李偉琳

（哈爾濱師范大學，黑龍江 哈爾濱150025）

隨著衛(wèi)星遙感技術的高速發(fā)展，人類開始探究由衛(wèi)星遙感技術得到的空間信息，并且利用得知的地物信號來實現(xiàn)地球資源調查、自然災害預測、環(huán)境污染監(jiān)測、氣象衛(wèi)星云圖處理等目的?？墒怯捎诶走_探測器的空間分辨率得到改善,增加了雷達影像像元的純度,相對減少了混合雜亂的像元個數(shù),所以空間上不同地物類型的排列就比之前復雜，比如一個土地覆蓋類型也許包括幾種光譜特征不一致的地物,那么傳統(tǒng)影像光譜分類在分析高分辨率雷達影像方面顯得力不從心[1]。

紋理是圖像的灰度在空間上的變換與重復以及在影像上出現(xiàn)過多次的排列規(guī)律及局部模式，人們根據圖像紋理具有不一樣的品質，大體上將傳統(tǒng)的紋理特征提取方法分為兩類：統(tǒng)計法與結構法。社會的發(fā)展對圖形特征提取的要求也越來越高，所以傳統(tǒng)的統(tǒng)計法與結構法逐漸暴露出它們的缺點。統(tǒng)計法所要的統(tǒng)計量與計算量比較大,圖像紋理特征提取的效率被降低。結構法提取技術要求精準定義的紋理單元來構成圖像的紋理，可是許多紋理不符合這個要求,因此限制了結構法的應用。近年來小波變換在影像紋理特征提取研究中很常見。當前,通常應用濾波方式對圖像進行處理以達到增進提取紋理的質量與改善提取方法的目的。濾波法就是把目標影像看成是二維的,并對頻率信號加以分析，形成紋理特征提取分析方法的一個分支，其中包括小波變換[2]。

1 小波變換的基本思想

由一個母函數(shù)在時間上運動以及在空間中變換來獲取一種分析途徑，這種分析途徑就是可以自動解譯每種頻率部分的有用信息，該思路就是小波變換思想方式[3]。小波變換存在多分辨率分析之特點，它是一種時頻局部分析法，通道口尺寸不變可形狀、時間窗與頻率窗都能更改，小波變換于低頻率影像上反映出高頻分辨率以及低時間分辨率，反之成立。因此小波變換在分解普通頻率突然出現(xiàn)尖峰信號時格外適用，以便于提高解譯局部信號的效率。小波變換可以給多尺度紋理特征影像構建針對性數(shù)學算法。我們一般選取高分辨率小波變換來提取低對比度或小尺度紋理圖像；反之我們選擇低頻提取[4]。

樹結構的小波變換、金字塔小波分解變換以及小波包分析等都是分析提取雷達影像的紋理特征的小波變換方法。傳統(tǒng)的塔狀小波只分解低頻率信號，對中高頻信號不識別，然而中高頻部分的影像也富有許多有用信息，金字塔小波變換對中高頻的不識別會嚴重影響紋理分析的結果。樹狀小波變換與小波包不存在這種問題，它們在提取紋理特征時可以識別每個頻率的信息，使得結果更準確[5]。

2 基于小波變換的紋理特征提取方法

由于每幅圖像頻率信號的特性是不一樣的,運用不一樣的小波算法思想解決不同頻率信息，然后把解決頻路不同問題的方式劃分為金字塔結構小波變換、樹狀結構小波變換以及復小波解決方式等[6]。

金字塔結構的小波變換可以有效提取影像的橫向、縱向以及斜向的方向性信息，并且能夠對低頻信息深層分解，不同的小波變換函數(shù)也具有不同的特點。但是小波變換的缺陷在于它對高頻信息沒有辦法進行分解，而巧合的是紋理信息剛好集中于高頻信號部位，因此這樣經常不足以提取全部有效的紋理信息。對遙感影像中信息的利用率較低。對比塔狀小波，樹型小波包變換可以對低頻信息和高頻信息同時進行分解，非常適當?shù)丶m正了金字塔結構小波變換的缺點。所以把二者結合起來就能夠很好的反映研究區(qū)域的紋理特征[7]。

3 遙感圖像的紋理特征值在紋理特征提取中的作用

3.1 熵。熵表述影像灰度級別的混亂程度，它的概念含括在信息學中，度量影像所含有信息量。定義成下列形式：

當影像中沒有紋理時，這時的熵值近似為0；當圖像的紋理多樣卻不相同時，該影像熵值較大。當影像全為細紋理時，熵就為峰值；反之熵值為最小。

3.2 角二階矩。角二階矩可以反映遙感影像灰度分布情況，公式定義成：

角二階矩主要來表述雷達影像紋理灰度變化是否均一，體現(xiàn)影像紋理粗細度分布和灰度分布狀況。由公式得，灰度分布較均勻的影像角二階矩值較大，灰度分布不均勻的影像角二階矩值較小。

3.3 能量。能量就是和角二階矩相關的又一個度量，它可以定義成：

能量的性質與角二階矩的性質相類似，所以在很多文獻中把能量值直接與角二階矩的值取同。并且還有協(xié)方差、相關、對比度等紋理特征值。

4 實驗步驟與結果

4.1 實驗步驟。首先用ENVI 將尺寸較大的TM影像進行裁剪。得到裁剪后的TM影像如圖1。

圖1 TM影像裁剪圖

當進行小波變換是第一次小波變換將圖像分為一個高頻子區(qū)和三個低頻子區(qū)（h、i、j）；第二次小波變換將高頻區(qū)繼續(xù)劃分成一個高頻子區(qū)和三個低頻子區(qū)（e、f、g）；以此類推第三次小波變換將第二次小波變換得到的高頻區(qū)繼續(xù)劃分成一個高頻子區(qū)a 和三個低頻子區(qū)（b、c、d）。在這些區(qū)域中h、e、b 區(qū)域表示為三次小波變換之縱向紋理特征；j、g、d 區(qū)域表示斜向紋理特征。模擬效果如圖2。

圖2 小波變換模擬圖

本文我們做一次小波變換示例，對原始雷達影像進行預處理，選取合適的研究區(qū)域，使用Matlab 軟件圖像進行小波變換，本研究選用Matlab 中二維小波變換，對已經過小波變換處理的影像進行去噪處理，降低影像中噪聲帶來的干擾，利用Matlab 編程計算相關統(tǒng)計量及特征量，得到結果并對結果影像進行評價，最終得出實驗結論。

將剪裁過的雷達影像在MATLAB-Toolbox軟件中讀取，并進行小波分解，把分解之后的圖像矩陣進行計算，計算后得到的結果就是紋理特征值。現(xiàn)對得到的圖像分為4 個區(qū)域，用haar 小波基函數(shù)分解雷達影像，將小波變換得到的一個高頻影像和三個低頻影像輸出得到如圖3 的結果。

圖3 小波紋理分解圖

4.2 實驗結論。這就是簡單的二層小波變換操作，小波變換屬于信號處理圖像紋理特征提取與匹配方法，由圖3 我們可以得知，使用haar 小波基函數(shù)分解影像的不同頻率的子區(qū)域以便提取雷達影像的紋理特征。與其它影像的特征相比較，紋理特征更具有包容性，不僅能兼顧影像宏觀性質還能兼顧細微結構，所以紋理特征成為目標識別的重要特征提取需求?？傮w上看，本文選用MATLAB中Haar 小波基函數(shù)，忽略時間的成本外能夠有效地提高紋理特征提取的準確性。金字塔結構的小波變換可以有效提取影像的橫向、縱向以及斜向的方向性信息，并且能夠對低頻信息深層分解，通常來說，自然地物無論從形態(tài)還是光譜特征上都比人工地物更為復雜，因此自然地物紋理特征的提取也相對困難，小波變換由于其獨有特性，能對自然地物帶有方向性的紋理特征進行有效提取。最后，空間分辨率和光譜分辨率對雷達影像特征提取起著關鍵性的作用，提高影像的分辨率，這樣紋理特征研究將會得到發(fā)展。

5 結論

對以上三種形式的小波紋理特征提取方法研究的比較,我們能夠得知經過了大量的理論知識探討充分地說明了復式小波變換方法在理論方面上比傳統(tǒng)小波變換方法具備更完善的特性,特別對于影像紋理特征提取而言，復式小波變換相比傳統(tǒng)小波變換更加具有先導性，當前復式小波變換的發(fā)展旅程還在進行,仍然存在很多相關困難有待破解,有待于深入探究并不斷發(fā)展與完善。

總之，紋理特征提取是研究人員很早就開發(fā)的技術探究領域，有許多困難等待著研究者的挑戰(zhàn)，小波變換技術在提高過程中，紋理特征提取方法發(fā)展了許多種，把它作為一個工具運用到圖像紋理特征提取這個領域一定會有發(fā)展前景。但是想要將它大規(guī)模地投入使用中還需要解決各類問題。即便紋理特征提取的方法不夠完善但不影響其重要性。