基于小波变换的高分辨率影像纹理结构分类方法

《基于小波变换的高分辨率影像纹理结构分类方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第19卷第3期地理与地理信息科学Vo1．I9No．32003年5月GeographyandGeo—。IrdormationScienceMay2003基于小波变换的高分辨率影像纹理结构分类方法陈杉，秦其明2(1．美国纽约州立大学，Albany12222；2．北京大学遥感与地理信息系统研究所，北京1嘲1)摘要：该文提出了利用小波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。由阐述遥感影像纹理结构识别原理入手，提出影像纹理结构特征抽取的小波变换方法，构造了有明确的数学

2、和物理意义的参数来描述影像纹理信息，在此基础上利用这些参数进行影像纹理结构分类。试验结果表明，小波变换方法适用于具有规则和较强方向性的纹理结构影像分类。关键词：小波变换；纹理结构；高分辨率影像；图像分类；子图像能量中图分类号：TP-／51文献标识码：A文章编号：1672—0504(2003)03—0006—04影像纹理结构作为遥感影像识别特征之一，它x4，⋯，Xm，yl，Y2，y3，⋯，ym)，≤)【i≤xm畎，妇≤yi与地物光谱特征和形状特征一起被用于遥感图像的≤ym，1≤i≤m，这里f(xl，x2，x3，x4，⋯，xm，Yl'Yz，识别⋯。与

3、目标地物的光谱特征相比，影像中地物Y3，⋯，ym)代表以纹理窗口内的坐标为自变量的一的纹理结构特征相对更为稳定，因此它在高分辨率个函数，n为随机噪声。影像分析和识别中具有重要意义。随着遥感技术的地物的影像纹理结构特征可以采用小波变换方发展，卫星上搭载的传感器已能获得高分辨率的数法去检测。20世纪80年代后期，Mallat将多尺度的字影像(如5IT1分辨率、1IT1分辨率卫星影像)。在思想引入小波分析，给出了把信号及图像按不同频高分辨率卫星影像中，目标地物的细节比TM和带的分解算法及其重构算法，即Mallat金字塔算法。MSS影像更为清晰，呈现出大

4、量纹理与结构信息，可Daubechies构造了具有紧支集的正交小波基。这些以作为计算机进行地物分类与识别的重要依据。研究进展，为引入小波变换方法进行目标地物纹理笔者尝试运用多种数学方法(如灰度共生矩阵识别奠定了基础。法、半变异函数法)对高分辨率图像中纹理结构特征正交小波的数学定义【]如下：令I2(0，2)表示进行抽取与识别，在比较多种方法后提出了利用小2K在区间(0，2)上定义的所有可测且具有JIf(x)1d)【波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。<∞的函数集合。下面总假定L2(0，2)中的函数周期

5、地延拓到实直线IR=(一∞，∞)，即：f(x)=f(X一1基于小波变换的影像纹理结构识别原理2,0对所有x成立。纹理是影像中某一类地物内部以一定规律重复设具有单位长度，则：k(x)：2ixIr(2X—k)(2)变化的空间信息，结构为影像中某一类地物形状特．式(2)称为正交小波。这里，{．k}是t．2(IR)的一个征在一定区域内有规律出现的空间信息。纹理结构规范正交基，即：信息可以为人眼所觉察或被图像识别设备所检测。(．k，．)=岛．1‘．(3)对于高分辨率卫星影像，目标地物内部反射或且VfGL2(IR)，有：f(x)：辐射电磁波强度有规律的变化，

6、以及目标地物与背．∑q．k．k(x)(4)景反射或辐射电磁波的不同强度构成了影像中纹理其中：M1,N1．M2．hn一llf-i_：-誊一M2k=一M1q一．一．k。0(’5)结构特征，具有纹理结构的图像可以定义如下：j阶正交的小波具有0到j阶的消失矩。这一性IGV(x，y)=Ax．y×F十n(1)质使得(x)对于影像中目标地物边缘或地物纹理式(1)中：IGV(X，Y)为纹理图像区域[(Xmi，Yn1i)，具有良好的检测效果，而(x)的平移和伸缩特性(xn诅x，y一)]内坐标值为(X，Y)的像素点的灰度值，使它可以在多分辨率下检测影像中突变信息。A

7、x．是在(x，Y)处的一个变换矩阵，F=f(Xl，X2，X3，遥感影像的小波分解。根据S．Mallat的金字塔收稿日期：20o3一O1—26基金项目：国家自然科学基金资助项目(40o71O61)作者简介：陈杉(1972一)，男，硕士，现在美国纽约州立大学攻读博士学位。维普资讯http://www.cqvip.com第3期陈杉等：基于，J第7页型算法[3]，令H代表

8、{n算子，G代表Gn算子，下标界效应成正比，特别在分解层次较高时，其影响更r代表行，下标c代表列，则有：大，并且小波变换的时间与N2成正比。因此，通过O¨=I-LI-I,O(6)试验发

9、现N=3效果较好，为此确定将一幅二维遥感¨·=GoI-I,O(7)图像1分解为三层进行特征抽取。¨·=I-LGrO(8)纹理结构影像特征