[发明专利]一种基于V-GLCM的高光谱影像纹理分析方法

说明书

技术领域

本发明属于高光谱遥感图像处理技术领域，具体涉及一种基于V-GLCM(体灰度共生矩阵，Volume Gray Level Co-occurrence Matrix)的高光谱影像纹理分析方法。

背景技术

高光谱遥感(Hyperspectral Remote Sensing)是指利用很多窄的电磁波波段获取物体有关数据的技术，它是20世纪最后20年人类在对地观测方面取得的重大技术突破之一，也是当前及今后几十年内的遥感前沿技术。与常规多光谱遥感相比，高光谱数据具有数据量大、波段很多很窄、波段相关性强、信息冗余多、图谱一体化等特征。但正是其海量数据和高维特征给高光谱数据的传输和存储都带来了较大的困难，同时也对传统的遥感图像数据处理技术提出了新的挑战。所以，对高光谱数据的快速处理和充分挖掘一直是困扰人们的一个问题。面对高光谱数十、数百个波段的数据，在提高数据处理效率的同时；如何有效利用、提取、分析感兴趣的最大信息，已成为有待研究的新课题。

纹理是影像中的重要特征，有效地利用这些特征可以进一步推动影像解译的自动化，纹理分析可以帮助抑制异物同谱、同物异谱现象的发生。同时，对于空间关系复杂、光谱混合现象严重的高光谱影像，结合空间属性进行分类研究，可以有效地进一步提高分类精度。因此对高光谱影像纹理的研究，不仅可以深化高光谱影像纹理研究的理论水平，而且可以有效提高高光谱影像的分类精度，进一步推动高光谱遥感的广泛应用，这对于高光谱遥感的发展具有重要的理论和现实意义。对于纹理的描述和分析方法，国内外已进行了十分深入的研究，如舒宁等先后对多光谱和高光谱影像的纹理问题进行了深入探讨和分析，提出纹理是地物目标光谱空间到二维投影空间的映射模式的新概念，并就建立以像斑分析为基础的遥感影像分析方法体系等进行了讨论[舒宁.关于多光谱和高光谱影像的纹理问题.武汉大学学报(信息科学版),2004,29(4):292-295。舒宁.关于遥感影像处理分析的理论与方法之若干问题.武汉大学学报(信息科学版),2007,32(11):1007-1015。舒宁.卫星遥感影像纹理分析与分形分维方法.武汉测绘科技大学学报,1998,23(4):370-373]。目前图像纹理研究的主要方法可以分为：结构法、统计法、模型法和数学变换法等。

统计分析法可以描述纹理的数字特征，并用这些特征或结合其他非纹理特征对影像进行分类，该方法主要包括灰度直方图、灰度共生矩阵(Gray Level Co-occurrence Matrix，GLCM)和灰度游程长度法等，其中GLCM应用最为广泛。早在1973年，Haralick等就基于图像灰度在方向、相邻间隔、变化幅度等方面的特点，提出了能够有效描述纹理的GLCM算法，并设计了14个特征指标[HaralickR.M.,Shanmugam K.,and Dinstein I.H..Texture features for image classification.IEEE Trans.Sys.,Man Cybernet.,1973,3(6):610-621]，其中最常用的有对比度(惯性矩，Contrast)，熵(Entropy)，角二阶矩(能量，Angular Second Moment)，局部平稳(Homogeneity)，以及相异性(Dissimilarity)、均值(Mean)、方差(Variance)、相关(Correlation)等9种。该算法自问世以来得到了广泛的应用并衍生了许多改进算法，大多数纹理分析对比文献都认为灰度共生矩阵的效果最好，但是该方法局限于单波段的图像。统计分析方法以一阶、二阶或较高阶统计得到影像的纹理特征，虽然迎合了影像纹理在统计上具有一定的意义的前提，但基本上都是从单一尺度上提取纹理，反映不出不同尺度上的特征，事实上纹理特性的一个主要方面就是尺度特征。

传统的GLCM纹理分析，在处理高光谱遥感影像时均是对各个波段独立进行纹理分析，缺乏对相邻波段之间纹理依存关系的考虑。在高光谱数据立方体内，由于高光谱影像相邻波段间存在着高度的相关性，在进行纹理特征提取时如果加入相邻波段综合考虑，可能得到信息更为丰富的纹理影像。