【正文】 紋理圖像建模后把紋理特征提取問題轉(zhuǎn)化為參數(shù)估計的一種方法。面向?qū)ο蟮挠跋穹治黾夹g(shù)就是針對這一問題而產(chǎn)生的。 選題依據(jù)與研究意義雖然我國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，不論在遙感平臺還是遙感應(yīng)用技術(shù)都逐步走向完善。在分析了面向?qū)ο蟮倪吘墮z測和區(qū)域增長法兩種面向?qū)ο笥跋穹指罘椒ǖ幕A(chǔ)上，重點對區(qū)域增長法從兩個方面進(jìn)行了改進(jìn)：第一，設(shè)計了新的增長規(guī)則；第二，增加了異質(zhì)點去除環(huán)節(jié)。第一個方面是向?qū)ο笥跋穹指钏惴ǚ治龊透倪M(jìn)。我國從2006年至2010年四年時間發(fā)射了遙感衛(wèi)星一號到九號九個遙感衛(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對遙感領(lǐng)域的巨大投入和重視程度。由于傳統(tǒng)的影像分析技術(shù)是基于單個像元分析的，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。1) 模型法模型法主要有隨機(jī)場模型、自回歸模型、分形模型三類。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。在研究的過程中發(fā)現(xiàn)Gabor波器具有時域和頻域的聯(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。這就導(dǎo)致存在于高頻部分的圖像的真實信息丟失。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算量太大而被淘汰。所以我覺得研究者們應(yīng)該在如何綜合幾種方法的長處，做到取長補短上下點功夫。如圖21b即為圖21a對象化后的結(jié)果。然后可以根據(jù)需要合并影像對象為尺度更大的對象層。在同一個空間參考系中，大尺度數(shù)據(jù)在空間上占有較大的空間范圍，在時間上表現(xiàn)為相對較長的時間間隔，在屬性上反映過程和現(xiàn)象的整體、抽象、輪廓趨勢；相反小尺度數(shù)據(jù)在空間上占的空間范圍較小，在時間上表現(xiàn)為較短的時間間隔，在屬性上則反映地學(xué)過程的詳細(xì)、具體的內(nèi)容。所以，我們采用多尺度理論來描述、分析這些現(xiàn)象或過程，才能夠更全面地刻畫這些現(xiàn)象或過程的本質(zhì)特征。 Hough變換直線檢測Hough變換最早是由Paul Hough提出的一種的直線檢測方法[2526]，是目前使用廣泛的一種檢測直線的方法。如果直線為y=x,則我們在Hough變換過程肯定會計算到下面的三個點：A(1,1),B(2,2),C(3,3)。假設(shè)一個圓其邊界方程為： （24）其中為圓邊界上的邊界點集，r為半徑。區(qū)域生長是指根據(jù)某一規(guī)則將一個種子像元的鄰域點及這些鄰域點的鄰域點聚集為一個區(qū)域的過程。說明:①小區(qū)域的尺寸對結(jié)果可能有較大影響，尺寸太小時檢測可靠性降低，尺寸太大時則得到的區(qū)域形狀不理想，小的目標(biāo)也可能漏掉。在抗噪方面，本文是從兩個方面來解決的：第一，在分割前對圖像進(jìn)行一定的預(yù)處理，以達(dá)到去噪的目的。這樣就會造成增長起點的灰度與增長終點間的灰度差無限大，這就是“無限容差現(xiàn)象”（如圖214）。%記錄孤立點的坐標(biāo)和具體值for x=1:圖像的最大行數(shù) for y=1:圖像的最大列數(shù) neighbor_num=0。而Hough變換雖然可以與面向?qū)ο蠹夹g(shù)結(jié)合實現(xiàn)面向?qū)ο蟮倪吘墮z測，但是這種方法到目前為止還存在只能檢測單一目標(biāo)的局限性。圖像特征譜所關(guān)注的問題是如何針對紛繁復(fù)雜的圖像提取出其本質(zhì)的特征。1) 粗糙度從狹義的觀點來看，粗糙度是最能體現(xiàn)紋理信息的一項。 （312）式()中p代表直方圖中的峰值，為直方圖中所有的峰值。例如有窗口圖像的像元坐標(biāo)值為矩陣，則下一個窗口圖像的像元坐標(biāo)值為矩陣，依此類推。薄華[49]等人通過對各紋理特征的分析認(rèn)為3個不相關(guān)的且分辨力最好的三個特征為：對比度、熵和相關(guān)性。當(dāng)然，紋理信息是圖像的信息的一部分，在其它信息一定的情況下，若熵值大則相應(yīng)的紋理信息也比較大。隨著d的增大，能量、相關(guān)性、逆差矩的值逐漸減小呈下降趨勢，至d為2時漸緩，在d等于3至5間無大的變化，基本保持一致；隨d的增大，對比度、熵、差的方差、差熵呈上升趨勢，至d為2時漸緩，在d等于3至5間基本保持一致。在不影響圖像紋理特征的前提下,可以盡量縮減灰度值的范圍。先從方差開始分析，首先我們?nèi)コ讲詈?，；然后去除和熵，；然后去除均值和項（）；然后分析熵，所以去除差熵；?jīng)過相關(guān)分析后剩下的相關(guān)性較小的紋理特征分別是能量、對比度、局部均質(zhì)性、熵和逆差矩。 （317）3) 相關(guān)性Correlation它度量圖像中像元灰度在一定方向上的相似程度。簡單地說灰度共生矩陣就是灰度在一定方向上、一定間隔距離的變化幅度。6） 粗略度 Roughness由于沒有好的描述粗糙度感覺是方法，Tamura根據(jù)心理視覺實驗結(jié)果用粗糙度和對比度來近似描述粗略度。計算方向度的步驟如下：（1）方向度的計算需要首先計算每個像素處的梯度向量。Tamura定義了六個紋理特征，分別為：粗略度、規(guī)整度、線像度、方向度、對比度和粗糙度。紋理特征是一種不依賴于亮度和顏色的反映圖像中相鄰像元相似信息的視覺特征[36]。圖215 區(qū)域增長法改進(jìn)算法的分割結(jié)果圖216 改進(jìn)區(qū)域增長法的優(yōu)化結(jié)果為了更清晰的說明改進(jìn)后的區(qū)域增長算法的詳細(xì)過程，下面給出了改進(jìn)后算法的流程圖（圖217）。0 1。關(guān)于紋理規(guī)則的將在第三章詳細(xì)介紹，這里就不再冗余敘述。作者把分割后的異質(zhì)點的判斷和去除以及區(qū)域合并等工作稱為分割后處理。上式可以解釋為:在區(qū)域O中，各像素灰度值與均值的差不超過某閾值K，則其均勻測度度量為真。它是一種基于區(qū)域的分割方法，分割后形成的初始區(qū)域是圖像對象的形狀表述，是進(jìn)一步信息提取的基礎(chǔ)，因此分割的好壞對后續(xù)的圖像解譯有很大的影響。但是我們發(fā)現(xiàn)它并不能區(qū)別線性的道路和相對比較直的和的沿岸。如果令直線的法向角的取值范圍為：2/π2/π，其交點就只有一個了。對于這些不同對象，有學(xué)者認(rèn)為可以預(yù)先確定大致的范圍，然后根據(jù)這些先驗信息，按照一定的準(zhǔn)則進(jìn)行邊緣點的搜索和確定，再剔除異常的邊緣點，就可以得到相關(guān)邊緣的準(zhǔn)確定量描述。在對象生成過程中同時將這些影像對象按等級結(jié)構(gòu)聯(lián)接從而綜合不同尺度的圖像信息并把精細(xì)尺度的精確性與粗糙尺度的易分割性這對矛盾完美的統(tǒng)一了起來。 遙感中的尺度問題所謂尺度是一個抽象的概念，當(dāng)我們說一個項目是在多大空間范圍上進(jìn)行的，此時的“空間范圍“就是指空間尺度。這種方法不僅精度低，效率低，勞動強(qiáng)度大，且過分依賴于人工解譯分析，并在很大程度上不具備重復(fù)性。第5章 總結(jié)與展望對本文主要研究的內(nèi)容以及所取得的結(jié)果進(jìn)行歸納，對有待進(jìn)一步研究的問題進(jìn)行了闡述。Ohanian[12]曾對馬爾可夫模型法、Gabor濾波、分形模型法和共生矩陣法在提取紋理信息方面進(jìn)行評估性研究,得到的結(jié)論是共生矩陣法表現(xiàn)最好。數(shù)學(xué)形態(tài)學(xué)方法是在二值圖像中使用結(jié)構(gòu)基元尋找形狀的空間重復(fù)性。與Gabor濾波相比小波更具靈活性，它不僅時頻窗口可以移動，而且窗口形狀也隨窗口中心頻率的變化而自動調(diào)整。然后對這些向量做一定的變換得到紋理特征。在應(yīng)用分形法時要注意兩點：第一認(rèn)為自然界中不同種類的形態(tài)物質(zhì)一般具有不同的分?jǐn)?shù)維。3）遙感影像紋理結(jié)構(gòu)的定量信息不能用傳感器直接獲取，而只能靠數(shù)學(xué)分析和變換方法從灰度圖像中求取。雖然光譜信息能反映了地物反射電磁波能量的大小，能直觀的反映地物特征，但是由于存在其他干擾因素，使得同樣的地物可能在遙感影像上得到的光譜值卻是不一樣的，還有就是不同的地物在遙感影像的光譜信值是一樣的如河流和湖泊。遙感在這幾方面都起著基礎(chǔ)性的關(guān)鍵作用，沒有遙感的發(fā)展，即使其它方面發(fā)展了也會出現(xiàn)“木桶”效應(yīng)。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)校可以采用影印、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)校可以公布論文的部分或全部內(nèi)容。為了使通過共生矩陣能得到更合理的紋理特征，首先對10種紋理特征間的相關(guān)性進(jìn)行分析，從而選出具有代表性的紋理。遙感數(shù)據(jù)源的不斷豐富使得遙感應(yīng)用領(lǐng)域不斷擴(kuò)大，然而遙感應(yīng)用處理中的共性關(guān)鍵技術(shù)，比如圖像信息識別和變化檢測等方面還很大程度上的依賴于人工的目視。 紋理分析的研究現(xiàn)狀及發(fā)展趨勢從上個世紀(jì)70開始，圖像紋理分析與應(yīng)用一直是從事模式識別和計算機(jī)視覺方面專業(yè)人員所關(guān)心的問題。馬爾可夫模型建模的的基本思想是通過任意像素關(guān)于其鄰域像素的條件概率分布來描述紋理的統(tǒng)計特性。但是如果模型相對簡單則不能充分的反映紋理特征。分辨率低的代表原圖像上低頻的信息，分辨率高的代表原圖像上的高頻信息。該方法存在的一個潛在的假設(shè)是紋理基元幾乎具有規(guī)范的關(guān)系并且紋理圖像的基元可以分離出來。為了換取計算時間有人提出壓縮圖像的灰度級，這就意味著要損失一定的灰度的空間依賴關(guān)系。第3章 基于紋理信息的信息提取技術(shù) 分別對兩種紋理分析方法（Tamura紋理法和共生矩陣法）進(jìn)行了深入研究。 a)對象化前影像 b)對象化后的影像圖21影像對象示意圖由于每塊影像內(nèi)所包含的信息要比單個像素所包含的信息多，大多數(shù)不同的影像對象是依據(jù)其顏色、形狀 、紋理所構(gòu)成區(qū)域進(jìn)行測算讀取的，更多信息也可通過影像對象的網(wǎng)狀結(jié)構(gòu)來進(jìn)行歸納分類或合并。因為它可以充分的利用形狀（如長度、邊緣個數(shù)等）和拓?fù)涮卣鳎ㄠ徑瑢ο蠼Y(jié)構(gòu)等等）等信息，可以保持地物目標(biāo)的整體性。多尺度分割是為提取影像對象所開發(fā)的一個分割算法，它是由基于像素值和對象形狀來共同描述。在金字塔的最底層保存的是原始圖像，然后每上一層數(shù)據(jù)都是由相鄰的下一層數(shù)據(jù)產(chǎn)生，從圖22可以更直觀的看到這一點。Hough變換就根據(jù)點線的對偶性把在圖像空間中存在的直線檢測問題轉(zhuǎn)化成參數(shù)空間中存在的點檢測問題，通過在參數(shù)空間里進(jìn)行簡單的累加統(tǒng)計完成直線檢測任務(wù)[2930]。Hough變換在抑制噪聲方面的能力強(qiáng)使其能廣泛應(yīng)用，它能夠提取處在噪聲背景中的直線，并且具有把斷了的線段連接起來的能力。當(dāng)然如果只檢測固定r的圓，相對來說不論從算法上還是從計算量上來講都要簡單些。分割結(jié)果與原始圖像的對應(yīng)關(guān)系可以描述為：1）其中，f(x,y)表示原始遙感影像；表示第k個區(qū)域；2）3）其中表示是不同的區(qū)域。區(qū)域增長法是面對象的分割方法，但是它本身是以像素為單位進(jìn)行操作的。 復(fù)合式增長準(zhǔn)則，大部分情況下都是基于區(qū)域灰度差作為增長準(zhǔn)則。對于異質(zhì)點的判斷含有一定的主觀因素，根據(jù)具體情況可以認(rèn)為一個點孤立點未一個異質(zhì)點，也可以認(rèn)為孤立的兩個或更多的“島嶼”為一個“孤立點”。%記錄鄰域像元的個數(shù) if(該點處的值與該鄰域點的值不同) neighbor_diff_num=neighbor_diff_num+1。第三章 紋理信息提取方法第三章 紋理信息提取方法由于現(xiàn)在很大一部分的遙感數(shù)據(jù)是基于被動的光學(xué)遙感數(shù)據(jù)，而光學(xué)遙感是靠接受物體反射光成像，中間由于受到很多因素的干擾，很難保證同一地物在影像上的光譜信息是均一的。圖像特征譜是用直方圖對圖像進(jìn)行統(tǒng)計分析，其中用來刻畫紋理的圖像特征譜就稱為紋理譜。Step1 首先將分析圖像以大小進(jìn)行分割并計算子圖像的平均灰度值，即有： （33）其中 k = 0,1,…,5而是位于的像元灰度值。但是由于自然紋理的復(fù)雜性，往往不像有人工紋理那么規(guī)律可尋。其中灰度共生矩陣方法簡單,易于實現(xiàn)被公認(rèn)為有效方法,具有較強(qiáng)的自適應(yīng)能力和魯棒性，同時還有利于反映了圖像紋理的方向性，所以被廣泛的應(yīng)用于圖像紋理分析中。相反，如果此值較小則反映出圖像上的紋理較細(xì)或灰度分布不均勻。除了以上常用參數(shù)外還有差熵、方差和、均值和、方差、協(xié)方差、和熵等，當(dāng)然也可以根據(jù)需要來自定義一些紋理特征參數(shù)。同時,此區(qū)間內(nèi)不同紋理圖像的特征值差距明顯,有利于圖像分類或檢索時的特征識別[51]。因此,要適當(dāng)?shù)貙叶燃夁M(jìn)行壓縮。同時如果10個紋理特征全部采，計算成本也太高。紋理溝紋越深，其對比度越大，視覺效果越清晰；反之，對比度小，則溝紋淺，效果模糊。,用來表示在給定的空間距離d和方向θ上,相鄰的灰度級象素對(i,j)出現(xiàn)概率。Tamura假設(shè)圖像中的任何特征的變化都會導(dǎo)致圖像變?yōu)椴灰?guī)整的。Step 3 在和中找到最大值對應(yīng)的k值來設(shè)置最佳尺寸： （36）Step 4 粗糙度的計算公式： （37）2) 對比度對比度是通過對像素強(qiáng)度分布情況的統(tǒng)計得到的。二值矩陣可看成是一個紋理基元(二值紋理模式)，來刻畫33鄰域內(nèi)像素點的灰度相對中心點的變化情況。這種現(xiàn)象在高分辨率和超高分辨率影像中更嚴(yán)重。 isolated_list(isolated_num,:) = [x y J(x,y)]。1 1。同理不同的地物反而有可能在圖像上的灰度卻是同一個值。第五步，直到標(biāo)記矩陣的所有點都被標(biāo)記，算法結(jié)束。單連接區(qū)域生長技術(shù)在判斷鄰域點是否合并進(jìn)入?yún)^(qū)域的根據(jù)是判斷種子點與鄰域點的在“生長規(guī)則”下是否一致，如果一致則合并，否則判斷其它鄰域點。根據(jù)以上理論基礎(chǔ)本文實現(xiàn)了對圖29的Hough變換圓檢測，結(jié)果如圖210。由Hough的原理可知Hough變換的性質(zhì)如下：（1）(x,y)域中的一點對應(yīng)于變換域(ρ,θ)中的一條正弦曲線。在笛卡兒坐標(biāo)系中通過公共點的一簇直線（如圖 24(c)所示），映射到極坐標(biāo)中便是一個