遥感影像纹理特征库的建立

[摘 要] 随着遥感技术的不断进步与发展，对地观测卫星的分辨率都在不断提高，所得到的图像信息也越来越丰富，当前国内外研究学者均十分关注如何有效提取与利用高分辨率卫星影像中的纹理信息这一问题。纹理特征库的建立是以充分利用已有的样本特征数据对地物进行分类或识别为目的，为以后的图像分类提供样本或作为作物识别的标准。在详细阐述了常用的遥感影像纹理特征的基础上，采用中值滤波对遥感影像进行去噪处理，并进行不同地物类别的样本裁剪，然后在Matlab下进行样本特征的提取，最后利用提取的特征在Microsoft Access软件中建立了纹理特征库。

[关键词] 遥感影像;纹理特征; MATLAB

纹理是由灰度分布在空间位置上反复交替变化而形成的，包含三方面特点：某些局部的连续性在更大的空间内反复出现;序列的组成以非随机基础部分顺序排列组合;大致相同的排列结构[1]分布在纹理空间内的任何地方。因此，更加充分地整合现有数据，生成判别样本或识别标准，实现图像分类是建立遥感影像纹理特征库的目的及意义。通过实地考察已有图像数据的分类精度，若符合理想水平，则判别该图像的各类特征值为该类地物的标准特征。利用所建立信息源中各类地物数据特征，可以实现地物的分类或识别。

一、遥感影像纹理特征综述

影像特征是指图像的原始特性或属性，包含自然特征和人为特征。自然特征可以通过视觉感知，如图像各部分的亮度、轮廓线边界、纹理及颜色;而人为特征需要利用识别或计算获取，如多样式频谱、直方图、矩阵等。图像的特征包括三大类：形状特征、纹理特征和光谱特征。本文以介绍纹理特征[2]为重点。

序列的基本部分通常称为纹理基元。基元是以明确或可计算的规律进行排列组合，从而形成纹理，分别为确定性纹理和随机纹理。可以利用纹理的宽度、通顺性、噪点数目、抽样性、方向性、曲线性、重复性等明确性质和数量的概念特征来进行对纹理的描述。

本文结合数理统计手段中最常用的几种纹理特征进行着重介绍，主要包括：灰度直方图原点p阶矩，及对均值的p阶中心矩，直方图的偏度、峰度、能量和熵，灰度共生矩阵的对比度、熵及能量等。

二、Matlab下遥感影像纹理特征提取

（一）纹理特征提取流程

本文采用MATLAB软件进行影像纹理特征提取，并利用Microsoft Access软件建立特征库。首先对遥感影像进行去噪处理，然后进行纹理特征提取，最后建立纹理特征库。具体操作步骤如下：

1.遥感影像在拍摄过程中受设备、环境等因素的影响，都存在一定程度的“噪声”，这影响了提取影像纹理特征参数的精度。为了得到更真实的纹理特征参数，需要对遥感影像进行滤波来消除“噪声”。实验中采用中值滤波来平滑噪声。

2.根据每个纹理特征的原理及公式，在MATLAB下编辑相应源代码，利用调用函数计算消除噪声后影像的纹理特征值。

（二）影像分类试验

本文通过分类试验，利用提取的纹理特征对特征提取的正确性进行了验证，在此列举了部分试验结果。

1.基于图像灰度直方图特征的影像分类

利用图像灰度直方图对原点的二阶矩为独立特征进行分类

（1）利用函数计算样本图像的直方图对原点的二阶矩，部分样本的对比度及均值见表1。

（2）应用计算出直方图对原点的二阶矩值，采用最短距离分类器来实现对影像的监督分类，其分类结果如图1所示。

2.基于图像灰度共生矩阵特征进行分类

利用图像灰度共生矩阵对比度为独立特征进行分类：

（1）利用函数计算样本图像的对比度及均值，部分样本的对比度及均值见表2。

（2）为实现影像的监督分类，可在最短距离分类器中将统计后数值进行对比度分类，如图2所示。

3.分类结果精度评价

将分类后得到的影像读入ERDAS中，选取影像与原影像相同位置各一百个特征点，进行比较（目视判读法），以评定此分类后影像的准确度。

三、纹理特征库建立

更加充分地整合现有数据，生成判别样本或识别标准，实现图像分类是建立遥感影像纹理特征库的目的及意义。通过实地考察已有图像数据的分类精度，若符合理想标准，则判别该图像的各类的特征值为该类地物的标准特征。利用所建立信息源中各类地物数据特征，可以实现地物的分类或识别。

四、结论

1.采用中值滤波對遥感图像进行去噪处理。此方法有效地消除了在拍摄过程中受设备、环境等因素的影响，提高了提取的影像纹理特征参数的精度。

2.采集各类样本并计算相应的纹理特征参数。本文首先选取农田、菜地、居民地三类地物样本，然后根据每个纹理特征的原理及公式，在Matlab下完成了样本纹理特征值的提取。

3.进行了遥感影像分类实验。为验证特征提取的正确性，本文分别利用提取的特征，在Matlab下采用最短距离分类器进行了遥感影像分类实验。

4.建立了纹理特征库。在Microsoft Access中建立特征库，为以后进行地物分类或识别提供历史信息。

参考文献：

[1]王耀南，李树涛，毛建旭.计算机图象处理与识别技术[M].北京：高等教育出版社，2001.

[2]李爽，丁圣彦.遥感影像分类方法比较研究[J].河南大学学报，2004.（6）：33-50.

[3]舒宁.卫星遥感影像纹理分析与分形分维方法[J].武汉测绘科技大学学报，1998（4）：370-373.

[4]朱述龙.遥感影像获取与分析[M].北京：科学出版社，2000.

[作者简介]

毛竹（1987—）女，汉族，北京人，硕士，讲师，研究方向：遥感技术。

[作者单位]

北京交通运输职业学院

（编辑：薄跃华）