遥感图像特征提取

遥感图像特征提取

ID:39728775

大小:2.10 MB

页数:55页

时间:2019-07-10

遥感图像特征提取_第1页
遥感图像特征提取_第2页
遥感图像特征提取_第3页
遥感图像特征提取_第4页
遥感图像特征提取_第5页
资源描述:

《遥感图像特征提取》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、遥感图像处理赵泉华本章主要内容基本概念:图像特征、特征表示与描述、特征提取、特征选择。纹理特征提取:直方图统计特征;图像的自相关函数;灰度分布统计特征;傅里叶特征;颜色特征提取图像特征定义:图像的原始特征或属性。人眼能感觉到的自然特征:亮度、边缘的轮廓、纹理或色彩。需要变换和测量得到的人为特征:变换频谱、直方图、矩。第一节:基本概念特征表示与描述的定义:把图像分割后,为了进一步的处理,分割后的图像一般要进行形式化的表达和描述解决形式化表达问题一般有两种选择:1)根据区域的外部特征来进行形式化表示2)根据区域的内部

2、特征(比较区域内部的象素值)来进行形式化表示第一节:基本概念外部特征来进行形式化表示举例:第一节:基本概念选择表达方式,要本着使数据变得更有利于下一步的计算工作。下一步工作是基于所选的表达方式描述这个区域,一般情况下:1)如果关注的焦点是形状特性,选择外部表示方式2)如果关注的焦点是反射率特性,如颜色、纹理时,选择内部表示方式3)所选表示方式,应该对尺寸、变换、旋转等变量尽可能的不敏感第一节:基本概念良好的特征应具有的特点:可区分性:对于属于不同类别的图像,他们的特征应该具有明显的差异性。可靠性:对于同类的图像,

3、它们的特征值应比较相近。独立性:所使用的各特征之间应彼此无关。数量少:图像识别的复杂度随着特征的个数迅速增长。“特征维数灾难”第一节:基本概念特征选择:从原始特征中挑选出一些最有代表性,分类性能最好的特征。穷举法最大最小类对距离法特征选择特点:不改变原始特征值的物理意义,因此不会影响分类器设计者对所用特征的认识,有利于分类器设计,便于对分类结果的进一步分析.特征提取:从减少特征之间的相关性和浓缩信息量的角度出发,根据原始数据的统计特性,用尽可能少的新特征来最大限度的包含所有原始数据的统计特征。第一节:基本概念纹理

4、:物体表面颜色或灰度的某种变化,这些变化与物体本身的属性相关。如木材的纹理、沙漠和森林图象的纹理。第一节:基本概念习惯上将图像在局部不规则宏观上有规律的特性称为纹理。以纹理为主导的图像称为纹理图像。纹理的分析方法统计分析方法:从图像有关的属性的统计出发,比较适用于纹理细且不规则的物体。结构分析方法:力求找到纹理基元,从结构上描述纹理基元,或描述纹理的构成规律,比较适用于纹理基元排列比较规则的图象。第一节:基本概念纹理特征要素组成:纹理基元:是一种或多种图像基元的组合。纹理基元的排列组合:基元排列的疏密、周期性、方

5、向性。纹理特征提取:通过一定的图像处理技术,抽取出纹理特征,从而获得纹理的定性或定量的描述。检测出纹理基元检测纹理基元的排列方式第一节:基本概念直方图统计特征灰度直方图;边缘方向的直方图;图像的自相关函数灰度分布统计特征灰度共生矩阵;灰度、梯度共生矩阵第二节:纹理特征提取直方图统计特征灰度直方图1)选择合适的邻域大小2)对每一个像素,计算出邻域中的灰度直方图3)比较求出的直方图与已知的各种纹理基元或含有纹理基元的邻域的直方图间的相似性,若相似,则说明图像中可能存在已知的纹理基元。4)比较不同像素所对应的直方图的相

6、似性,从中可以发现纹理基元排列的周期性、疏密性等特征。重要的是衡量直方图间的相似性第二节:纹理特征提取衡量直方图相似的常见度量直方图的均值第二节:纹理特征提取直方图的方差衡量直方图相似的常见度量第二节:纹理特征提取衡量直方图相似的常见度量Kolmogorov_Smirnov距离定义:注意灰度级的直方图特征并不能建立特征与纹理基元的一一对应关系。第二节:纹理特征提取边缘方向直方图-采用灰度梯度方向矩阵直方图统计特征取最大值的方向作为该小区域的方向第二节:纹理特征提取图像的自相关函数若有一幅图像f(i,j),i,j=

7、0,1,…,N-1,则该图像的自相关函数定义为第二节:纹理特征提取自相关函数ρ(x,y)随x,y大小而变化,其变化与图像中纹理粗细的变化有着对应的关系,因而可描述图像纹理特征。在x=0,y=0时,从自相关函数定义可以得出,ρ(d)=1为最大值。不同的纹理图像,ρ(x,y)随d变化的规律是不同的。当纹理较粗时,ρ(d)随d的增加下降速度较慢;当纹理较细时,ρ(d)随着d的增加下降速度较快。随着d的继续增加,ρ(d)则会呈现某种周期性的变化,其周期大小可描述纹理基元分布的疏密程度。图像的自相关函数第二节:纹理特征提取

8、Kaizer从北极航空照片中取出七类不同地面覆盖物的图像,采用自相关函数进行分析。对每一类地面覆盖物作出它们的自相关函数随d的变化曲线。当r(d)=1/e时,七条曲线对应的d值分别为d1,d2,…,d7,如图9.4.1。根据di的大小,把7类地物从细到粗进行了排序。将七类地物对应的七张图像请二十位观测者按纹理粗细目视判别,也按由细到粗的次序将图片排队。将目视判别结果与自相

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。