基于灰度共生矩阵的图象纹理分析.pdfVIP

_________________________________________________________________________________ 基 于 灰 度 共 生 矩 阵 的 图 象 纹 理 分 析 武汉大学遥感信息工程学院 张鹤 关泽群 摘 要 本文重点运用统计分析方法中的灰度共生矩阵方法对图像进行纹理分析，通过对多种地 物图像进行试验，分析研究其结果，得到各类地物的二次特征量并作为区分的标志，识别各 类地物。 关键词：纹理分析，灰度共生矩阵，二次统计特征量 ABSTRACT Use and count grey-scale co-occurrence matrices method of statistics analysis method analyses to the image especially. Go on and analysis to experimental result, get all kinds of amount of characteristic counted 2-order of surface feature, And is regarded as the sign distinguished， Discern all kinds of surface features. Key word: Texture analysis method grey-scale co-occurrence matrices 2-order characteristic value 1. 引言 纹理分析是从对遥感图像的分析处理技术中发展起来的。空间信息是指图像数据在空间 分布上所包含的纹理、局部结构和形状信息。无论从理论还是常识出发，纹理信息都显然应 该成为描述与识别图像的一项重要依据。与其他图像特征或描述相比，纹理性质似乎能更好 的兼顾图像宏观性质与细部结构两个方面。 为了定量的描述纹理，需要研究纹理本身可能具有的特征。多年来，人们建立了许多纹 理算法以测量纹理特征。这些方法大体可以分为两大类：统计分析方法和结构分析方法。无 论从历史发展还是从当前进展来看，统计分析方法仍然占主导地位。 图像的纹理分析已在许多学科得到了广泛的应用。如气象云图多是纹理型的，所以几种 不同纹理特征的云类，如卷云、积雨云、积云和层云的机器识别就可以用纹理作为一大特征； 对卫星遥感图像进行纹理特征分析，可以进行区域识别等。本文使用的是基于统计法的灰度 共生矩阵法，进而提取二次统计特征量来作为区分各种地物的标志，以达到对图像对象的识 别。 2. 灰度共生矩阵 2.1 矩阵基本原理 任何图像都可以看作为三维空间中的一个曲面，在三维空间中，相邻某一间隔长度的两 个像素，它们具有相同的灰度级，或者具有不同的灰度级，若能找出这样两个像素的联合分 布的统计形式，对于图像的纹理分析将是很有意义的。人们找到描述这个关系的基础，从灰 度为 i 的像素点出发，距离为(Dx,Dy)的另一个像素点的同时发生的灰度为 j ，定义这两个灰 _________________________________________________________________________________中国科技论文在线 度在整个图像中发生的概率，或称为频度，用数学表示则为 P （i,j,d, θ）= 集合{(x,y) │ƒ(x,y)=i, ƒ (x+Dx,y+Dy)=j;x,y=0,1,2, …,N-1} 式中 i,j=0,1,2, …,L-1; x,y 是图像中的像素坐标，