它的另一點（x＋a，y＋b）（其中（a，b）為整數(shù)，人為定義）構成點對。設改點對的灰度值為（f1，f2），再令點（x，y）在整幅圖像上移動，得到不同的（f1，f2）。第61頁，課件共67頁，創(chuàng)作于2023年2月圖象有L個灰度等級，則矩陣大小為L*L。對于整個圖像，統(tǒng)計出每一種（f1,f2）出現(xiàn)的次數(shù)，然后排列成一個方陣，再用（f1,f2）出現(xiàn)的次數(shù)將他們歸一化為出現(xiàn)的概率P（f1,f2），由此產(chǎn)生的矩陣為灰度共生矩陣。0123012123012323012303012301012301212301232301230第62頁，課件共67頁，創(chuàng)作于2023年2月01000001100001110000800009000010000090090000990000800a=1,b=0a=1,b=1a=2,b=0f1f1f101230123f201230123f201230123f2距離（a,b）不同，灰度共生矩陣中的值不同，a和b的取值要根據(jù)紋理周期分布的特性來選擇，對于較細的紋理選?。?，0）（1，1）（2，0）等這