小波纹理特征

1、精选优质文档-倾情为你奉上雷达图像的纹理有细微、中等和宏观3种。细微纹理分辨单元的大小和分辨单元内的独立样本数有关。以分辨单元为尺度表示的空间色调变化, 由雷达图像固有的光斑特性决定。这种纹理特征不能用于识别目标。中等纹理是以多个分辨单元为尺度来表示空间色调变化, 同一种目标的若干分辨单元空间排列的不均匀性, 以及不同目标的细微纹理所占分辨单元的个数, 是识别面目标的重要信息之一。这是识别目标的主要依据。宏观纹理是由于雷达回波随地形结构特征的变化改变雷达波束与目标之间的几何关系和当地入射角形成的, 反映地形地貌的结构特征, 因此, 是雷达图像地质地貌解译的重要标志之一。 小波变换作为一种多分辨

2、率分析工具, 为不同尺度上信号的分析和表征提供了精确和统一的框架。在某些区域, 例如热带森林地区, 大的结构存在于大的尺度中, 而在某些区域,纹理则存在于小的尺度中, 同一种地物在不同尺度上的纹理也不相同（沙漠等）这为多尺度纹理测度提供了基础, 应用小波变换的最终目的是从SAR图像中提取多尺度纹理信息。 f1.a 1层分解低频图像 f1.b 1层分解水平高频系数图 f1.c 1层分解垂直高频系数图 f1.d 1层分解对焦高频系数图 f1.e 一层分解图 f1.f 一层分解图 f2 第二层分解低频高频分解系数图 f3 前两层小波分解系数图 f4.a f4.b f4.c f4.dF4 一层小波分解

3、L1范数纹理图像 f5.a f5.b f5.c f5.dF5 二层小波分解L1范数纹理图像 f6 L1范数k均值聚类图 f7 小波能量k均值聚类图 F8 实验区典型地物纹理图(Top left-bottom right:居民区1 居民区2 裸地 农田 山区 水体 盐碱地 沙漠)表1 经过en-lee3*3滤波图像纹理特征居民区居民区2裸地农田山区水体盐碱地沙漠F17.688.48950.3.764954.4.4.10.50035F20.0.0.6940.52420.0.494450.0.F30.89550.85820.74490.0.0.0.0.F40.012850.0.0.0.0.00980

4、.016350.F55.1624513.7.12.0288517.236355.1594517.9.F60.0.57980.0.517750.43210.78480.0.F70.66160.0.457950.42470.74070.74230.0.55475F80.0.16030.0.0.02170.462050.0.F9838.7819671.0037492.7000525.8305303.0217697.4868589.1124789.1633表2 原始图像纹理特征居民区居民区2裸地农田山区水体盐碱地沙漠F129.7633.107585.2460518.7913317.2376524.98

5、3616.5274533.47688F20.0.3260.0.344950.383950.32190.0.3332F30.0.0.0.5190.0.0.0.F40.009550.0.020.00520.0.0.0.00615F513.5732531.7717335.0123836.243819.9511313.8804527.793820.64633F60.72060.0.35850.35560.3360.678350.0.F70.0.0.55370.363850.0.0.0.39195F80.39370.107750.0.0.0.319950.0.3311F9839.0948672.1636303.0232589.1244492.8143697.4790525.8324789.3439F1F4 GLCM texture features: CON; HOM; COR; ASMF5F8 WAVE-GLCM texture features: CON; HOM; COR; ASMF9 WAVE L1GLCM 14 texture features不同的分解层 不同的小波分解系数共生矩阵衍生的 纹理特征不同尺度上的结合 小波框架分解 尺度共生矩阵 尺度游程矩阵 所衍生的纹理特征计算距离时纹理特征归一化已知纹