專(zhuān)利名稱(chēng)：一種基于v-glcm的高光譜影像紋理分析方法
—種基于V-GLCM的高光譜影像紋理分析方法技術(shù)領(lǐng)域
本發(fā)明屬于高光譜遙感圖像處理技術(shù)領(lǐng)域，具體涉及一種基于V-GLCM(體灰度共生矩陣，Volume Gray Level Co-occurrence Matrix)的高光譜影像紋理分析方法。
背景技術(shù)：
高光譜遙感(Hyperspectral Remote Sensing)是指利用很多窄的電磁波波段獲取物體有關(guān)數(shù)據(jù)的技術(shù)，它是20世紀(jì)最后20年人類(lèi)在對(duì)地觀測(cè)方面取得的重大技術(shù)突破之一，也是當(dāng)前及今后幾十年內(nèi)的遙感前沿技術(shù)。與常規(guī)多光譜遙感相比，高光譜數(shù)據(jù)具有數(shù)據(jù)量大、波段很多很窄、波段相關(guān)性強(qiáng)、信息冗余多、圖譜一體化等特征。但正是其海量數(shù)據(jù)和高維特征給高光譜數(shù)據(jù)的傳輸和存儲(chǔ)都帶來(lái)了較大的困難，同時(shí)也對(duì)傳統(tǒng)的遙感圖像數(shù)據(jù)處理技術(shù)提出了新的挑戰(zhàn)。所以，對(duì)高光譜數(shù)據(jù)的快速處理和充分挖掘一直是困擾人們的一個(gè)問(wèn)題。面對(duì)高光譜數(shù)十、數(shù)百個(gè)波段的數(shù)據(jù)，在提高數(shù)據(jù)處理效率的同時(shí)；如何有效利用、提取、分析感興趣的最大信息，已成為有待研究的新課題。
紋理是影像中的重要特征，有效地利用這些特征可以進(jìn)一步推動(dòng)影像解譯的自動(dòng)化，紋理分析可以幫助抑制異物同譜、同物異譜現(xiàn)象的發(fā)生。同時(shí)，對(duì)于空間關(guān)系復(fù)雜、光譜混合現(xiàn)象嚴(yán)重的高光譜影像，結(jié)合空間屬性進(jìn)行分類(lèi)研究，可以有效地進(jìn)一步提高分類(lèi)精度。因此對(duì)高光譜影像紋理的研究，不僅可以深化高光譜影像紋理研究的理論水平，而且可以有效提高高光譜影像的分類(lèi)精度，進(jìn)一步推動(dòng)高光譜遙感的廣泛應(yīng)用，這對(duì)于高光譜遙感的發(fā)展具有重要的理論和現(xiàn)實(shí)意義。對(duì)于紋理的描述和分析方法，國(guó)內(nèi)外已進(jìn)行了十分深入的研究，如舒寧等先后對(duì)多光譜和高光譜影像的紋理問(wèn)題進(jìn)行了深入探討和分析，提出紋理是地物目標(biāo)光譜空間到二維投影空間的映射模式的新概念，并就建立以像斑分析為基礎(chǔ)的遙感影像分析方法體系等進(jìn)行了討論[舒寧.關(guān)于多光譜和高光譜影像的紋理問(wèn)題.武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2004，29 (4): 292-295。舒寧.關(guān)于遙感影像處理分析的理論與方法之若干問(wèn)題.武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2007，32(11) : 1007-1015。舒寧.衛(wèi)星遙感影像紋理分析與分形分維方法.武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1998，23 (4): 370-373]。目前圖像紋理研究的主要方法可以分為結(jié)構(gòu)法、統(tǒng)計(jì)法、模型法和數(shù)學(xué)變換法等。
統(tǒng)計(jì)分析法可以描述紋理的數(shù)字特征，并用這些特征或結(jié)合其他非紋理特征對(duì)影像進(jìn)行分類(lèi)，該方法主要包括灰度直方圖、灰度共生矩陣(Gray Level Co-occurrence Matrix, GLCM)和灰度游程長(zhǎng)度法等，其中GLCM應(yīng)用最為廣泛。早在1973年，Haralick 等就基于圖像灰度在方向、相鄰間隔、變化幅度等方面的特點(diǎn)，提出了能夠有效描述紋理的GLCM算法，并設(shè)計(jì)了 14個(gè)特征指標(biāo)[HaralickR. M. , Shanmugam K. , and Dinstein I. H. . Texture features for image classification.IEEE Trans. Sys.，Man Cybernet.，1973，3 (6) : 610-621]，其中最常用的有對(duì)比度(慣性矩，Contrast),熵 (Entropy)，角二階矩(能量，Angular Second Moment)，局部平穩(wěn)(Homogeneity)，以及相異性(Dissimilarity)、均值(Mean)、方差(Variance)、相關(guān)(Correlation)等 9 種。該算法自問(wèn)世以來(lái)得到了廣泛的應(yīng)用并衍生了許多改進(jìn)算法，大多數(shù)紋理分析對(duì)比文獻(xiàn)都認(rèn)為灰度共生矩陣的效果最好，但是該方法局限于單波段的圖像。統(tǒng)計(jì)分析方法以一階、二階或較高階統(tǒng)計(jì)得到影像的紋理特征，雖然迎合了影像紋理在統(tǒng)計(jì)上具有一定的意義的前提， 但基本上都是從單一尺度上提取紋理，反映不出不同尺度上的特征，事實(shí)上紋理特性的一個(gè)主要方面就是尺度特征。
傳統(tǒng)的GLCM紋理分析，在處理高光譜遙感影像時(shí)均是對(duì)各個(gè)波段獨(dú)立進(jìn)行紋理分析，缺乏對(duì)相鄰波段之間紋理依存關(guān)系的考慮。在高光譜數(shù)據(jù)立方體內(nèi)，由于高光譜影像相鄰波段間存在著高度的相關(guān)性，在進(jìn)行紋理特征提取時(shí)如果加入相鄰波段綜合考慮，可能得到信息更為豐富的紋理影像。
在遙感圖像中，紋理是指目標(biāo)地物內(nèi)部色調(diào)有規(guī)則變化造成的影像結(jié)構(gòu)，是區(qū)別地物屬性和目標(biāo)解譯的重要依據(jù)。多/高光譜影像是地物光譜信息的表達(dá)，影像上每一像元的若干波段的灰度數(shù)據(jù)是地物反射或輻射光譜信息數(shù)據(jù)的集合(也叫光譜矢量)，單波段影像數(shù)據(jù)則可以認(rèn)為是該光譜矢量的特殊表現(xiàn)，即分量個(gè)數(shù)為I時(shí)的光譜矢量。每個(gè)光譜矢量在光譜空間中都有一個(gè)特定位置，可以認(rèn)為是其中的一點(diǎn)；不同地物的光譜矢量在光譜空間中的位置是不同的，相同類(lèi)型地物的光譜矢量在光譜空間中位置相同或非常接近。在考慮影像紋理時(shí)，人們往往在二維空間上觀察影像的灰度或色彩元素排列、分布情況，而二維空間則是由一張像片或計(jì)算機(jī)顯示屏幕上的影像所形成的，是各種像元分布的二維平面。幾乎所有的紋理概念和紋理分析的方法都出于這樣一個(gè)二維平面。既然在這個(gè)平面上所有像元的信息都是地物目標(biāo)光譜信息或光譜矢量的表現(xiàn)形式，那么，所謂紋理就是光譜空間中地物目標(biāo)光譜矢量在地物分布二維空間上的重新排列，或具有某種意義上的分布。這樣，紋理就是地物光譜空間中的點(diǎn)到地物分布二維空間的一種“映射模式”，不同的映射模式就是不同的紋理。應(yīng)當(dāng)指出，該二維空間一般是指具體的影像所反映的實(shí)際地物目標(biāo)及其所處的環(huán)境或背景的二維空間，是一個(gè)局部的地物空間。但進(jìn)行紋理分析所面對(duì)的二維空間并非實(shí)際的地物空間，而是該二維空間的投影，或?qū)嶋H地物二維分布的投影空間。通過(guò)上述分析，可以給出紋理的定義影像紋理是地物(或其他目標(biāo))在光譜空間中的不同表征點(diǎn)到地物分布二維投影空間的映射模式，不同的映射模式(即通常理解中的排列)構(gòu)成了紋理。這種映射是多對(duì)多的復(fù)雜映射。在光譜空間中，地物的表征點(diǎn)一般都是多個(gè)點(diǎn)，其中每一個(gè)點(diǎn)在地物目標(biāo)二維分布投影空間中都有許多點(diǎn)與之對(duì)應(yīng)。
以上紋理的概念解決了紋理從單波段到多波段的映射問(wèn)題，但是難以應(yīng)用于具體的數(shù)學(xué)分析，如何從幾何分析的角度處理高光譜影像紋理依然是一個(gè)挑戰(zhàn)性問(wèn)題。發(fā)明內(nèi)容
發(fā)明目的針對(duì)上述現(xiàn)有技術(shù)存在的問(wèn)題和不足，本發(fā)明的目的是提供一種基于 V-GLCM(體灰度共生矩陣,Volume Gray Level Co-occurrence Matrix)的高光譜影像紋理分析方法，將GLCM (灰度共生矩陣)擴(kuò)展到三維立方體空間，提取的影像紋理考慮了高光譜影像相鄰波段之間的關(guān)系，含有近鄰波段的紋理特性，更能充分體現(xiàn)高光譜數(shù)據(jù)的特有性質(zhì)。
技術(shù)方案為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為一種基于V-GLCM的高光譜影像紋理分析方法，包括如下步驟
步驟I，選擇需進(jìn)行紋理分析的高光譜遙感影像數(shù)據(jù)；
步驟2，對(duì)所述步驟I中的影像數(shù)據(jù)進(jìn)行灰階范圍變換，將灰度值歸一化到0-255 的范圍；
步驟3，選擇合適大小的移動(dòng)立方體窗口和角度參數(shù)，以移動(dòng)立方體內(nèi)部的統(tǒng)計(jì)指標(biāo)信息作為立方體中心像元的紋理特征，并利用移動(dòng)立方體窗口中像元對(duì)關(guān)系建立共生矩陣；
步驟4，對(duì)已經(jīng)建立的共生矩陣進(jìn)行指標(biāo)量化統(tǒng)計(jì)，并回填至當(dāng)前移動(dòng)窗口中心位置，代表該位置的像元的紋理特征；
步驟5，不斷移動(dòng)該立方體窗口，對(duì)整個(gè)影像進(jìn)行紋理計(jì)算和提取，得到V-GLCM紋理影像。
進(jìn)一步地，所述步驟3中移動(dòng)立方體窗口的大小采用半變異函數(shù)計(jì)算
權(quán)利要求
1.一種基于V-GLCM的高光譜影像紋理分析方法，其特征在于，包括如下步驟步驟1， 選擇需進(jìn)行紋理分析的高光譜遙感影像數(shù)據(jù)；步驟2，對(duì)所述步驟I中的影像數(shù)據(jù)進(jìn)行灰階范圍變換，將灰度值歸一化到0-255的范圍；步驟3，選擇合適大小的移動(dòng)立方體窗口和角度參數(shù)，以移動(dòng)立方體內(nèi)部的統(tǒng)計(jì)指標(biāo)信息作為立方體中心像元的紋理特征，并利用移動(dòng)立方體窗口中像元對(duì)關(guān)系建立共生矩陣； 步驟4，對(duì)已經(jīng)建立的共生矩陣進(jìn)行指標(biāo)量化統(tǒng)計(jì)，并回填至當(dāng)前移動(dòng)窗口中心位置， 代表該位置的像元的紋理特征；步驟5，不斷移動(dòng)該立方體窗口，對(duì)整個(gè)影像進(jìn)行紋理計(jì)算和提取，得到V-GLCM紋理影像。
2.根據(jù)權(quán)利要求I所述一種基于V-GLCM的高光譜影像紋理分析方法，其特征在于，所述步驟3中移動(dòng)立方體窗口的大小采用半變異函數(shù)計(jì)算
3.根據(jù)權(quán)利要求I所述一種基于V-GLCM的高光譜影像紋理分析方法，其特征在于，所述步驟3中共生矩陣的建立采用以下公式
4.根據(jù)權(quán)利要求I所述一種基于V-GLCM的高光譜影像紋理分析方法，其特征在于，所述步驟3中移動(dòng)立方體窗口中像元對(duì)的空間關(guān)系具有以下性質(zhì)移動(dòng)窗口需要考慮三個(gè)維度，像元對(duì)的空間關(guān)系由平面變成立體空間，在影像立方體中，每個(gè)像元共有26個(gè)臨近像元；因此當(dāng)距離為I像元時(shí)，中心像元和鄰近像元有26個(gè)方向，若考慮對(duì)稱(chēng)性，則有13種可能，分別為(0°，0。)、(O。，45。)、(O。，90。)、 (0° ,135。)、(45。,45° )、(45。,90° )、(45。, 135° )、(90。,45° )、(90。,90° )、 (90。, 135° )、(135。，45。)、(135。，90。)和(135。, 135° )方向。
5.根據(jù)權(quán)利要求I所述一種基于V-GLCM的高光譜影像紋理分析方法，其特征在于，所述步驟3中統(tǒng)計(jì)指標(biāo)和步驟4中指標(biāo)量化統(tǒng)計(jì)采用以下6個(gè)描述影像紋理特征的指標(biāo)I)方差以變異量描述圖像中紋理的特性* i^j* f v,r) = m I-L W(x + i!x, + φ, z + ik) = η
全文摘要
本發(fā)明公開(kāi)了一種基于V-GLCM的高光譜影像紋理分析方法，包括以下步驟選擇需進(jìn)行紋理分析的高光譜影像數(shù)據(jù)；對(duì)原始影像進(jìn)行灰階范圍變換，將灰度值歸一化到一定范圍；選擇合適的移動(dòng)立方體窗口大小和角度參數(shù)，以移動(dòng)立方體內(nèi)部的統(tǒng)計(jì)指標(biāo)信息作為立方體中心像元的紋理特征，并利用移動(dòng)立方體窗口中像元對(duì)關(guān)系建立共生矩陣；對(duì)已經(jīng)建立的共生矩陣進(jìn)行指標(biāo)量化統(tǒng)計(jì)，回填至當(dāng)前移動(dòng)窗口中心位置，即取代該位置的像元的紋理特征；不斷移動(dòng)該立方體窗口，對(duì)整個(gè)影像進(jìn)行紋理計(jì)算和提取，得到V-GLCM紋理影像。本發(fā)明方法提取的影像紋理考慮了高光譜影像相鄰波段之間的關(guān)系，含有近鄰波段的紋理特性，更能充分體現(xiàn)高光譜數(shù)據(jù)的特有性質(zhì)。
文檔編號(hào)G06T7/00GK102938148SQ201210380040
公開(kāi)日2013年2月20日 申請(qǐng)日期2012年10月9日 優(yōu)先權(quán)日2012年10月9日
發(fā)明者蘇紅軍 申請(qǐng)人:河海大學(xué)