第三章遥感纹理

1、第三章第三章 遥感图像的纹理分析遥感图像的纹理分析主要内容主要内容1 图像的纹理特征图像的纹理特征2 纹理分析的方法纹理分析的方法3 遥感图像的纹理分析遥感图像的纹理分析3.1图像的纹理特征图像的纹理特征3.1.1 3.1.1 纹理的定义纹理的定义 纹理 (Tuxture) 一词最初指纤维物的外观。字典中对纹理的定义是“由紧密的交织在一起的单元组成的某种结构”。习惯上，把图像中这种局部不规则的，而宏观有规律的特性称之为纹理。因此，纹理是由一个具有一定的不变性的视觉基元，通称纹理基元，在给定区域内的不同位置上，以不同的形变及不同的方向重复地出现的一种图纹。 人工纹理是某种符号的有序排列， 这些符

2、号可以是线条、点、字母等，是有规则的。自然纹理是具有重复排列现象的自然景象，如砖墙、森林、草地等图案，往往是无规则的。 纹理纹理是一种普遍存在的视觉现象，目前对于纹理的精确是一种普遍存在的视觉现象，目前对于纹理的精确定义还未形成统一认识，多根据应用需要做出不同定定义还未形成统一认识，多根据应用需要做出不同定义义 两种较常采用的定义两种较常采用的定义： 定义定义1 按一定规则对元素（按一定规则对元素（elements）或基元（）或基元（primitives）进行排列所形成的重复模式）进行排列所形成的重复模式. 定义定义2 如果图像函数的一组局部属性是恒定的，或者是如果图像函数的一组局部属性是恒定

3、的，或者是缓变的，或者是近似周期性的，则图象中的对应区域具缓变的，或者是近似周期性的，则图象中的对应区域具有恒定的纹理有恒定的纹理3.1图像的纹理特征图像的纹理特征砖墙、布、云、动物皮毛、乱草、树叶常见纹理图案：3.1图像的纹理特征图像的纹理特征(a)(b)图： 人工纹理与自然纹理(a) 人工纹理； （b）自然纹理 3.1图像的纹理特征图像的纹理特征包含多个纹理区域的图象包含多个纹理区域的图象 纹理是区域属性，并且与图像分辨率（或纹理是区域属性，并且与图像分辨率（或称尺度，称尺度，resolution or scale）密切相关）密切相关 重复性、规则性、周期性、方向性重复性、规则性、周期性、

4、方向性 纹理分析纹理分析：研究纹理图像的特性研究纹理图像的特性纹理分类：纹理分类：从给定的一组纹理集中识别给定的纹理从给定的一组纹理集中识别给定的纹理区域。区域。纹理分割：纹理分割：把图片分成不同的部分，每部分内部具把图片分成不同的部分，每部分内部具有相近的纹理。有相近的纹理。从纹理恢复形状：从纹理恢复形状：由图像纹理恢复表面的方向和表由图像纹理恢复表面的方向和表面形状。面形状。纹理合成纹理合成：利用小样本构造大纹理利用小样本构造大纹理基于点合成：基于点合成：每次合成一个像素点。每次合成一个像素点。 基于块合成：基于块合成：每次合成一个像素块。每次合成一个像素块。3.2.1 3.2.1 纹理分

5、析方法纹理分析方法 1、统计分析方法 凭人们的直观影响，即从图像有关属性的统计分析 出发，统计纹理特征。 2、结构分析方法 从图像结构的观点出发，则认为纹理是结构。纹理 分析应该采用句法结构方法，力求找出纹理基元，再 从结构组成探索纹理的规律或直接去探求纹理构成的 结构规律。3.2纹理分析方法纹理分析方法3.2.2 纹理描述和度量方法纹理描述和度量方法 1、统计法统计法 2、结构法结构法 3、频谱法频谱法 统计法是利用灰度直方图的矩来描述纹理的，可分为灰度差分统计法和行程长度统计法。1. 灰度差分统计法 设(x, y)为图像中的一点，该点与和它只有微小距离的点(x+x, y+y)的灰度差值为

6、3.2纹理分析方法纹理分析方法 g称为灰度差分。设灰度差分的所有可能取值共有m级，令点(x, y)在整个画面上移动，累计出g(x, y)取各个数值的次数， 由此便可以作出g(x, y)的直方图。由直方图可以知道g(x, y)取值的概率p(i)。 当采用较小i值的概率p(i)较大时，说明纹理较粗糙；概率较平坦时，说明纹理较细。),(),(),(yyxxgyxgyxg该方法采用以下参数描述纹理图像的特征：iipiCON)(2（2） 角度方向二阶矩: iipASM2)(（3） 熵: iipipENT)(lg)(（4）平均值: iiipmMEAN)(1（1） 对比度：灰度差分统计法灰度差分统计法 在上

7、述公式中，p(i)较平坦时， ASM较小，ENT较大；若p(i)分布在原点附近，则MEAN值较小。 2. 行程长度统计法 设点(x , y)的灰度值为g，与其相邻点的灰度值也可能为g， 统计出从任一点出发沿方向上连续n个点都具有灰度值g这种情况发生的概率，记为p(g, n )。在同一方向上具有相同灰度值的像素个数称为行程长度。 由p(g, n)可以定义出能够较好描述纹理特征的如下参数： （1） 长行程加重法： ngngngpngpnLRE,2),(),(当行程长时，LRE大。 （2） 灰度值分布： nggnngpngpGLD,2),(),(（3）行程长度分布： nggnngpngpRLD,),

8、(),(（4）行程比： 2,),(NngpRPGng式中，N2为像素总数。 当灰度行程等分布时，GLD最小；若某些灰度出现多，即灰度较均匀，则GLD大。 当灰度各行程均匀，则RLD小，反之像素灰度行程长短不均匀，则RLD大。 纹理常用它的粗糙性来描述。例如，在相同的观看条件下， 毛料织物要比丝织品粗糙。粗糙性的大小与局部结构的空间重复周期有关，周期大的纹理细。这种感觉上的粗糙与否不足以定量纹理的测度，但可说明纹理测度变化倾向。即小数值的纹理测度表示细纹理，大数值纹理测度表示粗纹理。 用空间自相关函数作纹理测度的方法如下： 3自相关函数方法自相关函数方法设图像为f (m, n)，自相关函数可由下

9、式定义： wkwknwjwjmwkwknwjwjmnmfnmfnmfkjC2),(),(),(),( 上式是对（2w+1）(2w+1)窗口内的每一个像素点（j ,k）与偏离值为, =0, 1, 2, , T的像素之间的相关值进行计算。一般纹理区对给定偏离（, ）时的相关性要比细纹理区高，因而纹理粗糙性与自相关函数的扩展成正比。自相关函数扩展的一种测度是二阶矩， 即 ),(),(22kjCkjTkTjT付立叶功率谱纹理分析法的基本思想：付立叶变换：dxdyvyuxjyxfvuF2exp, vuFvuFvuF,*2功率谱：4傅立叶频谱分析法傅立叶频谱分析法 功率谱的径向分布与图像f(x,y)空间域

10、中的纹理的粗细程度有关。对于稠密的细纹理，功率谱沿径向的分布比较分散；对于稀疏的粗纹理，功率谱往往比较集中于原点附近；对于有方向性的纹理，功率谱的分布将偏置于与纹理垂直的方向上。纹理图像傅立叶功率谱 频谱法借助于傅立叶频谱的频率特性来描述周期的或近乎周期的二维图像模式的方向性。常用的三个性质是： (1) 傅立叶频谱中突起的峰值对应纹理模式的主方向; (2) 这些峰在频域平面的位置对应模式的基本周期; (3) 如果利用滤波把周期性成分除去， 剩下的非周期性部分可用统计方法描述。 0(a)S()(b)0S()22 实际检测中，为简便起见可把频谱转化到极坐标系中, 此时频谱可用函数S(r, )表示，

11、如上图所示。对每个确定的方向， S(r, )是一个一维函数S(r)；对每个确定的频率r，S(r, )是一个一维函数Sr()。对给定的，分析S(r)得到的频谱沿原点射出方向的行为特性；对给定的r，分析Sr()得到的频谱在以原点为中心的圆上的行为特性。如果把这些函数对下标求和可得到更为全局性的描述，即 )()(0rSrS)()(1RrrSS式中，R是以原点为中心的圆的半径。 S(r)和S()构成整个图像或图像区域纹理频谱能量的描述。图9-13(a)、 (b) 给出了两个纹理区域和频谱示意图，比较两条频谱曲线可看出两种纹理的朝向区别，还可从频谱曲线计算它们的最大值的位置等。 纹理和对应的频谱示意图

12、0(a)S()(b)0S()22 灰度共生矩阵法（联合概率矩阵法）是对图像的所有像素进行统计调查，以便描述其灰度分布的一种方法。此方法是图像灰度的二阶统计量，是一种对纹理的统计分析方法。 灰度共生阵 p(d,) 定义为从灰度为i的点离开某个固定的位置（相距d，方向为)的点上灰度为j的概率。往往适当地选择d，而 则取0,45,90,135度。 5灰度共生矩阵法灰度共生矩阵法 对于具有对于具有G个灰度级的图像，受位移矢量个灰度级的图像，受位移矢量d=(a,b),控制的控制的 灰度级共生矩阵灰度级共生矩阵P 是一个是一个 的矩阵，的矩阵，矩阵行列表示各矩阵行列表示各 个灰度级，矩阵元素反映两种灰度在

13、相距一定距离的位个灰度级，矩阵元素反映两种灰度在相距一定距离的位 置上同时出现的次数置上同时出现的次数，具体按下式计算：，具体按下式计算：例：例：已知图像(a),当d=1时计算灰度共生矩阵 p(1,0)， p(1,45)， p(1,90)， p(1,135)。解：解：根据灰度共生矩阵的定义，对图像中个像素点进行统计，统计相距为d，方位为的点上灰度值为i和j的像素对的数目#i,j如下式：统计得4个灰度共生矩阵如图(b),(c),(d),(e)所示： 由此可见，d,取不同的数值组合，可以得到不同情况下的灰度共生矩阵。 当d 取值较小时，对应于变化缓慢的纹理图像（较细的纹理），其灰度共生矩阵对角线上

14、的数值较大；而纹理的变化越快，则对角线上的数值越小，而对角线两侧上的元素值增大。 灰度共生矩阵并不能直接提供纹理信息，为了能描述纹理的状况，需在灰度共生矩阵的基础上再提取能综合表现灰度共生矩阵状况的纹理特征量，称为二次统计量。 一幅图像的灰度级数一般是256级，这样级数太多会导致计算灰度共生矩阵大，计算量大。为了解决这一问题，在求灰度共生矩阵之前，常压缩为16级。 在提取特征之前，需对灰度共生矩阵作正规化处理。 令 (i,j) = p(i,j)/ R R-正规化常数。当取d=1，=0时，每一行有2(Nx1)个水平相邻像素对，因此总共有2Ny(Nx1)水平相邻像素对，这时R=2Ny(Nx1)。同

15、样当取d=1，=45时，共有2(Ny1)(Nx1)相邻像素对，R=2(Ny 1)(Nx 1) 。由对称性可知，当 =90和135时，其相邻像素对数是显然的。p 灰度共生矩阵计算及其解释灰度共生矩阵计算及其解释纹理特征纹理特征公式公式熵熵 (entropy)能量能量 (energy)对比度对比度 (contrast)均匀度均匀度 (homegeneity)相关性相关性 (correlation) （1）熵：）熵： 含义：含义：图像所具有的信息量的度量图像所具有的信息量的度量，纹理信息也属于图像的，纹理信息也属于图像的信息，是一个随机性的度量。信息，是一个随机性的度量。 性质：性质：当图像无纹理时

16、，熵应该等于当图像无纹理时，熵应该等于0，满纹理时，该值应该，满纹理时，该值应该最大，从数学角度看，当共生矩阵所有元素近似相等时，熵最大，从数学角度看，当共生矩阵所有元素近似相等时，熵应该最大。它应该最大。它表示了图像中纹理的非均匀程度或复杂程度表示了图像中纹理的非均匀程度或复杂程度。 （2）能量：）能量： 含义：含义：灰度共生矩阵元素值的平方和，所以也称能量，灰度共生矩阵元素值的平方和，所以也称能量，反映反映了图像灰度分布均匀程度和纹理粗细度了图像灰度分布均匀程度和纹理粗细度。 性质：性质：如果共生矩阵的所有值均相等，则能量值小；相反，如果共生矩阵的所有值均相等，则能量值小；相反， 如果其中

17、一些值大而其它值小，则能量值大。当共生矩阵中如果其中一些值大而其它值小，则能量值大。当共生矩阵中元素集中分布时，此时能量值大。元素集中分布时，此时能量值大。能量值大表明一种较均一能量值大表明一种较均一和规则变化的纹理模式。和规则变化的纹理模式。 （3）对比度：）对比度： 含义：含义：反映了图像的清晰度和纹理沟纹深浅的程度。反映了图像的清晰度和纹理沟纹深浅的程度。 性质：性质：纹理沟纹越深，其对比度越大，视觉效果越清晰；反纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。如果对比度大的象素之，对比度小，则沟纹浅，效果模糊。如果对比度大的象素对越多，这个值越大。对越多

18、，这个值越大。灰度共生矩阵中远离对角线的元素值灰度共生矩阵中远离对角线的元素值越大，对比度越大。越大，对比度越大。 （4）均匀度：）均匀度： 含义：含义：反映图像纹理的同质性，反映图像纹理的同质性，度量图像纹理局部变化的度量图像纹理局部变化的多少多少。 性质：性质：其值大其值大则说明图像纹理的不同区域间缺少变化，则说明图像纹理的不同区域间缺少变化，局局部非常均匀。部非常均匀。 （5）相关：）相关： 含义：含义：它度量空间灰度共生矩阵元素在行或列方向上的相似程度，它度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，因此，相关值大小反映了图像中局部灰度相关性相关值大小反映了图像中局部灰度相关

19、性。 性质：性质：当矩阵元素值当矩阵元素值均匀相等时，相关值就大均匀相等时，相关值就大； 相反，如果相反，如果矩矩阵元素值相差很大则相关值小阵元素值相差很大则相关值小。可以。可以 用来判断纹理的主方向。用来判断纹理的主方向。 问题问题 缺乏选择位移矢量的有效方法缺乏选择位移矢量的有效方法. 发展发展 自适应多尺度灰度级同现矩阵自适应多尺度灰度级同现矩阵 (adaptive multi-scale GLCM)：种子区域增长：种子区域增长 基于遗传算法的基于遗传算法的GLC特征提取特征提取 (genetic algorithm based GLC feature extraction): 用遗传算

20、法实现高斯加用遗传算法实现高斯加权优化权优化 图像自相关图像自相关(autocorrelation)函数函数 ： NuNvxNuyNvvuINyvxuIvuIyNxNyxp112211,1,1, 含义：含义：自相关函数的自相关函数的周期性反映纹理基元重复出现的周期性；周期性反映纹理基元重复出现的周期性；其下降速度反映纹理基元的粗细度其下降速度反映纹理基元的粗细度(coarseness) 。纹理粗细度与自相关函数的关系示意图纹理粗细度与自相关函数的关系示意图性质：性质：纹理粗，则缓降；纹理细，则速降纹理粗，则缓降；纹理细，则速降. . 规则纹理的自相规则纹理的自相关函数具有峰值和谷值，可用于检测

21、纹理基元的排列情况关函数具有峰值和谷值，可用于检测纹理基元的排列情况. .基本的基本的LBP算子算子：33的的矩形块，有矩形块，有1个中心像素个中心像素和和8个邻域像素对应于个邻域像素对应于9个个灰度值。灰度值。特征值特征值：中心像素的灰度中心像素的灰度值为阈值值为阈值，将其邻域的，将其邻域的8个灰度值与阈值相比较，个灰度值与阈值相比较，大于中心灰度值的像素由大于中心灰度值的像素由1表示，反之由表示，反之由0表示表示。然。然后根据顺时针方向读出后根据顺时针方向读出8个二进制值。个二进制值。Pattern=1000111；LBP=1+ 32+64+128=225 局部对比度计算方法：局部对比度计

22、算方法：两两组数据平均值的差。组数据平均值的差。即大即大于等于中心像素灰度值的于等于中心像素灰度值的所有灰度值去平均值，减所有灰度值去平均值，减去小于中心像素灰度值的去小于中心像素灰度值的所有像素值的平均值。所有像素值的平均值。特征特征：灰度值的单调变换灰度值的单调变换不会引起不会引起LBP值的变化，值的变化，因此，它与局部对比度相因此，它与局部对比度相互独立并互相补充，互独立并互相补充，可以可以作为二维分布共同表征图作为二维分布共同表征图像局部的空间特征像局部的空间特征。 在某一灰度图像中，定义一个半径为在某一灰度图像中，定义一个半径为R（R0）的圆环形邻域，）的圆环形邻域，p（p0）个邻域

23、像素均匀分布在圆周上。设该领域中心像元的纹）个邻域像素均匀分布在圆周上。设该领域中心像元的纹理为理为T，则，则T可以用该邻域中可以用该邻域中P+1个像素的函数来定义个像素的函数来定义，即，即其中，其中，gc为该邻域中心像素的灰度值，为该邻域中心像素的灰度值， gi（i=0,P-1)是是P个邻域个邻域像素的灰度值。在数字图像中，设邻域中心像素的坐标为像素的灰度值。在数字图像中，设邻域中心像素的坐标为(xc,yc)，则则其领域像素的坐标其领域像素的坐标(xi,yi)可以表示为可以表示为： 在不丢失信息的前提下，将邻域像素的灰度值分别减去邻域在不丢失信息的前提下，将邻域像素的灰度值分别减去邻域中心的

24、灰度值，中心的灰度值，局部纹理特征则可表示为局部纹理特征则可表示为： 假设各个差值与假设各个差值与gc相互独立相互独立，则上式可分解为：，则上式可分解为： t(gc)代表图像的亮度值，与图像局部纹理特征无关，所以可代表图像的亮度值，与图像局部纹理特征无关，所以可将将纹理特征表示为差值的函数纹理特征表示为差值的函数： 这一这一P维差值函数记录了邻域中每个像素的纹理模式。维差值函数记录了邻域中每个像素的纹理模式。 为了使定义的纹理不受灰度值单调变换的影响，只考虑差值为了使定义的纹理不受灰度值单调变换的影响，只考虑差值的符号：的符号： 唯一表征局部纹理特征的唯一表征局部纹理特征的LBP值可以表示为：值可以表示为： 易于定义具有旋转不变性的纹理描述算子。易于定义具有旋转不变性的纹理描述算子。 特点：特点：经阈值化后的二值矩阵可看成一个二值纹理模经阈值化后的二值矩阵可