多尺度理论及图像特征ppt课件

多尺度理论与影像特征，2012.6，1，1， 广义尺度、绘图尺度地图比例、地图上距离与实际距离的比例小范围、详细信息、地理尺度观测尺度、研究空间范围或大小：大尺度研究领域、分辨率测量尺度、区别目标的最小可识别单元(例如像素)遥感主要关注的尺度， 运行尺度有效尺度地理学现象发生的空间范围在一定环境下发挥作用的尺度是森林比树的运行尺度大，空间尺度、时间尺度、语义尺度、1.1尺度、Lam等【1】、2、尺度研究问题(Goodchild2 ) :尺度在空间模型和地表过程检测中的作用， 以及尺度对环境建模的冲击尺度域(尺度不变范围)和尺度阈值的识别尺度转换、尺度分析、多尺度建模方法的实现。 1.1尺度研究问题3、遥感尺度问题(李小文3、周4 ) :遥感主要着眼于尺度的测量，不同来源的遥感信息数据在时间尺度和空间尺度上存在较大差异，在一个尺度上观察到的现象、汇总的规律、建立的模型在另一个尺度上适用因此，需要根据应用目的选择最佳的尺度，使所选择的尺度的图像能够最大限度地反映对象地物的空间分布特性。 例如，从一片树叶到一片森林的空间尺度是数量级别，不能想象叶所适用的模型也适用于森林。 1.1遥感尺度问题，4，尺度问题变换(周求4 ) :同一映像中也存在不同尺度的地物，信息提取所需的最佳尺度不一致。 然而，所获取的遥感信息数据的尺度比较单一。 因此，为了适应不同尺度图形的提取，有必要进行尺度转换。 比例转换被定义为将图像从一个空间或光谱比例转换为另一个空间或光谱比例的过程。 1.1尺度转换、5、分类(周索4、彭晓杜鹃5 ) (不同转换方向):尺度扩展(聚合):从小尺度图像转换为大尺度图像的过程，即将高分辨率图像转换为低分辨率图像的过程。 典型转换方法：基于统计和机制的缩放(分解):转换大尺度图像以获得小尺度图像的过程，从低空间分辨率数据中提取子像素分量信息，即将低分辨率图像转换为高分辨率图像的过程。 主要通过多源遥感信息视频融合的方法实现。 1.1尺度变换分类、6、方法(彭晓杜鹃5 ) (按变换的基础):统计方式、融合变换及分类变换像素包括数据的空间分辨率、时间分辨率、频谱分辨率等信息缺陷：只考虑地物的频谱信息，不能考虑地物的空间结构形态特征，难以解决同谱异物和同谱异谱问题另一方面，因为按地物种类的空间构造形态根据种类属性的不同而集体分布，所以遥感影像中的按地物种类的特性不仅表现在简单的光谱信息中，还表现在形状、纹理等特征上。 对象：遥感影像纹理特征的提取和合理分割以对象为基本单位，在高空间分辨率影像上利用影像多尺度分割技术，构建不同尺度的影像信息级结构，实现遥感影像信息在不同尺度层间的传递。 1.1尺度转换方法、7、转换方法比较(彭晓杜鹃5 ):基于像素(简单易行) :易操作缺点：无法有效利用影像提供的地物空间信息，精度难以提高。 基于对象：优势：可以包含地物的空间信息，从而提高转换精度。 缺点：合理定义对象分割尺度的方法是难点。变换方法：地理差异法(Geographicvariancemethod )、小波变换法(Wavelettransformmethod )、局部差异法(Localvariancemethod )、半方差函数法(Semivariagrambasedemthod ) 分形方法1.1尺度转换方法，8，融合(周索4，彭晓杜鹃5 ) :主要用于尺度收缩的转换，通过将一个尺度图像信息融合到另一个尺度图像中来实现尺度转换的目的。 遥感影像的空间详细信息经常出现在高频信息中，频谱信息经常集中在低频部分。 (彭晓杜鹃5 )变换过程中，基本原则是尽量保留原始图像的光谱信息，并提高其空间分辨率。 (彭晓杜鹃5 )通过融合高空间分辨率影像和高光谱分辨率影像，融合后的影像具有较高的空间分辨率有利于目视解释，同时具有较高的光谱分辨率，为后续的光谱运算、光谱分析提供了可能性。 (周求4 )、1.1融合变换、9、融合(周求4、彭晓杜鹃5 ) :尺度收缩的方法：基于空间域和变换域。 (周围求得4)1.基于空间域的融合：直接运算影像的像素灰度值的方法，算法简单容易实现，但是不要求细节表现力的2 .基于变换域的融合：变换原始图像，在变换域进行信息融合，最后进行逆变换得到融合后的影像的方法，细节表现力强，但是算法比较复杂。 目前常用的主要是颜色模型转换方法、直方体退化图、主成分分析法、高通滤波器、小波分析。 (彭晓杜鹃5 )、1.1融合变换、10、结果评价(周求4 ) :遥感影像缩放变换后，进行重采样，必然不同程度的信息损失或变异，例如面积、形状、细节、纹理等发生变化。 因此，需要一些主要的客观评估方法来评估不同变换方法的优劣。 比例转换方法的评价基准是转换后的影像能够最大限度保持转换前的影像的有用信息。 主观评价主要以目视解释，目视考虑比例变换后的影像清晰度。 客观评价方法：1.空间统计信息的信息熵、方差、平均梯度(锐度)、2 .频谱信息的偏差指数和相关系数等。 1.1尺度变换结果的评价，11，颜色，图像特征，形状，颜色特征，亮度信息特征(光谱)，几何形状边缘特征，纹理特征空间关系，1.1图像特征，色相，颜色，阴影，对比度，形状，大小，空间配置，纹理，12， 1.1.1颜色特征：根据全局特征、像素点的特征与图像或图像区域对应的场景的表面颜色，对图像或图像区域的方向、大小等的变化不敏感，因此颜色的特征不能很好地捕捉图像中的对象的部分特征，只是颜色的特征，如果数据库大， 13色特征表示(其通常可搜索许多不必要的图像) :颜色直方图、颜色集、色矩、颜色整合向量、色相关图颜色直方图的优点：可以容易地描述图像中颜色的全局分布，即不同颜色占整个图像的比例。 特别适用于描述不考虑难以自动分割的图像或物体的空间位置的图像。 缺点：不能描述图像中颜色的局部分布以及每个颜色的空间位置，即图像中的特定对象或对象。 最常见的颜色空间： RGB颜色空间、HSV颜色空间。 颜色直方图的特征匹配方法：直方图交叉法、距离法、中心距离法、参考色表法、累积色直方图法。 1.1.1颜色的特征，14，1.1亮度信息的特征：图像上的各像素的亮度值的大小反映了他所对应的地面范围内的物体的平均辐射亮度，该亮度值受地物的成分、结构、状态、表面特征等要素的影响。光谱响应特性是多光谱遥感图像地物识别中最直接和最重要的解释要素，地表的各种地物根据物质的组成和结构有独特的波普反射和辐射特性，图像反映了各种地物的亮度值差异，因此可以根据该亮度值差异识别不同的物体。 影像的各频带的亮度值是地表光谱的特征在大气的影响下被记录到卫星传感器的数据，各像素的各频带的亮度值表示该像素中的地物的平均反射和放射值的大小。 15、1.1.3几何形状特征：周长、面积、距离、位置和方向等特征形状内容：矩形度、纵横比、球状性、圆形度、不变矩、偏心率形状特征描述方法轮廓特征：边界特征法、傅立叶形状描述区域特征：几何参数法、形状不变矩法， 16，1.1.3形状特征，包括有限元方法(FiniteElementMethod或FEM )、旋转函数(TurningFunction )和小波描述符(WaveletDescriptor )；优点：可以利用图像中感兴趣的目标进行搜索缺点：目前，基于形状的检索方法在缺乏相对完整的数学模型的目标中存在变形时，检索结果往往不可靠，许多形状特征仅仅描述了目标的局部性质， 许多必须全面描述对于计算时间和存储的量有很高的要求的形状特征所反映的目标形状信息与人的直观感觉不完全一致，或特征空间的相似性和人的视觉系统感觉到的相似性不同。 由二维图像表示的三维物体实际上只是投影在具有空间的平面上而已，由二维图像反映的形状通常不是三维物体的真实形状，而是可能由于视点的改变而发生各种歪曲。 另外，17、1.1.4边缘特征点、特征边缘是周围像素的灰度阶梯性变化或屋顶变化的像素的集合。 可以大幅度减少要处理的信息，但保持图像中的物体的形状信息。 边缘检测方法： Canny边缘检测小波多尺度边缘检测，如常规边缘检测方法Roberts运算符、索贝尔运算符、高斯-加法运算符等，常见边缘类型：步长不连续：即、 当图像强度不连续的两侧的像素灰度值之间具有显着差异的不连续线：时，图像的强度从一个值突然改变为另一个值，保持小笔划，然后返回原始值。 理论曲线，实际曲线，(a )阶跃函数，(b )线性函数，常见边缘一阶导数和二阶导数图像，19，1.5纹理特征，定义(无统一定义):由许多相邻的、相互交织的元素进行周期性分类：人工纹理：某个符号的有序排列，符号是线、点、 文字等规则自然纹理：具有重复排列现象的自然风景不规则示例：砖墙、森林、草坪等20、1.5个纹理特征，纹理：灰度值的空间变化不仅反映了图像的灰度统计信息，还反映了地物本身的结构特征与地物的空间排列的关系特征：全局特征、 不是基于像素点的特征，仅利用表面特征是不能得到高等级的图像内容的颜色特征(原因：纹理不仅仅是物体表面的特性，不能完全反映物体的本质属性)是像素点的特征。 它需要在包含多个像素点的区域中统计地计算局部区域的像素位置之间的相关性，21，1.5的纹理特征，优点：具有旋转不变性、抗噪声能力强的缺点：在图像分辨率变化的情况下，计算出的纹理可能受光、反射状况的影响， 如果从2D图反映出的纹理不一定是3D物体表面的真实纹理厚、密集度等大的差异，但是不一定能够用于检索纹理图像的纹理之间的厚度或密集度大，则很难应用。 将纹理信息应用于搜索时，这些错误的纹理可能会导致“误解”搜索。22，1.1.6空间关系，特征：空间关系：由图像分割的多个目标之间的位置或相对方向关系，与描述图像或者图像区域对应的场景(如连接/相邻关系、重叠/包含关系等)的表面性质分类：相对、绝对：相对空间位置信息：目标之间的相对状况、 例如上下左右关系等绝对空间位置信息：被强调的是目标物之间的距离的大小以及方位可能性：确定性空间关系：两地物之间的空间关系是确定性的，存在a，存在b。 概率空间关系：表明a存在，b可能存在。 23，1.1.6空间关系，优点：能够增强图像内容的描述区别能力的缺点：在对图像和目标的旋转、反转、比例变化等敏感的实际应用中，通常仅仅利用空间信息是不够的，场景信息无法有效地正确表示。 为了进行检索，除了空间关系的特征之外，还需要组合使用其他特征。 一般的特征提取和匹配方法(2)首先自动分割图像，分割图像所包含的对象和颜色的区域，从该区域提取图像的特征，制作索引。 简单地将图像均匀地划分成若干规则子块，并且提取每个图像子块的特征以建立索引。 另外，24、以及形状vs纹理一般纹理特征比较容易得到，但形状特征的计算复杂的形状vs颜色特征多是直线移动、旋转、比例不变性，很多形状特征(边缘方向等)只有直线移动不变性纹理vs颜色特征充分利用图像的颜色信息， 纹理特征仅利用图像的灰度信息(色纹理特征很少见)而色彩特征着重于图像整体的信息的描述，而纹理特征是局部性的，具有不同特征的相对特征，25，2.1多尺度表示， 多尺度表示：在一定尺度范围内描述目标结构的基本思想：在原始信号中嵌入家族尺度参数变化的信号，大尺度信号结构必须简化小尺度信号结构。 (刘立6、陈敏7 )这一思想于1971年由Roserfeld和Thnimoto提出，利用不同尺度的算子实现了边缘检测。 Hanson、Riseman(1974 )和Tanimoto等人以不同层的空间分辨率描述图像并对不同层的图像进行下采样。 这种思想随着crowleyy的进一步发展，形成了至今仍广泛使用的多尺度表示方法金字塔。 另一个重要的多尺度技术是所谓的“尺度空间”(“scafesPace”)，“尺度空间”是着名图像金字塔概念的新补充，首先在克里图像处理中采用，然后以各种形式扩展。 26、2.1多尺度表示、经典表示方法：(刘立6、陈敏7 )视频金字塔尺度空间金字塔(刘立6、陈敏7 )的金字塔表示通常通过组合滤波与二次采样以连续降低图像尺寸来产生。 是产生现代尺度空间表现的重要阶段。 常用的金字塔结构有Gaussian金字塔、Laplassian金字塔、小波金字塔等。 27，2.1图像金字塔，金字塔图像：(陈敏7 )图像金字塔以多分辨率描述图像的结构。 一般而言，以2 n (n=0，1，2)进行平均，如图所示。 通过对应于原始图像的每2x2=4个像素对最底层的图像进行平均，可以构成等级2的图像，以此方式构成等级2的金字塔图像。 每个级别(2i )图像的总像素数相对于上一级别(2i-1 )图像缩小4的倍数(也可以使用3x3=9个平均像素创建图像级别)。 常用的是高斯金字塔图像产生算法，构成金字塔的层数必须由图像分辨率、图像可能噪声、图像大小和相关计算速度来决定。 28、2.1图像金字塔、金字塔图像：(陈敏7 )金字塔图像的另一种构成方法是通过小波变换逐步分解和重建图像，其重建过程完全可以恢复为原始图像。小波变换具有高低频分离的特征，能够滤波边缘、去除一定噪声、不丢失重要信息，使得重构的图像信号更清晰，在后续处理中是有用的。 金字塔图像是一种老的尺度表示方法，结合下采样操作与平滑处理，其一大优点是自下而上层的像素数量不断减少，计算量大幅减少。 缺点是从下面往上看金字塔在尺度的量化方向上看起来很粗