首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 140 毫秒
1.
高分辨率遥感影像的压缩纹理元分类   总被引:2,自引:0,他引:2  
金晶  邹峥嵘  陶超 《测绘学报》2014,43(5):493-499
针对传统的高分辨率遥感影像分类中特征提取复杂,特征维数大等问题,提出一种新颖,简单,高效的纹理特征提取方法。首先,利用随机投影对基于原始像素灰度值的纹理元矢量进行降维,将其投影到压缩的纹理特征子空间。然后,在压缩子空间中对各类纹理元进行聚类,将聚类中心作为纹理字典,得到局部纹理特征集。最后,将样本中包含的纹理元编码到纹理字典中对应距离最近的词汇,得到样本的视觉词汇图,并融合词汇统计直方图与词汇二阶矩信息作为最终的纹理表达。通过两组实验,验证了本文方法能够有效的表达纹理,提高分类精度。  相似文献   

2.
本文针对遥感图像纹理特征,定义纹理是“图像像元亮度值空间变化率的一种量度”.据此定义,提出纹理强度和纹理密度两个新参量,定量地描述遥感图像的纹理特性。这两个参量反映了图像中相邻象元亮度值的差别及图象中象元亮度值变化的频数。所设计的相应提取方法包括:强度和法、绝对差法与最大、最小值法等三种纹理强度提取方法,以及两种纹理密度提取方法:一阶纹理密度法与二阶纹理密度法。同时,讨论了局部移动窗口大小的选择原则。本文不仅设计了从遥感图像亮度值的绝对变化提取纹理特征的方法,并进而提出相对梯度概念,从象元亮度值的相对变化描述图象的纹理特征;由相对梯度法生成的纹理图像,不仅可突出遥感图像的空间信息特征,并保留了原图像的部份波谱信息,原图像中的甚亮区和暗区、甚暗区(如山地背阴坡)的纹理结构得以清晰地显现,效果独特。  相似文献   

3.
结合光谱、纹理与形状结构信息的遥感影像分割方法   总被引:4,自引:1,他引:3  
针对目前遥感影像分割中多特征利用的问题,提出一种综合利用光谱、纹理与形状信息的分割方法.该方法在进行初始分割的基础上,统计区域的光谱和LBP纹理特征;然后依据光谱、纹理与形状特征计算相邻区域之间的异质性,并以此为基础构建区域邻接图(region adjacency graph,RAG);最后在邻接图的基础上采用逐步迭代优化算法进行区域合并获取最终分割结果.采用QuickBird和SAR影像的分割试验,证明该算法能充分利用影像中地物的光谱、纹理与形状信息,分割效果良好,效率高.  相似文献   

4.
介绍了一种非线性扩散过滤器法从包含纹理的图像中获取灰度、尺度和方向信息,并形成经过耦合保边平滑的5通道向量值图像,对纹理图像的分割变为对此向量值图像的分割。针对半自动操作的特点,在合理的假设前提下,采用了多通道统计区域分割法。试验结果表明,本文的纹理分割方法能有效地利用重要纹理特征与灰度的混合信息,是一种半自动的无监督纹理图像分割方法。  相似文献   

5.
针对常规的均值漂移算法在特征空间聚类时未考虑图像的纹理信息从而导致分割精度不高的问题,该文提出了一种融合颜色-纹理模型与均值漂移的改进分割算法。首先,对原始影像进行同等组滤波和颜色量化,得到颜色-纹理模型;其次,利用均值漂移算法对滤波影像进行初始分割,得到同质性较好的初始分割区域;最后,将颜色-纹理模型及初始分割对象轮廓信息应用于区域合并过程中,结合形状特征增强分割对象的紧密性。该算法充分结合了图像的颜色、纹理特征,通过对不同类别的遥感影像的分割实验进行分析,结果表明分割效率和分割质量均得到较大提升,且具有较好的适用性、可靠性及精确性,对遥感影像中纹理信息丰富的植被、密集建筑区等具有较好的分割效果。  相似文献   

6.
针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波(DT-CWT)纹理和马尔可夫随机场(MRF)模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。  相似文献   

7.
本文给出了影像纹理分类的空间灰度相关法中11个纹理特征。试验表明:11个纹理特征中仅三个描述性强的纹理特征。对三个描述性强的纹理特征用t-检验法来分类纹理时发现该方法具有良好的“去伪”特性,因而我们可以利用该方法的良好去伪特性辅助其他纹理分类方法。  相似文献   

8.
基于变差函数的遥感影像纹理特征提取   总被引:1,自引:0,他引:1  
遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要。基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法。文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段。  相似文献   

9.
空间灰度相关在影像纹理分类中的应用及分析   总被引:4,自引:0,他引:4  
介绍了空间灰度相关法的11个纹理特征。试验表明,仅3个是描述性强的纹理特征。通过用t检验法来分类纹理,发现该方法具有良好的“去伪”特性,可辅助其它纹理分类。  相似文献   

10.
基于纹理质地子特征的影像纹理分形分析   总被引:6,自引:0,他引:6  
张继贤  李德仁 《测绘学报》1995,24(4):267-274
本文发展了一种基于纹理质地子特征的影像纹理分形和分析方法。这一方法认为纹理的质地子本身具有自相似性和尺度伸缩性,因而在不同尺度上对各质地子特征检出的基础上,从不同侧面计算出相应于各纹理质地子的分形特征,有效地处理纹理特征的接取和融合,克服目前仅基于整体分维计算存在的难以描述同分维不同分形等现象,实现对纹理的多分辨率分析。  相似文献   

11.
针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG(Joint Systems Engineering Group)和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。  相似文献   

12.
基于小波的SAR影像纹理分析   总被引:4,自引:1,他引:4  
在分析SAR影像特征的基础上 ,引入了基于小波的纹理提取方法 ,并采用第二代提升小波与双正交小波对SAR影像进行小波二级分解 ,提取影像各尺度上的小波特征系数。对机载的SAR影像进行了纹理分析及分类 ,得出了不同小波的分类分析结果。  相似文献   

13.
按照2DGabor函数的特点和视觉机制,提出了用来捕捉纹理基元的纹理检测器函数,然后基于纹理检测器和新近发展的小波多尺度分解理论,提出了影象纹理的多尺度分析方法,并按照神经动力学的侧抑制和端点抑制等理论,建立了对多尺度纹理特征的融合方法。这一多尺度纹理分析方法在介于空间域和付里叶域之间,为纹理分析提供了一个层次性的分析框架,能够检测不同尺度的纹理信息并与视觉纹理处理机制相一致,有效地提高了纹理的识别能力。  相似文献   

14.
A texture image segmentation based on nonlinear diffusion is presented. The scale of texture can be measured during the process of nonlinear diffusion. A smooth 5-channel vector image with edge preserved, which is composed of intensity, scale and orientation of texture image, can be achieved by coupled nonlinear diffusion. A multi-channel statistical region active contour is employed to segment this vector image. The method can be seen as a kind of unsupervised segmentation because parameters are not sensitive to different texture images. Experimental results show its high efficiency in the semiautomatic extraction of texture image.  相似文献   

15.
提出一种基于影像颜色散度和纹理信息的森林影像分割方法.对输入影像进行颜色量化,然后利用量化得到的索引矩阵计算各像素的颜色散度;基于多分辨率策略进行纹理分析,通过区域生长形成初始分割区域;统计各区域Laws纹理能量,合并过分割区域.实验表明,森林影像的分割结果与人的主观视觉感知具有良好的一致性,识别出的地面和树木可为匹配和三维建模提供可靠依据.  相似文献   

16.
An effective methodology for Bohai Sea ice detection based on gray level co-occurrence matrix (GLCM) texture analysis is proposed using MODIS 250 m imagery. The method determines texture measures for sea ice extraction by analyzing the discrepancy of textural features between sea ice and sea water. Sea ice extent and outer edge are recognized accurately by texture segmentation owing to significant differences in texture statistical features between ice and water. The texture analysis method can properly eliminate perturbations on sea ice extraction due to suspended sediment. It effectively solves the problem of spectral confusion and sea ice misassignment in the conventional gray-threshold segmentation and ratio-threshold segmentation methods. The method eliminates the need for threshold range setting for sea ice segmentation. Taking the Bohai Sea as an example, the results of the proposed method are validated using co-temporal HJ1B-CCD 30 m imagery by visual interpretation, and the accuracy of the method are evaluated using confusion matrix. The results show that the proposed method is superior and more reliable for sea ice detection compared to conventional methods, providing an ideal tool for precise sea ice extraction.  相似文献   

17.
一种新的基于Gabor小波的非监督纹理分割方法   总被引:3,自引:1,他引:2  
提出了一种新的基于Gabor小波的非监督纹理分割方法,与传统Gabor方法相比,该方法最大的特点在于分割的过程中利用了纹理尺度之间的依存关系和像素之间的空间约束关系。为了克服增加特征所带来的"维数灾难"问题,用独立分量分析(ICA)进行特征的整合。采用Brodatz测试集的实验结果验证了方法的有效性。  相似文献   

18.
城市三维可视化中规则房屋墙面纹理图像的压缩与恢复   总被引:2,自引:1,他引:2  
以城市三维可视化中的房屋墙面纹理图像为对象,就其压缩与恢复的方法进行了研究,提出了一种基于自相似性墙面纹理分割的纹理图像压缩与恢复方法,以及对由于遮挡而墙面不完整的纹理图像的复原方法,并通过实例说明了此种方法对于城市三维可视墙面纹理贴图的实用性。  相似文献   

19.
洪洲 《东北测绘》2013,(4):75-79
影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号