[摘 要] 隨著遙感技術(shù)的不斷進(jìn)步與發(fā)展，對(duì)地觀測(cè)衛(wèi)星的分辨率都在不斷提高，所得到的圖像信息也越來(lái)越豐富，當(dāng)前國(guó)內(nèi)外研究學(xué)者均十分關(guān)注如何有效提取與利用高分辨率衛(wèi)星影像中的紋理信息這一問(wèn)題。紋理特征庫(kù)的建立是以充分利用已有的樣本特征數(shù)據(jù)對(duì)地物進(jìn)行分類或識(shí)別為目的，為以后的圖像分類提供樣本或作為作物識(shí)別的標(biāo)準(zhǔn)。在詳細(xì)闡述了常用的遙感影像紋理特征的基礎(chǔ)上，采用中值濾波對(duì)遙感影像進(jìn)行去噪處理，并進(jìn)行不同地物類別的樣本裁剪，然后在Matlab下進(jìn)行樣本特征的提取，最后利用提取的特征在Microsoft Access軟件中建立了紋理特征庫(kù)。

[關(guān)鍵詞] 遙感影像;紋理特征; MATLAB

紋理是由灰度分布在空間位置上反復(fù)交替變化而形成的，包含三方面特點(diǎn)：某些局部的連續(xù)性在更大的空間內(nèi)反復(fù)出現(xiàn);序列的組成以非隨機(jī)基礎(chǔ)部分順序排列組合;大致相同的排列結(jié)構(gòu)[1]分布在紋理空間內(nèi)的任何地方。因此，更加充分地整合現(xiàn)有數(shù)據(jù)，生成判別樣本或識(shí)別標(biāo)準(zhǔn)，實(shí)現(xiàn)圖像分類是建立遙感影像紋理特征庫(kù)的目的及意義。通過(guò)實(shí)地考察已有圖像數(shù)據(jù)的分類精度，若符合理想水平，則判別該圖像的各類特征值為該類地物的標(biāo)準(zhǔn)特征。利用所建立信息源中各類地物數(shù)據(jù)特征，可以實(shí)現(xiàn)地物的分類或識(shí)別。

一、遙感影像紋理特征綜述

影像特征是指圖像的原始特性或?qū)傩裕匀惶卣骱腿藶樘卣?。自然特征可以通過(guò)視覺(jué)感知，如圖像各部分的亮度、輪廓線邊界、紋理及顏色;而人為特征需要利用識(shí)別或計(jì)算獲取，如多樣式頻譜、直方圖、矩陣等。圖像的特征包括三大類：形狀特征、紋理特征和光譜特征。本文以介紹紋理特征[2]為重點(diǎn)。

序列的基本部分通常稱為紋理基元。基元是以明確或可計(jì)算的規(guī)律進(jìn)行排列組合，從而形成紋理，分別為確定性紋理和隨機(jī)紋理。可以利用紋理的寬度、通順性、噪點(diǎn)數(shù)目、抽樣性、方向性、曲線性、重復(fù)性等明確性質(zhì)和數(shù)量的概念特征來(lái)進(jìn)行對(duì)紋理的描述。

本文結(jié)合數(shù)理統(tǒng)計(jì)手段中最常用的幾種紋理特征進(jìn)行著重介紹，主要包括：灰度直方圖原點(diǎn)p階矩，及對(duì)均值的p階中心矩，直方圖的偏度、峰度、能量和熵，灰度共生矩陣的對(duì)比度、熵及能量等。

二、Matlab下遙感影像紋理特征提取

（一）紋理特征提取流程

本文采用MATLAB軟件進(jìn)行影像紋理特征提取，并利用Microsoft Access軟件建立特征庫(kù)。首先對(duì)遙感影像進(jìn)行去噪處理，然后進(jìn)行紋理特征提取，最后建立紋理特征庫(kù)。具體操作步驟如下：

1.遙感影像在拍攝過(guò)程中受設(shè)備、環(huán)境等因素的影響，都存在一定程度的“噪聲”，這影響了提取影像紋理特征參數(shù)的精度。為了得到更真實(shí)的紋理特征參數(shù)，需要對(duì)遙感影像進(jìn)行濾波來(lái)消除“噪聲”。實(shí)驗(yàn)中采用中值濾波來(lái)平滑噪聲。

2.根據(jù)每個(gè)紋理特征的原理及公式，在MATLAB下編輯相應(yīng)源代碼，利用調(diào)用函數(shù)計(jì)算消除噪聲后影像的紋理特征值。

（二）影像分類試驗(yàn)

本文通過(guò)分類試驗(yàn)，利用提取的紋理特征對(duì)特征提取的正確性進(jìn)行了驗(yàn)證，在此列舉了部分試驗(yàn)結(jié)果。

1.基于圖像灰度直方圖特征的影像分類

利用圖像灰度直方圖對(duì)原點(diǎn)的二階矩為獨(dú)立特征進(jìn)行分類

（1）利用函數(shù)計(jì)算樣本圖像的直方圖對(duì)原點(diǎn)的二階矩，部分樣本的對(duì)比度及均值見(jiàn)表1。

（2）應(yīng)用計(jì)算出直方圖對(duì)原點(diǎn)的二階矩值，采用最短距離分類器來(lái)實(shí)現(xiàn)對(duì)影像的監(jiān)督分類，其分類結(jié)果如圖1所示。

2.基于圖像灰度共生矩陣特征進(jìn)行分類

利用圖像灰度共生矩陣對(duì)比度為獨(dú)立特征進(jìn)行分類：

（1）利用函數(shù)計(jì)算樣本圖像的對(duì)比度及均值，部分樣本的對(duì)比度及均值見(jiàn)表2。

（2）為實(shí)現(xiàn)影像的監(jiān)督分類，可在最短距離分類器中將統(tǒng)計(jì)后數(shù)值進(jìn)行對(duì)比度分類，如圖2所示。

3.分類結(jié)果精度評(píng)價(jià)

將分類后得到的影像讀入ERDAS中，選取影像與原影像相同位置各一百個(gè)特征點(diǎn)，進(jìn)行比較（目視判讀法），以評(píng)定此分類后影像的準(zhǔn)確度。

三、紋理特征庫(kù)建立

更加充分地整合現(xiàn)有數(shù)據(jù)，生成判別樣本或識(shí)別標(biāo)準(zhǔn)，實(shí)現(xiàn)圖像分類是建立遙感影像紋理特征庫(kù)的目的及意義。通過(guò)實(shí)地考察已有圖像數(shù)據(jù)的分類精度，若符合理想標(biāo)準(zhǔn)，則判別該圖像的各類的特征值為該類地物的標(biāo)準(zhǔn)特征。利用所建立信息源中各類地物數(shù)據(jù)特征，可以實(shí)現(xiàn)地物的分類或識(shí)別。

四、結(jié)論

1.采用中值濾波對(duì)遙感圖像進(jìn)行去噪處理。此方法有效地消除了在拍攝過(guò)程中受設(shè)備、環(huán)境等因素的影響，提高了提取的影像紋理特征參數(shù)的精度。

2.采集各類樣本并計(jì)算相應(yīng)的紋理特征參數(shù)。本文首先選取農(nóng)田、菜地、居民地三類地物樣本，然后根據(jù)每個(gè)紋理特征的原理及公式，在Matlab下完成了樣本紋理特征值的提取。

3.進(jìn)行了遙感影像分類實(shí)驗(yàn)。為驗(yàn)證特征提取的正確性，本文分別利用提取的特征，在Matlab下采用最短距離分類器進(jìn)行了遙感影像分類實(shí)驗(yàn)。

4.建立了紋理特征庫(kù)。在Microsoft Access中建立特征庫(kù)，為以后進(jìn)行地物分類或識(shí)別提供歷史信息。

參考文獻(xiàn)：

[1]王耀南，李樹(shù)濤，毛建旭.計(jì)算機(jī)圖象處理與識(shí)別技術(shù)[M].北京：高等教育出版社，2001.

[2]李爽，丁圣彥.遙感影像分類方法比較研究[J].河南大學(xué)學(xué)報(bào)，2004.（6）：33-50.

[3]舒寧.衛(wèi)星遙感影像紋理分析與分形分維方法[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1998（4）：370-373.

[4]朱述龍.遙感影像獲取與分析[M].北京：科學(xué)出版社，2000.

[作者簡(jiǎn)介]

毛竹（1987—）女，漢族，北京人，碩士，講師，研究方向：遙感技術(shù)。

[作者單位]

北京交通運(yùn)輸職業(yè)學(xué)院

（編輯：薄躍華）