張宗海

【摘 要】本文開(kāi)展了高分遙感影像紋理特征分析方法的研究。首先利用不同尺度、不同方向的Gabor濾波器，對(duì)遙感影像進(jìn)行濾波處理；再對(duì)所提取的濾波結(jié)果進(jìn)行低通濾波；最后利用K-Means對(duì)上一步的結(jié)果進(jìn)行聚類(lèi)分析。在實(shí)驗(yàn)部分，利用一景Rapideye高分遙感影像開(kāi)展了紋理特征分類(lèi)，結(jié)果說(shuō)明，本文方法可以很好地區(qū)分村莊、農(nóng)田等不同紋理特征的區(qū)域。本文對(duì)遙感影像自動(dòng)解譯算法的設(shè)計(jì)具有一定的參考價(jià)值。

【關(guān)鍵詞】高分遙感影像 紋理特征 聚類(lèi)分析

1 引言

航空遙感測(cè)繪需要處理大量的遙感影像數(shù)據(jù)。傳統(tǒng)的人工解譯方法是十分耗時(shí)耗力的。因此，設(shè)計(jì)準(zhǔn)確、高效、自動(dòng)的遙感影像解譯算法是非常必要的。高分遙感影像解譯算法需要不同種類(lèi)的特征進(jìn)行輸入，以提高地物分類(lèi)、目標(biāo)探測(cè)的精度。高分遙感影像的紋理特征是重要的信息，它描述了組成地物的像素在空間域和光譜域的統(tǒng)計(jì)特征。雖然目前存在較多有關(guān)提取圖像紋理特征的方法，但對(duì)于高分遙感影像，紋理特征方法提取主要包含兩種：基于灰度共生矩陣的（由Haralick提出）以及基于Gabor濾波的。本文主要利用后者來(lái)開(kāi)展紋理特征提取方法的研究。

2 基于Gabor濾波的紋理特征提取方法

本文方法的流程圖如圖1所示。顯然，本文的高分遙感影像提取算法包含三個(gè)步驟：（1）Gabor濾波；（2）低通濾波；（3）K-Means聚類(lèi)分析。

在高分遙感影像中，不同的地物往往包含多種尺度和方向的紋理特征，因此需要多個(gè)尺度和方向參數(shù)來(lái)計(jì)算Gabor核函數(shù)。Gabor核函數(shù)的個(gè)數(shù)等于Nθ·log（Nw/2），其中Nθ是濾波器方向的個(gè)數(shù)，Nw是待處理影像的寬度。對(duì)于一景寬度為256像素的遙感影像，如果采用了8個(gè)方向（每個(gè)方向的間隔大小是為π/8），那么共需56個(gè)濾波器。

在步驟（2）中，要對(duì)各個(gè)波段的紋理特征量進(jìn)行平滑濾波。這一步的目的是為了增強(qiáng)Gabor濾波結(jié)果中不同紋理特征的對(duì)比度信息。本文采用了Gauss低通濾波的方法來(lái)完成這一步驟。所選用的Gauss低通濾波器的尺度參數(shù)需要根據(jù)具體高分影像數(shù)據(jù)來(lái)進(jìn)行調(diào)整。

步驟（3）是利用K-Means聚類(lèi)算法對(duì)紋理特征進(jìn)行分類(lèi)。很多遙感影像處理軟件都提供了該算法的模塊。本文采用了ENVI軟件中的K-Means來(lái)完成步驟（3）。

3 實(shí)驗(yàn)

為了測(cè)試本文紋理特征方法的效果，選取了一景Rapideye高分遙感影像來(lái)進(jìn)行紋理特征分類(lèi)。Rapideye是德國(guó)商用的高分多光譜遙感衛(wèi)星，于2008年8月29日成功發(fā)射升空。該衛(wèi)星每日的覆蓋面積可以達(dá)到400多萬(wàn)平方公里，因此在15天內(nèi)就可完成對(duì)整個(gè)中國(guó)的觀測(cè)。它的一個(gè)突出特點(diǎn)是，除了藍(lán)色、綠色、紅色、近紅外波段外，還提供了紅邊波段，以提供更為豐富的光譜信息。本文所采用的影像是2013年3月3日獲取的，中心經(jīng)緯度為：36.74898612°N，116.67967182°E。地面分辨率為5米。

在實(shí)驗(yàn)中，首先對(duì)實(shí)驗(yàn)影像（400×400像素）的5個(gè)波段進(jìn)行Gabor濾波，每個(gè)波段都需要6個(gè)尺度、6個(gè)方向的濾波運(yùn)算，因此紋理特征數(shù)目為：5×6×6=180。對(duì)紋理特征進(jìn)行Gauss低通濾波后，就可利用K-Means進(jìn)行分類(lèi)計(jì)算了。根據(jù)目視解譯，發(fā)現(xiàn)該景影像（圖2a）主要包含了5種地物，因此K-Means的類(lèi)別個(gè)數(shù)參數(shù)被設(shè)置為5。圖2b展示了分類(lèi)結(jié)果。由于采用的紋理特征較多，因此運(yùn)算速度較慢，但不難看出，分類(lèi)精度是較為令人滿(mǎn)意的，建筑物、有植被的農(nóng)田以及裸露的土壤都被較好的區(qū)分開(kāi)，這得益于紋理特征的貢獻(xiàn)。

4 結(jié)語(yǔ)

本文探索了基于Gabor濾波的高分遙感影像紋理特征分類(lèi)方法。利用一景Rapideye高分遙感影像開(kāi)展了紋理分類(lèi)實(shí)驗(yàn)，發(fā)現(xiàn)本文方法可以較好地區(qū)分不同紋理的地物。在實(shí)現(xiàn)過(guò)程中，發(fā)現(xiàn)本文方法運(yùn)算速度較慢，可在后續(xù)研究中利用PCA（Primary Component Analysis）對(duì)提取的紋理特征降維，以提高運(yùn)算速度。