纹理特征GLCM课程实例.pptVIP

0 1 2 3 4 5 6 7 8 0 0 0 4 0 0 0 0 0 0 1 0 0 0 4 0 0 0 0 0 2 4 0 0 0 4 0 0 0 0 3 0 4 0 1 0 4 0 0 0 4 0 0 4 0 1 0 4 0 0 5 0 0 0 4 0 1 0 4 0 6 0 0 0 0 4 0 0 0 4 7 0 0 0 0 0 4 0 0 0 8 0 0 0 0 0 0 4 0 0 0 1 2 3 4 5 6 7 8 0 0 0 0 0 0 0 6 0 0 1 0 0 0 0 0 0 0 6 0 2 0 0 0 0 0 0 0 0 6 3 0 0 0 1 0 0 0 0 0 4 0 0 0 0 1 0 0 0 0 5 0 0 0 0 0 1 0 0 0 6 6 0 0 0 0 0 0 0 0 7 0 6 0 0 0 0 0 0 0 8 0 0 6 0 0 0 0 0 0 粗 纹 理 细纹 理 Company Logo 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-Level Co-occurrence Matrix) 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 112 114 110 108 108 114 116 112 108 108 112 113 110 110 108 114 115 110 115 107 113 114 112 111 107 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） GLCM计算过程 112 114 110 108 108 114 116 112 108 108 112 113 110 110 108 114 115 110 115 107 113 114 112 111 107 以单波段为例，移动方向为90度时，窗口上下移动，dx=0,dy= ±1 107 108 109 110 111 112 113 114 115 116 1