多光谱遥感图像的特征提取与比较.pdf
- 文档编号:3438895
- 上传时间:2023-05-05
- 格式:PDF
- 页数:71
- 大小:1.34MB
多光谱遥感图像的特征提取与比较.pdf
《多光谱遥感图像的特征提取与比较.pdf》由会员分享,可在线阅读,更多相关《多光谱遥感图像的特征提取与比较.pdf(71页珍藏版)》请在冰点文库上搜索。
上海交通大学硕士学位论文多光谱遥感图像的特征提取与比较姓名:
刘磊申请学位级别:
硕士专业:
控制理论与控制工程指导教师:
敬忠良20050101I多光谱遥感图像的特征提取与比较摘要基于内容的图像检索方式CBIR(Content-BasedImageRetrieval)就是根据给定的图像特征从存储在数据库中的大量图像中进行检索找出与给定图像特征相似的图像来基于内容的图像检索主要涉及到四项关键技术图像数据库技术内容描述技术特征提取与匹配技术快速检索技术本文的研究内容着重于多光谱遥感图像的特征提取与比较上从光谱特征纹理特征形状特征三个方面进行研究理论与方法部分的创新和成果如下
(1)光谱特征通过原始波段的点运算获得的图像中目标物的颜色及灰度或者波段间亮度的比较光谱特征对应于每个像素与像元的排列等空间结构无关本文采用的光谱特征提取方法采用基于改进ISODATA(IterativeSelf-OrganizingDataAnalysisTechniquesA,迭代自组织数据分析技术A)算法的聚类分析方法与原算法相比改进算法的优点如下在保留原算法初始聚类的成果的基础上以类自身的状态作为合并与分裂是否进行的判定标准极大的降低了计算量将绝对性质的参数转变为比值使得原算法循环里面的参数动态化原算法叠代结束的条件是由叠代次数人为控制的改进算法是II以类自身达到一种内部平衡作为叠代结束的判定标准的合理性更强
(2)纹理特征一种反映图像像素灰度级空间分布的属性如果物体内部的灰度级变化明显又不是简单的色调变化那么该物体就有纹理本文采用的纹理特征提取方法采用基于最小二乘和区域分割技术的聚类分析方法该算法具有以下创新通过最小二乘法拟合的系数矢量是对单幅图像纹理表达的发展很好的表达了多光谱图像的纹理信息缩放法针对较复杂纹理的不规则性提出了对系数矢量进行调整的方法在区域分割的过程中提出了将开区域转化为闭区域和将闭区域规则化的方法(3)形状特征也称为轮廓特征是指整个图像或者图像中子对象的边缘特征和区域特征本文采用基于波段分组和不变矩的聚类分析方法提取形状特征该算法具有以下创新提出并实现了基于传感器成像特性或者波段间相关程度将多光谱图像的波段分组的方法提出并实现了基于不变矩矢量来合并形状特征相似的区域的方法(4)特征比较在三种特征提取的基础上本文提出了四条矢量特征比较的标准用于比较两幅多光谱图像特征提取完成后的比较通过比较可以反映出两幅多光谱图像在光谱纹理形状特征上的相似程度本文综合多光谱图像特征提取的常规方法提出了新的提取多光谱图像光谱纹理形状特征的方法并相应提出了比较两幅多光谱图像的特征矢量比较方法最后给出了MATLAB仿真实现结果关键字多光谱遥感图像光谱特征纹理特征形状特征IIIFEATUREEXTRACTIONANDCOMPARISONOFMULTI-SPECTRALREMOTESENSINGIMAGESABSTRACTContent-BasedImageRetrieval(CBIR)isusedtofindoutthetargetimagefromtheimagedatabaseaccordingtothegivenimagefeatures.Theimagefeaturescanbeextractedfromthesampleimagesprovidedorinputtedbycustomers.CBIRmainlycontainsfourkeytechniques,whichareimagedatabase,contentdescription,featureextractionandmatchingandfastsearching.Thisthesisdealswiththefeatureextractionandcomparisonofmulti-spectralremotesensingimages.Itcontainsthreeaspects,whicharespectrumfeatureextraction,texturefeatureextractionandshapefeatureextraction.Themainachievementsandcontributionsaboutmethodsandalgorithmsaredescribedasfollows:
(1)Spectrumfeatureisdefinedasthecolororgrayvalueoftargetinimages,orcomparisonofIntensitybetweenbandsoftheimages.Itcorrespondstoeverypixel,andisindependenttospacestructure.ImprovedISODATA(IterativeSelf-OrganizingDataAnalysisTechniquesA)algorithmisprovidedtoextractandIVcomparethespectrumfeaturesofmulti-spectralimages.Usingthisalgorithm,thecomputationisgreatlyreducedandtheargumentsturntobedynamic.Theprocedureofclustersplittingandmergingisbasedontheresultofprimaryclassification.Bychangingabsolutevaluesintoratiovalues,dynamicparametersarerealizedtonormalizetherequiredparametersintheiteration.Withoutsettingthenumberoftheiteration,itiscompleteduntilabalanceisreached.
(2)Texturefeatureisoneoftheattributesofimage,whichdescribesthespacedistributionofgraylevelsofimagepixels.Animagecontainstextureiftheobjectsintheimagehaveadistinctbutnotsimplehuechange.TexturefeatureextractioninthisthesisisbasedonLeastSquaresmethodandregionsegmentation.Thecontributionsofthisalgorithm:
thecoefficientvectorsachievedbyLeastSquaresmethodproperlyexpressthetextureinformationofthemulti-spectralimages,andtheconceptoftextureinsingle-bandimageisdevelopedtothatofmulti-spectralimages.Theshrinking-expandingmethodisproposedtoregulatethecoefficientvectorsbecauseoftheanomalyofcomplicatedtexture.Inprocessingofregionsegmentation,amethodoftransformingtheopenregionintocloseregionandnormalizingtheclosedregionisproposed.(3)Shapefeatureisalsocalledcontourfeature,whichdescribestheedgecharacteristicsofimageorpartofimage.Shapefeatureextractioninthisthesisisbasedonbandgroupingandmomentinvariants.Amethodofdividingthebandsofmulti-spectralimagesintogroupsisproposedandrealizedbasedontheattributesVofspectrographorthecorrelationdegreebetweenthebands.Andamethodofmergingtheregionsofsimilarshapefeatureisproposedandrealizedbasedonmomentinvariants.(4)Featurecomparison:
Basedonthethreefeatureextractionmethods,fourrulesaredesignedtocomparethefeaturesofthemulti-spectralimages.Thecomparisonshowsthesimilarityorthedifferencesinspectrum,textureandshapefeaturesoftwomulti-spectralimages.Inthisthesis,theusualmethodsonfeatureextractionofmulti-spectralimagesareintroduced,threenewmethodsaredesignedtoextractthespectrum,textureandshapefeaturesofmulti-spectralimages,andthecomparisonofthefeaturevectorsoftwomulti-spectralimagesisproposed.Finally,thesimulationofthethreemethodsusingMATLABachievesgoodresults.KEYWORDS:
multi-spectralremotesensingimages,spectrumfeature,texturefeature,shapefeature上海交通大学学位论文原创性声明本人郑重声明所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果除文中已经注明引用的内容外本论文不包含任何其他个人或集体已经发表或撰写过的作品成果对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明本人完全意识到本声明的法律结果由本人承担学位论文作者签名刘磊日期2005年1月19日上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留使用学位论文的规定同意学校保留并向国家有关部门或机构送交论文的复印件和电子版允许论文被查阅和借阅本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索可以采用影印缩印或扫描等复制手段保存和汇编本学位论文保密?
在年解密后适用本授权书本学位论文属于不保密?
请在以上方框内打“?
”学位论文作者签名刘磊指导教师签名敬忠良日期2005年1月19日日期2005年1月19日上海交通大学硕士学位论文第一章绪论第一章绪论11课题背景及研究意义近十几年来随着空间技术电子学光学和计算机技术的日趋成熟成像光谱技术得到迅速发展它集光谱与成像为一体具有获得高空间分辨率和光谱分辨率超多波段光谱图像的技术能力这些图像信息的有效组织和检索便依赖于基于内容的图像检索方式CBIR(Content-BasedImageRetrieval)就是根据给定的图像特征从存储在数据库中的大量图像中进行检索找出与给定图像特征相似的图像来基于内容的图像检索主要涉及到四项关键技术图像数据库技术内容描述技术特征提取与匹配技术快速检索技术多光谱遥感图像特征提取技术是CBIR中的特征提取与匹配技术的重要组成部分在基于内容的图像数据库检索领域的研究领域具有举足轻重的作用多光谱遥感图像特征提取技术主要包括以下三个部分
(1)光谱特征提取光谱特征就是通过原始波段的点运算获得的图像中目标物的颜色及灰度或者波段间亮度的比较光谱特征反映了地物在不同的波段辐射条件下的成像特性
(2)纹理特征提取纹理特征是指存在于图像中某一范围内的形状很小的半周期性或有规律排列的图案在图像判读中使用纹理表示图像的均匀细致粗糙等现象纹理是图像处理和模式识别的主要特征之一而纹理特征在地质地貌岩性识别方面起着重要作用如果物体内部的灰度级变化明显又不是简单的色调变化那么该物体就有纹理(3)形状特征提取所谓形状特征也称为轮廓特征是指整个图像或者图像中子对象的边缘特征和区域特征形状特征也是模式识别的主要特征之一对图像轮廓的平移和旋转变化的抑制等是其研究的主要内容为了提高国内基于内容图像检索的研究和实用水平上海市科学技术发展基金重点项目基于空间影像信息的智能引擎技术深入研究了该领域的各种理论与技术并最终提供了一套高性能的空间影像智能引擎软件系统12静止图像的特征提取与检索121光谱的特征提取与检索上海交通大学硕士学位论文第一章绪论在传统的注重几何特征的计算机视觉研究中灰度未得到充分的重视人们普遍认为灰度不是刻画一个物体的关键特征然而相对于几何特征而言灰度具有一定的稳定性对大小方向都不敏感表现出相当强的鲁棒性同时在许多情况下灰度是描述一幅图像最简便而有效的特征例如在需要检索海滨景物图像时指定图像中的主要颜色的大致比例后即可以此为依据查找与此颜色分布类似的图像而此时其他检索特征往往难以奏效所有这些都促使灰度成为基于内容检索所采用的主要手段之一基于光谱的检索算法的基本思想即进行空间直方图匹配采用的光谱空间和匹配方法因不同算法而异在1990年Swain和Ballard提出了光谱检索(SpectrumIndex)的基本思想和算法采用了互补光谱(OpponentSpectrum)空间直方图来描述物体并通过定义在直方图的相交(Intersection)及反投影算法(BackprojectionAlgorithm)来完成物体的识别(检索)和在图像中的定位通过直方图相交算法给定图像直方图后光谱检索就变为在模型库中查找具有最大匹配度的图像Swain还进一步证明了当两个直方图的象素数目相同时直方图相交运算的结果反映了两个直方图的街区距离(city-block)从而更充分地说明了算法的含义检索结果相对于光照的稳定性是光谱检索算法的一个重要特性Swain算法对于光照条件异常敏感仅仅光照幅度的变化就会大大影响该识别算法的准确性他在其文章中提议采用Novak的监控颜色恒常性(SupervisedColorConstancy)算法即在环境中放置己知反射率的色板以作为光照变化的参考然而在许多情况下此条件难以得到满足Funt和Finalyson针对这种情况提出了光谱恒常性光谱检索(SCSISpectrumConstantSpectrumIndex)算法他们从Land的视觉皮层理论出发主张对输入的光谱图像取对数后在进行差分以削弱光照变化带来的影响然后再对差分后得到的边缘点建立直方图以此作为匹配的标准实验结果表明他们的检索算法比Swain的算法对于光照变化具有更好的鲁棒性但在光照不变的前提下其检索精度却不如Swain的检索算法Healey利用有限维模型提出了从直方图分布求取光照不变量的思想并在实现中取得了较好的效果该算法对于光照变化具有良好的鲁棒性同时在光照不变的情况下保持了Swain算法的检索精度值得提出的是在Swain算法中识别效果不受图像背景的影响因此不需要对图像进行预先分割以后的算法都不具有这种性质背景象素计入直方图后将直接影响到匹配的精度因此需要采取相应的处理去除干扰Healey在其实现中己不再采用整个物体的直上海交通大学硕士学位论文第一章绪论方图而仅仅选取物体局部的小块光谱丰富区域作为特征再对特征集进行匹配以避免背景干扰此外具有光谱恒常性的光谱检索算法都要求目标具有丰富的光谱以保证算法的可靠性上述算法的实现都基于光谱成像的物理模型着眼于图像中特定物体的识别和检索反映的并非人对光谱的主观感觉在IBM的QBIC系统中由于系统要依靠用户对图像光谱相似性的感觉来完成检索不同图像间的光谱匹配度要尽量符合人的主观感觉而Swain采用的度量仅是两个直方图的距离这种度量忽略了不同光谱间的相似性在实现中与人的主观感觉不一致为了能正确反映光谱间的相似性QBIC在对两幅图像作空间直方图匹配时采用了二次型距离即),(),(),(2yxAyxyxdT=(其中yx,为光谱空间的向量A为光谱相似性矩阵)由于这种距离度量具有较大的计算量为提高算法的实时性Hafner等对其进行了改进提出了分级检索策略并获得了较好的效果M.S.Kankanhalli和B.M.Mehtre等在对注册商标图像库检索研究的基础上对直方图的匹配方法作了进一步分类和比较122纹理特征提取与检索纹理作为物体的一个重要特征也是基于内容检索的一条主要线索纹理检索和纹理分类技术有着密不可分的关系针对不同系统的应用要求在纹理检索的实现中往往采用不同的纹理识别技术早期的纹理识别技术可分为三类统计方法结构方法和频谱分析方法结构方法主要对规则的结构纹理采用句法分析方法识别从70年代开始基于二阶灰度统计特征的统计方法得到了广泛的研究R.Haralick等提出了从并发矩阵提出的14种纹理特征并将其用于卫星图像纹理的识别J.S.Weszka对频谱分析方法和统计方法作了比较性分析并提出了统计方法优于频谱分析方法的论断进入80年代后随机场模型也用于纹理的分类和识别Kashyap采用了基于圆对称自回归随机场模型的特征用于自然纹理的分类并取得了91的正确率F.S.Cohen等采用了高斯马尔可夫随机场(GMRGaussianMarkovRandomField)模型对9种自然纹理的识别达到了99100的正确率D.K.Panjwani和G.Healy进一步采用GMRF模型用于彩色纹理图像分割也取得了较好的效果上海交通大学硕士学位论文第一章绪论视觉生理学和心理学研究中揭示的多尺度思想促进了纹理研究的进一步发展M.R.Turner采用了Gabor函数来进行纹理分类A.C.BoviliA.K.Jain等将其用于纹理分割T.R.Reed及M.Unser等也都对Gahor函数的应用进行了讨论在小波理论对于时频分析的重要性为人们所认识后也被用来进行纹理分类Carter采用了Morlet和Mexcan草帽小波对6种自然纹理进行了分析得到了98的正确率但其采用的小波缺乏方向选择性A.Lame和J.Fan解决了此问题他们采用了小波包算法并对其用于纹理分类的效果进行了分析123形状特征提取与检索形状是刻画物体的本质特征之一因此利用形状来检索无疑可提高检索的准确性和效率从广义的角度来说基于形状的检索不仅仅包括传统意义的基于二维形状的检索还包括在三维图像(体数据如医疗成像设备获得的检测图像)中的基于三维形状的检索(ShapebyVolume)对于基于形状的检索来说形状的表示和匹配无疑是需要解决的重要问题传统的计算机视觉中曾先后用Freeman链码曲线Fourier描述子二次曲线及B样条等来描述平面曲线在其后的研究中T.E.Boult和A.D.Gross采用超一次曲线(super-quadric)来表示形状G.C.Chuang和C.J.Kuo则给出了形状的小波描述逼近在复杂形状的表示方面S.S.Wang和P.C.Chen等提出了矩Fourier描述子方法并将其用于汉字识别而D.Keren和D.CooPer等则采用了隐式多项式的表示方法并对其表示能力进行了分析对于形状匹配来说Hough变换是最经典的方法对噪声和遮挡具有良好的抗干扰性但Hough变换仅能解决形状的平移旋转和缩放所带来的匹配问题而对实际应用中广泛的变形匹配问题无能为力针对由关节点联结起来的活动物体(如剪刀)Mehrotra等提出了FIBSSR(FeatureIndex-BasedSimilar-ShapeRetrieval)用于此类物体的匹配对于更广泛的变形形状的匹配问题则需要与变形模型(DeformableModel)的研究相结合根据模型的不同特性可将常见的变形模型分为两类自由变形模型和参数变形模型对于自由变形模型来说对于模板没有全局的结构约束而仅受局部的连续性和光滑性的约束通过对图像中的显著特征如直线边缘等建立能量函数而建立一个势场使模板通过变形与这些特征匹配上海交通大学硕士学位论文第一章绪论弹性变形模型(ElasticDeformableModel)是研究最早的自由变形模型在1973年Widrow提出了通过变形来匹配模式实际数据的思想Fischler和Elschlager通过弹性的物理模拟来解决这个问题其后D.J.Burr提出了动态协作模型作为模拟的弹性模型采用由粗到精的循环过程进行匹配这种方法后来被Moshfeghi改进Bajcsy等将形变体匹配问题转换为关于形变模型和相似测度的函数的优化问题确定了问题求解的基本方法目前弹性变形模型己广泛地用于变形物体的匹配如手写数字识别卡通帧填充运动检测面孔识别三维形状检索(体数据配准)等方面另一种自由变形模型主动轮廓模型(ActiveContourModel亦称Snake)由M.Kass等在1988年提出其后TerzopoulosWitkin和Kass等许多学者对其进行了深入的研究将其推广到多个研究方面并对其求解方法进行了探讨时至今日主动轮廓模型己在边缘及轮廓检测运动追踪立体视觉匹配和图像分割方面得到充分的应用参数变形模型(parametricdeformablemode)即形状的部分先验信息己知可以用参数来表示根据先验信息的不同参数变形模型可以分为两类参数化曲线(parameterizedcurses)和参数化映射(parametricmapping)在参数化曲线变形模型的应用研究中Yuille等将二次曲线(圆和抛物线)用于面孔识别中眼睛和嘴的精确定位二次曲线的参数分别控制着眼睛和嘴的形状和大小ChakrabortyStaib和Duncan在将椭圆Fourier描述子用于医学图像检测方面进行了研究其中Fourier系数作为描述可变形状的参数参数化映射变形模型即将己知的形状原形通过参数描述的影射使其与变形后的形状匹配Grenander提出了关于形状模型的模式理论
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 光谱 遥感 图像 特征 提取 比较