【正文】 ，我們采用多尺度理論來(lái)描述、分析這些現(xiàn)象或過(guò)程，才能夠更全面地刻畫這些現(xiàn)象或過(guò)程的本質(zhì)特征。在前面我們介紹過(guò)，高分辨率遙感影像具有豐富的光譜信息和空間信息，為了更好的獲取影像信息，必須首先獲取最佳影像對(duì)象。在同一個(gè)空間參考系中，大尺度數(shù)據(jù)在空間上占有較大的空間范圍，在時(shí)間上表現(xiàn)為相對(duì)較長(zhǎng)的時(shí)間間隔，在屬性上反映過(guò)程和現(xiàn)象的整體、抽象、輪廓趨勢(shì)；相反小尺度數(shù)據(jù)在空間上占的空間范圍較小，在時(shí)間上表現(xiàn)為較短的時(shí)間間隔，在屬性上則反映地學(xué)過(guò)程的詳細(xì)、具體的內(nèi)容?？梢岳玫男畔⒑腿四X認(rèn)知過(guò)程所利用的信息基本一致。然后可以根據(jù)需要合并影像對(duì)象為尺度更大的對(duì)象層。它首先根據(jù)應(yīng)用目的選擇合適的尺度對(duì)影像進(jìn)行初分割，然后進(jìn)行相似區(qū)域合并進(jìn)而形成新的對(duì)象層，如果需要還可以合并成新的對(duì)象層。如圖21b即為圖21a對(duì)象化后的結(jié)果。第4章 基于共生矩陣的無(wú)人機(jī)遙感圖像的面向?qū)ο蠓指顚⒌?章的面向?qū)ο蟮募夹g(shù)和第3章紋理分析技術(shù)結(jié)合起來(lái)對(duì)無(wú)人機(jī)遙感圖像進(jìn)行分割。所以我覺得研究者們應(yīng)該在如何綜合幾種方法的長(zhǎng)處，做到取長(zhǎng)補(bǔ)短上下點(diǎn)功夫。由于變差函數(shù)反映圖像數(shù)據(jù)的隨機(jī)性和結(jié)構(gòu)性,因而能很好地表達(dá)人造紋理和自然紋理圖像的特征。在這些方法中只有共生矩陣法、半方差圖方法和Local Binary Pattern （LBP）紋理法還保持著旺盛的生命力，其他幾種都因提取紋理信息的能力有限或計(jì)算量太大而被淘汰。對(duì)于真實(shí)的自然圖像則顯的無(wú)能為力。這就導(dǎo)致存在于高頻部分的圖像的真實(shí)信息丟失。在濾波法中，針對(duì)自然的紋理圖像柵格算子具有相對(duì)較好的紋理鑒別性能。在研究的過(guò)程中發(fā)現(xiàn)Gabor波器具有時(shí)域和頻域的聯(lián)合最佳辨率,并且較好地模擬了人類視覺系統(tǒng)的視覺感特性,在圖像紋理特征提取中備受青睞。它們的共同之處在于某種線性變換、濾波器或?yàn)V波器組將紋理轉(zhuǎn)到變換域,然后應(yīng)用某種能量準(zhǔn)則提取紋理特征[8]。它能夠兼顧紋理局部的隨機(jī)性和整體上的規(guī)律性,并且具有很大的靈活性。馬爾可夫模型與統(tǒng)計(jì)決策理論與估計(jì)理論結(jié)合使得它對(duì)各種各樣的紋理圖像建模變的更加容易，同時(shí)得到廣泛的應(yīng)用。1) 模型法模型法主要有隨機(jī)場(chǎng)模型、自回歸模型、分形模型三類。許多研究表明，紋理信息可以提高圖像識(shí)別的精確性[23]。由于傳統(tǒng)的影像分析技術(shù)是基于單個(gè)像元分析的，不考慮像元與鄰域像元的關(guān)系，更不考慮“像元集”產(chǎn)生的紋理和形狀信息。剛有包含復(fù)雜信息的遙感圖像是不夠的，要想使精確到米級(jí)的軍事打擊、國(guó)家可以更精確地監(jiān)測(cè)農(nóng)作物的長(zhǎng)勢(shì)和估算收成并作出關(guān)系民生的決策、地震災(zāi)區(qū)的真實(shí)情況可以更快的展現(xiàn)在決策者面前和科學(xué)家能夠注視環(huán)境敏感地區(qū)并預(yù)報(bào)趨勢(shì)等成為現(xiàn)實(shí)，我們還需要就是較好的針對(duì)高分辨率遙感影像的影像分析技術(shù)。我國(guó)從2006年至2010年四年時(shí)間發(fā)射了遙感衛(wèi)星一號(hào)到九號(hào)九個(gè)遙感衛(wèi)星，而2009年一年就發(fā)射了三顆，單從數(shù)量上就可以看出遙感近幾年我國(guó)對(duì)遙感領(lǐng)域的巨大投入和重視程度。定量分析方面與不考慮紋理信息的分割結(jié)果通過(guò)優(yōu)度實(shí)驗(yàn)法進(jìn)行了對(duì)比研究。第一個(gè)方面是向?qū)ο笥跋穹指钏惴ǚ治龊透倪M(jìn)。摘 要畢業(yè)設(shè)計(jì)論文基于紋理信息的高分辨率無(wú)人機(jī)遙感圖像分割畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說(shuō)明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。在分析了面向?qū)ο蟮倪吘墮z測(cè)和區(qū)域增長(zhǎng)法兩種面向?qū)ο笥跋穹指罘椒ǖ幕A(chǔ)上，重點(diǎn)對(duì)區(qū)域增長(zhǎng)法從兩個(gè)方面進(jìn)行了改進(jìn)：第一，設(shè)計(jì)了新的增長(zhǎng)規(guī)則；第二，增加了異質(zhì)點(diǎn)去除環(huán)節(jié)。結(jié)果表明考慮了紋理信息的面向?qū)ο蠓指钅芨鎸?shí)有效的反映圖像中地物目標(biāo)的整體結(jié)構(gòu)，為進(jìn)一步有效的地物分類提供保障。 選題依據(jù)與研究意義雖然我國(guó)在遙感方面起步比較晚，但是到目前也有四十多年的發(fā)展，不論在遙感平臺(tái)還是遙感應(yīng)用技術(shù)都逐步走向完善。遙感圖像的兩大基本特征同時(shí)也是遙感影像分析的兩個(gè)基本要素是光譜特征和紋理特征。面向?qū)ο蟮挠跋穹治黾夹g(shù)就是針對(duì)這一問題而產(chǎn)生的。因此，如何充分利用紋理信息，對(duì)遙感圖像的分析和識(shí)別具有重要意義。它是通過(guò)將紋理圖像建模后把紋理特征提取問題轉(zhuǎn)化為參數(shù)估計(jì)的一種方法。自回歸模型是通過(guò)鄰域的灰度級(jí)來(lái)估計(jì)本像元的灰度級(jí)，此法最早是由McCormick等人[7]提出。采用隨機(jī)場(chǎng)模型法對(duì)遙感影像紋理特征進(jìn)行描述并在此基礎(chǔ)上進(jìn)行分割,在很大程度上符合或反映了地學(xué)規(guī)律。大多數(shù)基于濾波的方法都基于這樣一個(gè)假設(shè):頻域的能量分布是能夠鑒別紋理的。其主要思想是:同紋理一般具有不同的中心頻率及帶寬,根據(jù)這些頻率和帶寬可以設(shè)計(jì)一組Gabor濾波器對(duì)紋理圖像進(jìn)行濾波,每個(gè)Gabor濾波器只允許與其頻率相對(duì)應(yīng)的紋理順利通過(guò),而使其他紋理的能量受到抑制,從各濾波器的輸出結(jié)果中分析和提取紋理特征,用于爾后的分類或分割任務(wù)。Gabor能量譜能捕獲紋理中大量有用信息,但其變換窗口的大小固定,在靈活性方面很難獲得紋理在頻率和方向上微小的變化信息。小波包分析雖然能克服了這一缺點(diǎn),但對(duì)非規(guī)則紋理則不能合理的刻畫出來(lái)。因此該方法在實(shí)際的應(yīng)用方面也受到了限制。LBP法因?yàn)榫哂行D(zhuǎn)不變性和多尺度特性，并且計(jì)算的復(fù)雜度也小的特點(diǎn)而受到眾多學(xué)者的青睞。有學(xué)者[10]經(jīng)過(guò)研究認(rèn)為該方法對(duì)雷達(dá)圖像紋理提取效果相當(dāng)不錯(cuò)。全文內(nèi)容安排如下:第1章 緒論介紹了課題的研究背景和意義、總結(jié)了目前遙感圖像紋理分析的研究現(xiàn)狀與發(fā)展趨勢(shì)、對(duì)現(xiàn)有的紋理分析方法進(jìn)行對(duì)比分析和概括了論文的組織結(jié)構(gòu)，其中本課題的意義從紋理分析和面向?qū)ο髢蓚€(gè)方面進(jìn)行了說(shuō)明。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后用面向?qū)ο蟮姆椒ㄟM(jìn)行分割和邊界的視覺“對(duì)象化“。經(jīng)過(guò)初步分割的“影像對(duì)象”包含了以下幾種信息：光譜信息、紋理、位置、大小、形狀、緊致性、光滑度等。對(duì)象層和這些層間的連接方式以層次結(jié)構(gòu)的方式進(jìn)行。每個(gè)影像對(duì)象都知道它的相鄰對(duì)象、它的子對(duì)象以及它的父對(duì)象，通過(guò)垂直連接對(duì)象，可以訪問尺度、紋理、形狀和空間位置等屬性。3) 分類精度更高。不同尺度的數(shù)據(jù)體現(xiàn)為不同的特點(diǎn)，在具體的專題應(yīng)用中應(yīng)根據(jù)任務(wù)與現(xiàn)象性質(zhì)選擇相應(yīng)的尺度進(jìn)行觀察與研究[16]。一般在進(jìn)行影像分割之前要遵循以下幾條規(guī)則：[17]：1)盡量保證對(duì)象內(nèi)部的同質(zhì)性；2）分割時(shí)的尺度應(yīng)與待解決問題所需尺度相適應(yīng)；3）為了能適用于其他類型的數(shù)據(jù)與問題，分割算法應(yīng)相對(duì)具有普適性；4）再生性問題，如果分割結(jié)果為最合理情況則分割成果應(yīng)該具有可重復(fù)性。影像對(duì)象的層次網(wǎng)絡(luò)允許影像信息在不同的尺度同時(shí)被表達(dá)，通過(guò)定義不同尺度對(duì)象之間的拓?fù)渎?lián)系，更多的信息可以從影像數(shù)據(jù)中抽取出來(lái)?；谝浑A導(dǎo)數(shù)的運(yùn)算是通過(guò)梯度算子來(lái)完成的，例如比較常用的Robets交叉算子[20]、Prewitt邊緣算子[21]以及Sobel邊緣算子等[22]，基于二階導(dǎo)數(shù)的邊緣檢測(cè)比較常用的有Laplacian算子[23]。Duda和Hart分別對(duì)最初的Hough變換算法做了進(jìn)一步的改進(jìn)和完善[27]，Hough變換實(shí)現(xiàn)了一種從圖像空間到參數(shù)空間的映射關(guān)系，其核心思想是點(diǎn)線的對(duì)偶性，通過(guò)變換將圖像從圖像空間轉(zhuǎn)到參數(shù)空間[28]。(a) (b) (c)(d) (e) (f) 圖24 Hough變換的原理在笛卡兒坐標(biāo)中共直線的點(diǎn)（如圖24(e)中的(x1,y1)(x2,y2)(x3,y3)三點(diǎn)共線）映射到極坐標(biāo)系便是共點(diǎn)的一簇曲線（圖24(f)）。可以求出，過(guò)A點(diǎn)的直線的參數(shù)要滿足方程1=k+b,過(guò)B點(diǎn)的直線的參數(shù)要滿足方程2=2k+b,過(guò)C點(diǎn)的直線的參數(shù)要滿足方程3=3k+b,這三個(gè)方程就對(duì)應(yīng)著參數(shù)平面上的三條直線，而這三條直線會(huì)相交于一點(diǎn)(k=1,b=0)。（3）(x,y)域中一條直線上的n個(gè)點(diǎn)對(duì)應(yīng)于變換域中經(jīng)過(guò)一個(gè)公共點(diǎn)的n條曲線。同樣可以把x，y看作變量則方程為： (25)參數(shù)空間為三維的錐面，當(dāng)檢測(cè)某一半徑的圓的時(shí)候，可以選擇與原圖像空間同樣的空間作為參數(shù)空間。由于橢圓有5個(gè)自由參數(shù)，所以它的參數(shù)空間是5維的，因此變換過(guò)程的計(jì)算量相應(yīng)的也增加。從種子點(diǎn)的集合開始，從這些點(diǎn)的區(qū)域增長(zhǎng)是通過(guò)將與每個(gè)種子點(diǎn)有相似屬性的相鄰像素合并到此區(qū)域。區(qū)域生長(zhǎng)的準(zhǔn)則一般為區(qū)域灰度差、區(qū)域灰度分布統(tǒng)計(jì)特性和區(qū)域形狀[34]。②式(27)比式(26)在檢測(cè)直方圖相似性方面較優(yōu)，因?yàn)樗紤]了所有灰度值。圖212即為用此分割算法對(duì)圖原始影像圖211分割的結(jié)果。通常在預(yù)處理時(shí)采用33窗口的低通濾波，這樣不至于使損失太多的紋理信息和其它結(jié)構(gòu)信息，并且即可以去除高頻部分的噪聲（噪聲會(huì)在很小的范圍內(nèi)有急劇的變化，應(yīng)該處于頻譜的高頻部分）。針對(duì)以上問題本文提出復(fù)合式的增長(zhǎng)準(zhǔn)則。圖214 無(wú)限容差現(xiàn)象示意圖在新的增長(zhǎng)規(guī)則下區(qū)域能否增長(zhǎng)判斷的將是待判斷點(diǎn)與當(dāng)前區(qū)域點(diǎn)集的平均規(guī)則集值的比較，如果小于閾值則合并，否則更新種子點(diǎn)。1 1。%記錄該點(diǎn)的鄰域點(diǎn)的個(gè)數(shù) neighbor_diff_num=0。 else if (該點(diǎn)原來(lái)為內(nèi)部點(diǎn)) 標(biāo)記該點(diǎn)為邊界點(diǎn)。在遙感圖像中尤其是高分辨率和超高分辨率影像中包含的信息是包羅萬(wàn)象的，地物的形狀也是不規(guī)則的。同顏色一樣，紋理也是圖像的一種重要屬性和視覺特征，是當(dāng)今研究的一大熱點(diǎn)。70年代Haralick[38]等人從數(shù)學(xué)角度研究了紋理中灰度級(jí)的空間分布信息并最先提出了基于灰度共生矩陣的方法來(lái)提取紋理特征，之后Tamura[39]等人在基于人類對(duì)紋理的視覺感知心理學(xué)的研究下提出了新的紋理特征的六個(gè)分量。對(duì)整幅圖像中不同紋理模式值的分布情況進(jìn)行統(tǒng)計(jì)，則可顯示出圖像總體的紋理信息。如果兩種紋理模式只限于尺度的區(qū)別時(shí)，具有較大基元尺寸的模式要比較小尺寸的模式給人的感覺更粗糙。4是四次矩而是方差。對(duì)于某個(gè)峰值p，代表該峰值兩側(cè)谷底距離，而是波峰中心位置。對(duì)于一個(gè)子圖像考察如下四個(gè)獨(dú)立的特征：、和。然后依此計(jì)算每一窗口圖像的粗糙度、對(duì)比度、方向度并把計(jì)算得到的結(jié)果賦予窗口圖像的中心點(diǎn)。一幅圖象的灰度共生矩陣能反映出圖象灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，它是分析圖象的局部模式和它們排列規(guī)則的基礎(chǔ)。本實(shí)驗(yàn)綜合考慮以上研究成果并考慮到計(jì)算效率的問題采用以下幾個(gè)典型的紋理特征進(jìn)行分析:角二階距、相關(guān)性、熵、逆差距和慣性矩。對(duì)某一種紋理，沿著紋理方向得到的慣性值最小，而垂直紋理方向的慣性最大?？偟膩?lái)說(shuō)如果圖像越復(fù)雜熵值越較大，相反，如果幾乎沒什么紋理（灰度比較均勻）則熵值也較小。所以我們需要對(duì)這些特征進(jìn)行篩選，本文的紋理特征篩選工作主要是通過(guò)相關(guān)性分析來(lái)完成的。因此，d取3時(shí)，紋理特征參數(shù)值具有較好的代表性[50]。從實(shí)驗(yàn)結(jié)果看出,整體上,隨著灰度級(jí)的增大慣性矩和熵兩個(gè)特征值是逐漸增大的,而能量和局部均勻性值是逐漸減小的,各曲線變化迅速,變化范圍也較大；灰度級(jí)小于16時(shí),不同紋理的慣性矩即對(duì)比度拉近；灰度級(jí)取128和256時(shí),慣性矩變化明顯,其余特征曲線趨于穩(wěn)定。這兩個(gè)方面是一對(duì)矛盾體，如果對(duì)實(shí)時(shí)性要求較高，只能犧牲部分紋理特征來(lái)達(dá)到要求，如果對(duì)實(shí)時(shí)性要求不是很高，而是對(duì)紋理特征的提取精度要求較高則可以以犧牲計(jì)算時(shí)間來(lái)達(dá)到要求。得到如下結(jié)論，在試驗(yàn)選取的距離參數(shù)范圍為1~15,由于距離增大會(huì)造成兩像元之間的像素信息丟失增大,因此,距離長(zhǎng)度不宜過(guò)大,否則將會(huì)嚴(yán)重影響紋理特征的準(zhǔn)確性,造成灰度共生矩陣無(wú)法有效地提取到紋理的細(xì)節(jié)信息。表31 10個(gè)紋理特征間的相關(guān)系數(shù)矩陣方差 熵 差熵 方差和 和熵 逆差矩 相關(guān)性 均值和 角二階矩 對(duì)比度方差熵差熵方差和和熵逆差矩相關(guān)性均值和角二階矩對(duì)比度 通過(guò)對(duì)相關(guān)系數(shù)矩陣的分析我們可以達(dá)到篩選紋理特征的目的。值得一提的是局部均勻性的計(jì)算是根據(jù)灰度得到的，局部均勻性值大并不能絕對(duì)的說(shuō)更能真實(shí)的反映紋理信息，受到影像質(zhì)量的影響有些目標(biāo)雖然在真實(shí)世界是同一地物，但在影像上并不一定就具有一樣的灰度。計(jì)算公式見公式（318）。從能量的計(jì)算公式（316）可以看出，能量值是由共生矩陣中各元素的平方和計(jì)算得到的。若用d表示兩個(gè)象元點(diǎn)(x1,y1)和(x2,y2)間的距離, θ表示統(tǒng)計(jì)的方向與橫軸的夾角，則可以用來(lái)描述得到的方向共生矩陣。為了形象看到各像元點(diǎn)包含的紋理信息將各圖層的紋理信息歸一化顯示如圖3圖35和圖36。 （314）其中,r是歸一化因子；、和分別是、和的標(biāo)準(zhǔn)差。 （313）其中，是局部矩陣nn的方向共生矩陣。3) 方向度Tamura提出了計(jì)算方向度的快速算法，Tamura方法的核心是構(gòu)建方向角局部邊緣概率直方圖。因此，為了更準(zhǔn)確的提取紋理特征必須先對(duì)其進(jìn)行有效的數(shù)學(xué)描述。(紋理特征分析及其在圖像處理中的應(yīng)用) a原始圖像 b與原始圖像對(duì)應(yīng)的紋理譜圖3