基于GLCM的纹理特征量在TM 6热红外波段影像信息分析中的研究

利用了基于灰度共生矩阵GLCM的纹理特征分析方法,对TM 6热红外波段影像进行目标信息的提取,以增强热辐射量大的亮温目标与背景图像的差异,从而实现对原始图像进行图像增强、实现目标信息提取的目的.本文的实验影像是从武汉市长江流域区域的TM影像的热红外波段影像上截取的16个子区域,对16个实验区域分别采用文中定义的6个纹理特征进行图像分析,原始图像的灰度级是256,考虑到计算量大,在处理过程中压缩原始的256灰度级到64灰度级.实验结果显示出较高的一致性,表明所定义的variance和correlation两个纹理特征对于在TM 第6波段上,对于增强热红外影像上热辐射量大的目标影像与背景影像有显著的效果,该方法可以作为热红外影像处理的预处理,从一定程度上弥补了TM 热红外波段影像分辨率不够高带来的限制.     

综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究

高分辨率SAR图像的纹理特性对于图像的解译及地物分类等具有重要的意义。根据高分辨率星载SAR图像上建筑区的纹理有别于其他地物的特点,提出了一种综合利用灰度和纹理特征的高分辨率星载SAR图像建筑区提取方法。首先对SAR图像进行斑点噪声的抑制,然后利用灰度共生矩阵计算出星载SAR图像上建筑区与非建筑区的8种纹理特征统计量,根据巴氏距离进行特征选择,并通过主成分分析去除纹理特征之间的相关性,得到了最佳纹理特征分量,将所选的特征影像与原始图像进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过对分类图像进行后处理并提取外部轮廓,提取了建筑区。以COSMO-SkyMed SAR影像为数据源进行了实验。结果表明该方法能够有效提取高分辨率星载SAR图像中的建筑区,提取效果明显优于未利用纹理特征的方法。     

纹理分析方法在TM图像信息提取中的应用

最大似然分类法是基于地物光谱信息的，因此无法正确区分光谱特征混淆的地物。本以北京丰台区为实验区，采用纹理分析方法对高分辨率图像的纹理信息进行分析，选取统计指标熵，通过确定熵的最佳阈值，进行边界匹配勾图像的分割，将光谱易混淆地物如菜地和耕地分割开来，并将此分割结果与TM图像分类结果进行叠合，得到最终的分类结果。实验结果表明：将纹理分析方法应用于图像分类中可区分光谱混合的地类，得到较好的分类结果。     

基于灰度共生矩阵的纹理提取方法研究

随着遥感影像空间分辨率的提高,纹理特征在遥感影像中的作用越来越重要。对灰度共生矩阵的GLCM(灰度共生矩阵)同质性、GLCM对比度、GLCM相异性、GLCM角二阶距、GLCM相关性、GLCM熵、GLDV(归一化灰度)反差、GLDV均值、GLDV角二阶矩等九种纹理描述子进行研究,发现采用GLCM角二阶矩、GLDV角二阶矩这两种纹理描述子对高分辨率遥感影像的纹理提取具有较好效果。     

融合纹理和形状特征的高分辨率遥感影像道路提取

提出一种结合纹理和形状特征提取道路信息的方法。首先利用灰度共生矩阵提取纹理特征,并将其应用于最大似然分类中提取面状道路,然后利用形态学方法分割道路与其相连地物,最后利用提出的3个形状指数(凹度、精密度、偏心角)有效地识别和区分了道路与非道路地物,并最终实现了提纯道路的目的。实验结果证明,该方法可以准确地提取主干道路网,剔除非道路地物的影响。     

辅以纹理特征的洪泽湖湿地信息提取

湿地是自然生态系统的重要组成部分。快速、准确地获取湿地基础信息,对湿地的动态监测、保护和可持续利用具有重要意义。鉴于传统方法的分类效果不理想,本文辅以灰度共生矩阵的纹理特征对洪泽湖进行湿地的信息提取,并与传统的ISODATA方法的提取结果进行了比较,结果表明,辅以纹理特征的方法使得精度有了较大提高。     

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势;结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程;最后给出了相关实验结果,实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合,提高了遥感信息处理与应用的自动化和智能化水平。     

基于纹理特征的高分辨率SAR 影像居民区提取

利用灰度共生矩阵计算高分辨率SAR 图像的纹理特征, 通过统计分析选取合适的特征矢量,并基于非监督聚类分析提取居民区。对提取的居民区以一定的面积阈值剔除噪声(细小区域) , 并利用形态学算子对提取边界进行适当的归整, 得到最终结果。在对应的光学图像上人工提取居民区范围, 以此作为实验结果的评价标准。实验结果表明本方法可以得到较好的效果。
     

纹理数据的可分离性评价指标研究

根据灰度共生矩阵计算的纹理数据,受到窗口大小、步长、方向、灰度等级这些参数及纹理统计量等因素的影响。如何评价在计算机自动搜素过程中,不同参数组合及不同纹理统计量的纹理数据,是一个值得研究的问题。纹理数据如果具有好的区分度即好的图像分类价值,则在图像同一地物区域内,纹理数据应该具有较好的一致性,而不同地物区域间纹理数据应该具有明显的差异。根据这个原则,本文提出了一个可分离性指标——J指标。无人机航片的试验结果表明,该指标具有较好的评价效果。试验同时表明:窗口大小至少应包含图像中纹理颗粒最大地物的一个周期;总体来说,J值随着窗口增大而增大;森林纹理与方向关系不明显。     

基于颜色模型和纹理特征的彩色水果图像分割方法

本文介绍了RGB和HIS两种颜色模型,采用色调值H和色差值R-G两个特征值,通过Otsu方法自动获取阈值对自然场景下彩色水果图像进行分割,并对实验结果进行了对比。然后,利用灰度共生矩阵分析了果实和背景的纹理特征,找到了区别果实和背景的纹理特征参数,对果实和背景颜色相似的图像进行分割。实验结果证明,纹理特征和颜色特征两者相辅相成,优势互补,对于包含复杂背景的青苹果图像分割效果比较好。     

基于主色共生矩阵法的数码迷彩纹理特征提取

提出一种基于主色共生矩阵法的数码迷彩纹理特征提取方法.对RWM的主色提取法和灰度共生矩阵法进行改进与综合,在RWM法中增加比例因子避免主要颜色提取错误,在灰度共生矩阵法中增加颜色因子,综合分析纹理特征.实验结果证明,采用主色共生矩阵法提取纹理特征,所设计的数码迷彩视觉伪装效果较好.     

基于SFA和GLCM的影像特征提取方法

针对遥感影像中同类样本差异性较大的缺点,提出一种基于SFA和灰度共生矩阵(GLCM)的遥感影像特征提取方法。对原始图像进行SFA变换,利用SFA的生物视觉特性消除图像中的同类差异性,对变换得到的图像进行GLCM计算,获得基于SFA和GLCM的新型特征。实验结果证明,SFA预处理能降低遥感影像的同类差异性,提高特征的可区分性,其效果优于传统的GLCM特征提取方法。     

基于灰度共生矩阵的图像纹理特征提取分析

图像纹理作为一种重要的视觉手段,是图像中普遍存在而又难以描述的特征。目前常用的纹理特征提取的方法主要有统计方法、模型方法、信号处理方法和结构方法。灰度共生矩阵即为灰度级的空间相关矩阵,以其为基础的统计方法通过对矩阵统计量的求取较好地提取到了纹理特征,通过选取关键参数编程并进行仿真实现,分别求取了四个方向的灰度共生矩阵及其特征量来分析图像的纹理特征。     

基于语义的图像低层可视特征提取及应用

为实现图像低层可视特征提取及其智能语义推理,从遥感图像解译入手,结合灰度共生矩阵和模糊C均值分类器提取图像纹理特征。构造基于灰度形态学的多尺度多结构元素边缘检测算子,提取特征知识。构建基于断层带的多源地学数据语义推理模型。以成都附近的断层为研究对象,进行语义推理验证,其解译结果与专家实地解译情况相符,初步验证该模型的可行性,使图像的机器分析结果更加贴近专业人员的目视解译,为地学研究数字化和遥感图像解译信息化提供参考。     

基于GeoEye-1影像的城区建筑物提取方法研究

在传统信息提取方法的基础上,提出监督分类和规则分类相结合的方法以及基于知识规则的多尺度分割方法进行建筑物的提取,旨在简单高效地从高分辨率影像数据中准确提取出城区建筑物,并通过北京市区的GeoEye-1影像进行方法验证.结果表明:提出的两种方法的Kappa系数均达到了87％,相比传统的监督分类方法提高了22％,其中生产者精度提高了30％以上,精度较高,而且这两种方法原理简单,适于流程化操作,具有明显的优越性.     

基于改进的GLCM甲状腺纹理特征提取与分析

为了提高病变和正常的甲状腺核磁共振图像（MR）的分类准确率,提出了改进的窗口自适应灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）纹理特征提取算法。采用基于统计的纹理特征GLCM算法提取感兴趣区域（ROIs）的纹理特征,由HOG特征启示,研究基于梯度信息的GLCM窗口自适应算法,考虑了梯度信息对GLCM中滑动窗口大小设置的影响,克服了传统方法的固定窗口对图像细节保留的影响,同时为了消除各向异性,取四个方向的共生矩阵的均值作为最终的共生矩阵,最后计算GLCM的相关、能量、对比、逆差矩和熵的均值和方差。对94幅甲状腺图像采用逻辑回归模型分析来预测分类准确度,结果显示,该方法优于其他的方法,对甲状腺图像诊断性能更好,预分类准确率达到96.8%,灵敏度97.90%,特异度95.7%,ROC曲线下面积（Area Under the Curve, AUC）为0.968。实验结果表明改进的GLCM能够有效辅助医生对甲状腺MR图像做出正确诊断。     

基于ADL小波变换的图像压缩算法

提出一种基于自适应方向提升(ADL)小波变换的图像压缩算法。根据灰度共生矩阵角二阶矩的差异,将图像分割成平坦性不同的分块。对纹理信息较少的块,采用一般提升小波变换以减少变换时间。对纹理信息较多的块,采用方向提升小波以提高变换效果。结合多级树集合分裂编码和算术编码对变换系数和方向信息分别进行编码。实验结果表明,与ADL算法相比,该算法能有效减少方向小波变换时间。