一種基于V-GLCM的高光譜影像紋理分析方法技術

本發明專利技術公開了一種基于V-GLCM的高光譜影像紋理分析方法，包括以下步驟：選擇需進行紋理分析的高光譜影像數據；對原始影像進行灰階范圍變換，將灰度值歸一化到一定范圍；選擇合適的移動立方體窗口大小和角度參數，以移動立方體內部的統計指標信息作為立方體中心像元的紋理特征，并利用移動立方體窗口中像元對關系建立共生矩陣；對已經建立的共生矩陣進行指標量化統計，回填至當前移動窗口中心位置，即取代該位置的像元的紋理特征；不斷移動該立方體窗口，對整個影像進行紋理計算和提取，得到V-GLCM紋理影像。本發明專利技術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系，含有近鄰波段的紋理特性，更能充分體現高光譜數據的特有性質。

【技術實現步驟摘要】
—種基于V-GLCM的高光譜影像紋理分析方法
本專利技術屬于高光譜遙感圖像處理
，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。
技術介紹
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數據的技術，它是20世紀最后20年人類在對地觀測方面取得的重大技術突破之一，也是當前及今后幾十年內的遙感前沿技術。與常規多光譜遙感相比，高光譜數據具有數據量大、波段很多很窄、波段相關性強、信息冗余多、圖譜一體化等特征。但正是其海量數據和高維特征給高光譜數據的傳輸和存儲都帶來了較大的困難，同時也對傳統的遙感圖像數據處理技術提出了新的挑戰。所以，對高光譜數據的快速處理和充分挖掘一直是困擾人們的一個問題。面對高光譜數十、數百個波段的數據，在提高數據處理效率的同時；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一步推動影像解譯的自動化，紋理分析可以幫助抑制異物同譜、同物異譜現象的發生。同時，對于空間關系復雜、光譜混合現象嚴重的高光譜影像，結合空間屬性進行分類研究，可以有效地進一步提高分類精度。因此對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精度，進一步推動高光譜遙感的廣泛應用，這對于高光譜遙感的發展具有重要的理論和現實意義。對于紋理的描述和分析方法，國內外已進行了十分深入的研究，如舒寧等先后對多光譜和高光譜影像的紋理問題進行了深入探討和分析，提出紋理是地物目標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的遙感影像分析方法體系等進行了討論。目前圖像紋理研究的主要方法可以分為結構法、統計法、模型法和數學變換法等。統計分析法可以描述紋理的數字特征，并用這些特征或結合其他非紋理特征對影像進行分類，該方法主要包括灰度直方圖、灰度共生矩陣(Gray Level Co-occurrence Matrix, GLCM)和灰度游程長度法等，其中GLCM應用最為廣泛。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，提出了能夠有效描述紋理的GLCM算法，并設計了 14個特征指標，其中最常用的有對比度(慣性矩，Contrast),熵 (Entropy)，角二階矩(能量，Angular Second Moment)，局部平穩(Homogeneity)，以及相異性(Dissimilarity)、均值(Mean)、方差(Variance)、相關(Correlation)等 9 種。該算法自問世以來得到了廣泛的應用并衍生了許多改進算法，大多數紋理分析對比文獻都認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。統計分析方法以一階、二階或較高階統計得到影像的紋理特征，雖然迎合了影像紋理在統計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，事實上紋理特性的一個主要方面就是尺度特征。傳統的GLCM紋理分析，在處理高光譜遙感影像時均是對各個波段獨立進行紋理分析，缺乏對相鄰波段之間紋理依存關系的考慮。在高光譜數據立方體內，由于高光譜影像相鄰波段間存在著高度的相關性，在進行紋理特征提取時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，紋理是指目標地物內部色調有規則變化造成的影像結構，是區別地物屬性和目標解譯的重要依據。多/高光譜影像是地物光譜信息的表達，影像上每一像元的若干波段的灰度數據是地物反射或輻射光譜信息數據的集合(也叫光譜矢量)，單波段影像數據則可以認為是該光譜矢量的特殊表現，即分量個數為I時的光譜矢量。每個光譜矢量在光譜空間中都有一個特定位置，可以認為是其中的一點；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，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算機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二維平面。既然在這個平面上所有像元的信息都是地物目標光譜信息或光譜矢量的表現形式，那么，所謂紋理就是光譜空間中地物目標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。應當指出，該二維空間一般是指具體的影像所反映的實際地物目標及其所處的環境或背景的二維空間，是一個局部的地物空間。但進行紋理分析所面對的二維空間并非實際的地物空間，而是該二維空間的投影，或實際地物二維分布的投影空間。通過上述分析，可以給出紋理的定義影像紋理是地物(或其他目標)在光譜空間中的不同表征點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)構成了紋理。這種映射是多對多的復雜映射。在光譜空間中，地物的表征點一般都是多個點，其中每一個點在地物目標二維分布投影空間中都有許多點與之對應。以上紋理的概念解決了紋理從單波段到多波段的映射問題，但是難以應用于具體的數學分析，如何從幾何分析的角度處理高光譜影像紋理依然是一個挑戰性問題。
技術實現思路
專利技術目的針對上述現有技術存在的問題和不足，本專利技術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系，含有近鄰波段的紋理特性，更能充分體現高光譜數據的特有性質。技術方案為實現上述專利技術目的，本專利技術采用的技術方案為一種基于V-GLCM的高光譜影像紋理分析方法，包括如下步驟步驟I，選擇需進行紋理分析的高光譜遙感影像數據；步驟2，對所述步驟I中的影像數據進行灰階范圍變換，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立方體窗口和角度參數，以移動立方體內部的統計指標信息作為立方體中心像元的紋理特征，并利用移動立方體窗口中像元對關系建立共生矩陣；步驟4，對已經建立的共生矩陣進行指標量化統計，并回填至當前移動窗口中心位置，代表該位置的像元的紋理特征；步驟5，不斷移動該立方體窗口，對整個影像進行紋理計算和提取，得到V-GLCM紋理影像。進一步地，所述步驟3中移動立方體窗口的大小采用半變異函數計算權利要求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， 選擇需進行紋理分析的高光譜遙感影像數據；步驟2，對所述步驟I中的影像數據進行灰階范圍變換，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立方體窗口和角度參數，以移動立方體內部的統計指標信息作為立方體中心像元的紋理特征，并利用移動立方體窗口中像元對關系建立共生矩陣； 步驟4，對已經建立的共生矩陣進行指標量化統計，并回填至當前移動窗口中心位置， 代表該本文檔來自技高網...

【技術保護點】
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，選擇需進行紋理分析的高光譜遙感影像數據；步驟2，對所述步驟1中的影像數據進行灰階范圍變換，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立方體窗口和角度參數，以移動立方體內部的統計指標信息作為立方體中心像元的紋理特征，并利用移動立方體窗口中像元對關系建立共生矩陣；步驟4，對已經建立的共生矩陣進行指標量化統計，并回填至當前移動窗口中心位置，代表該位置的像元的紋理特征；步驟5，不斷移動該立方體窗口，對整個影像進行紋理計算和提取，得到V？GLCM紋理影像。

【技術特征摘要】

【專利技術屬性】
技術研發人員：蘇紅軍，
申請(專利權)人：河海大學，
類型：發明
國別省市：