《纹理特征GL》PPT课件

《《纹理特征GL》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、纹理GLCM应用纹理特征及其在土地利用/覆盖变化检测中的应用主要内容纹理特征概述1灰度共生矩阵法（GLCM）2纹理特征辅助下的土地利用/覆盖变化检测3纹理特征概述纹理特征：纹理是影像中大量规律性很强或很弱的相似元素或者图形结构，一般理解为影像灰度在空间上的变化和重复,或影像中反复出现的局部模式(纹理单元)和它们的排列规则。遥感影像上的纹理特征实物照片的纹理纹理特征作用近年来，随着高分辨率遥感影像越来越多，应用越来越广泛，目前已占主流地位。高分辨率影像：信息丰富：不仅光谱特征明显，而且地物结构、纹理信息突出“同物异谱”现象加重，仅利用光谱信息进行分类精度低每一种地物具有其特有的纹

2、理结构，所以通过纹理特征既可以充分利用高光谱遥感影像信息，又可以解决“同物异谱”现象，提高分类精度。矛盾常用的纹理分析方法基于统计的纹理分析灰度共生矩阵法（GLCM）：通过研究灰度的空间相关特性来描述纹理的方法，是目前最常见、应用最广泛、效果最好的一种纹理统计分析方法。灰度游程长度法基于模型的纹理分析纹理模型法认为一个像素与其领域像素存在着某种相互关系，这种关系既可以是线性的，也可以是服从条件概率的。常用的模型：自相关模型高斯Markov随机场模型分形模型常用的纹理分析方法基于结构的纹理分析主要是利用提取纹理基元从结构上描述纹理，纹理基元在遥感影像里很难确定或者分辨。比较适用于

3、人工纹理，在遥感影像方面的应用相对较少基于数学变换方法的纹理分析空间域滤波傅里叶滤波小波变换灰度共生矩阵法灰度共生矩阵(GLCM：Grey-LevelCo-occurrenceMatrix)是一个统计描述影像中的一个局部区域或整个区域相邻象元或一定间距内两象元灰度呈现某种关系的矩阵。该矩阵中的元素值代表灰度级之间联合条件概率密度，表示在给定空间距离d和方向时，灰度以i为始点，出现灰度级为j的概率（也即频数）。135度0度45度90度基准窗口移动窗口112114110108108114116112108108112113110110108114115110115107113114

4、112111107基本概念共生矩阵的大小：在不对原图像灰度级别进行压缩的情况下，共生矩阵的大小为原图像灰度的级数的平方；在实际应用中，从纹理特征的计算效率以及共生矩阵的存储方面考虑，通常先把原始图像的灰度等级进行压缩，比如从灰度级别为0-255的8bit图像压缩为灰度级别为0-31的5bit图像，相应的共生矩阵的维数从256*256降低到32*32基准窗口：当前像素为中心的某一个窗口，尺寸通常为奇数方阵，大小可设为3*3,5*5,7*7等移动窗口：以基准窗口为参考窗口，通过设定的移动方向和步长进行移动的窗口。尺寸大小与基准窗口的一样，位置由移动方向与步长决定移动方向：基准窗口与

5、移动窗口的相对方向。移动方向可以任意设定，通常为0°，45°，90°，135°移动步长：基准窗口中心像元和移动窗口中心像元的距离（用像素表示）面向对象的GLCM面向对象的GLCM的计算是在基于像素的GLCM计算的基础上提出的。与基于像素的GLCM计算方法类似，不同的只是在计算面向对象的GLCM时，基准窗口是对象本身，窗口的大小即对象的大小。GLCM计算过程112114110108108114116112108108112113110110108114115110115107113114112111107以单波段为例，移动方向为90度时，窗口上下移动，dx=0,dy=±11071

6、08109110111112113114115116107108111091101221111112211311114115111111611由于纹理特征计算利用的是概率，所以把共生矩阵中的值转换为概率值，方法是用各个元素值除以矩阵中所有元素的和（上图元素和为18），最后可以得到如下的方阵，即为灰度共生矩阵。1071081091101111121131141151161071080.0550.0551091100.0550.110.110.0551111120.111130.0550.0551141150.0550.0550.0550.0551160.0550.055GLCM纹

7、理统计量灰度共生矩阵提供了影像灰度方向、间隔和变化幅度的信息，但它并不能直接提供区别纹理的特性，因此需要在灰度共生矩阵的基础上提取用来定量描述纹理特征的统计属性。Haralick定义了14种纹理特征。常用的用于提取遥感影像中纹理信息的特征统计量主要有:均值(Mean)、方差(Variance)、同质性(Homogeneity)、对比度(Contrast)、非相似性(Dissimilarity)、熵(Entropy)、角二阶矩(AngularSecondMoment)、相关性(Correlat