[发明专利]一种基于V-GLCM的高光谱影像纹理分析方法

权利要求书

1.一种基于V-GLCM的高光谱影像纹理分析方法，其特征在于，包括如下步骤：步骤1，选择需进行纹理分析的高光谱遥感影像数据；

步骤2，对所述步骤1中的影像数据进行灰阶范围变换，将灰度值归一化到0-255的范围；

步骤3，选择合适大小的移动立方体窗口和角度参数，以移动立方体内部的统计指标信息作为立方体中心像元的纹理特征，并利用移动立方体窗口中像元对关系建立共生矩阵；

步骤4，对已经建立的共生矩阵进行指标量化统计，并回填至当前移动窗口中心位置，代表该位置的像元的纹理特征；

步骤5，不断移动该立方体窗口，对整个影像进行纹理计算和提取，得到V-GLCM纹理影像。

2.根据权利要求1所述一种基于V-GLCM的高光谱影像纹理分析方法，其特征在于，所述步骤3中移动立方体窗口的大小采用半变异函数计算：

γ(h)=12N(h)Σ[z(x)-z(x+h)]2]]>

其中，γ(h)为半变异函数值，N(h)代表像元对的数量，∑为像元对灰度差值的平方和，z(x)为在x轴上起始像元的灰度值，z(x+h)为距离起始像元有h个像元距离的像元灰度值，h代表在固定方向上像元对的距离关系，当γ(h)的值趋于稳定时的窗口尺寸为最佳的移动立方体窗口大小。

3.根据权利要求1所述一种基于V-GLCM的高光谱影像纹理分析方法，其特征在于，所述步骤3中共生矩阵的建立采用以下公式：

式中，m和n代表共生矩阵的位置；M(m,n)为共生矩阵中第(m,n)元素的值，代表在对应的移动窗口W内，像元对关系δ＝(d,θ,ψ)且灰度值分别为m和n的像元对数量，其中d为像元对的距离，θ为像元对的水平角角度，ψ为像元对的天顶角角度，W_x、W_y和W_z分别为移动立方体的三个维度x轴、y轴和z轴上的窗口大小，dx、dy和dz为像元对关系δ＝(d,θ,ψ)的向量形式，W(x+dx,y+dy,z+dz)为共生矩阵计算时，移动立方体窗口在三个维度上的移动距离的大小。

4.根据权利要求1所述一种基于V-GLCM的高光谱影像纹理分析方法，其特征在于，所述步骤3中移动立方体窗口中像元对的空间关系具有以下性质：

移动窗口需要考虑三个维度，像元对的空间关系由平面变成立体空间，在影像立方体中，每个像元共有26个临近像元；因此当距离为1像元时，中心像元和邻近像元有26个方向，若考虑对称性，则有13种可能，分别为(0°,0°)、(0°,45°)、(0°,90°)、(0°,135°)、(45°,45°)、(45°,90°)、(45°,135°)、(90°,45°)、(90°,90°)、(90°,135°)、(135°,45°)、(135°,90°)和(135°,135°)方向。

5.根据权利要求1所述一种基于V-GLCM的高光谱影像纹理分析方法，其特征在于，所述步骤3中统计指标和步骤4中指标量化统计采用以下6个描述影像纹理特征的指标：

1)方差：以变异量描述图像中纹理的特性：

VARi=Σi=1NΣj=1N(vi-μi)2Pij]]>和VARj=Σi=1NΣj=1N(vj-μj)2Pij]]>

式中，VAR_i表示第i个像元的方差，VAR_j表示第j个像元的方差，v_i和v_j分别代表第i和第j个像元的灰度值，i和j分别为像元的位置，其范围为1到N，N为像元的总数，P_ij为步骤3建立的共生矩阵；

2)对比度：图像各像元间灰度差的度量，反映了图像的清晰度和纹理的沟纹深浅；该值越高，代表对比越强，图像较粗糙，反之图像较柔和：

CON=Σi=1NΣj=1N(vi-vj)2Pij]]>

式中，CON表示对比度；

3)相异性：与对比度代表的含义类似，和对比度中灰度值差的权重以指数增长不同，该值的灰度值差的权重为线性关系：

DIS=Σi=1NΣj=1N|vi-vj|Pij]]>

式中，DIS表示向异性；

4)能量：反映了区域图像的均匀性或平滑性，能量小则图像比较均匀或平滑：

ASM=Σi=1NΣj=1NPij2]]>

式中，ASM表示能量；

5)熵：图像内容随机性的度量，描述了图像纹理的杂乱程度，熵值大表示随机性比较强：

ENT=-Σi=1NΣj=1NPijlogPij]]>

式中，ENT表示能量；

6)同质性：反映图像的均匀程度：

HOM=Σi=1NΣj=1NPij1+(vi-vj)2]]>

式中，HOM表示同质性。