楊利民　胡龍華　羅鐵良　賈云生

摘要：遙感圖像在軍事偵察、精確打擊以及民用方面都有重要的作用，遙感圖像的特征提取是進(jìn)行遙感圖像自動(dòng)識(shí)別的關(guān)鍵技術(shù)，因此開展遙感圖像的特征提取研究工作具有實(shí)際意義和應(yīng)用前景。文章主要研究和討論了光譜特征和紋理特征的特征提取方法。

關(guān)鍵詞：遙感圖像；光譜特征；紋理特征；特征提取

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-2374（2009）01-0131-02

遙感是一種遠(yuǎn)離目標(biāo)，在不與目標(biāo)對(duì)象直接接觸的情況下，通過某種平臺(tái)上裝載的傳感器獲取其特征信息，然后對(duì)所獲取的信息進(jìn)行提取、判定、加工處理及應(yīng)用分析的綜合性技術(shù)。它是目前為止能夠提供全球范圍的動(dòng)態(tài)觀測數(shù)據(jù)的惟一手段。由于遙感提供的數(shù)據(jù)具有實(shí)時(shí)性高、覆蓋范圍廣、信息豐富客觀等優(yōu)點(diǎn)，它已經(jīng)被廣泛應(yīng)用于航空、航天、軍事偵察、災(zāi)害預(yù)報(bào)、環(huán)境監(jiān)測、資源勘探、土地規(guī)劃與利用、災(zāi)害動(dòng)態(tài)監(jiān)測、農(nóng)作物估產(chǎn)、氣象預(yù)報(bào)等很多軍事及民用領(lǐng)域，對(duì)經(jīng)濟(jì)和社會(huì)發(fā)展起著重大的推動(dòng)作用。

在遙感圖像的分類識(shí)別過程中，圖像的各種特征提取技術(shù)在其中扮演了重要角色。遙感圖像特征提取主要包括三個(gè)部分:光譜特征提取、紋理特征提取以及形狀特征提取。光譜信息反映了地物反射電磁波能量的大小，是圖像目視判讀的基本依據(jù)。在目前的遙感圖像處理研究中，多利用光譜特征，但隨著遙感技術(shù)的發(fā)展以及圖像解譯與分析工作的深入，人們發(fā)現(xiàn)僅僅使用遙感圖像的光譜特征，已經(jīng)不能有效地進(jìn)行計(jì)算機(jī)分析和自動(dòng)識(shí)別。文章基于此主要討論了光譜特征提取和紋理特征提技術(shù)。

一、常見的光譜特征提取方法

光譜特征是圖像中目標(biāo)物的顏色及灰度或者波段間的亮度比等，它通過原始波段的點(diǎn)運(yùn)算獲得。光譜特征的特點(diǎn)是，它對(duì)應(yīng)于每個(gè)像素，但與像素的排列等空間結(jié)構(gòu)無關(guān)網(wǎng)。光譜特征是一種地物區(qū)別于另一種地物的本質(zhì)特征，是組成地物成分、結(jié)構(gòu)等屬性的反映，正常情況下不同地物具有不同的光譜特征（在一些特殊情況下會(huì)出現(xiàn)同物異譜、同譜異物現(xiàn)象），因此根據(jù)地物光譜特征可以對(duì)遙感圖像進(jìn)行特征提取。

在遙感圖像的所有信息中最直接應(yīng)用的是地物的光譜信息，地物光譜特性可通過光譜特征曲線來表達(dá)。遙感圖像中每個(gè)像素的亮度值代表的是該像素中地物的平均輻射值，它隨地物的成分、紋理、狀態(tài)、表面特征及所使用電磁波波段的不同而變化。常用的光譜特征提取主要有以下幾種方法：

（一）主成分分析方法

主成分分析也稱為K-L變換，是在統(tǒng)計(jì)特征基礎(chǔ)上的多維（如多波段）正交線性變換，也是遙感數(shù)字圖像處理中最常用的一種變換算法。線性變換方法進(jìn)行特征提取的目的是，從高維數(shù)據(jù)空間中，產(chǎn)生出一個(gè)合適的低維子空間，使數(shù)據(jù)在這個(gè)空間中的分布可以在某種最優(yōu)意義上描述原來的數(shù)據(jù)。主成分分析就是用得最多的一種線性變換方法，它產(chǎn)生一個(gè)新的圖像序列，使圖像按信息含量（或方差）由高到低排列，圖像之間的相關(guān)性基本消除。用前幾個(gè)主成分就可以表述原始數(shù)據(jù)中絕大多數(shù)信息含量，這是信息含量在最小均方差意義上的最優(yōu)解。

（二）基于遺傳算法的特征提取

基于遺傳算法的特征提取是一種結(jié)合了遺傳算法子空間搜索功能的低階特征提取算法，它不但包括了光譜特征提取功能，還結(jié)合了空間濾波和增強(qiáng)，可以對(duì)其他特征進(jìn)行提取。通過評(píng)估適應(yīng)度函數(shù)，并對(duì)染色體應(yīng)用選擇、雜交與變異等遺傳操作算子，產(chǎn)生理論上比上一代更可行的解。重復(fù)種群的遺傳操作過程，直到找到符合條件的最優(yōu)或者次優(yōu)解。由于特征空間的復(fù)雜性，有時(shí)候此方法并不一定有效。此外，以一種類似于多項(xiàng)式擬合的技術(shù)也有一定的局限性，無法有效地表達(dá)特征空間中隱藏的頻率信息。

二、常見的紋理特征提取方法

紋理是圖像的重要特征之一，它反映了圖像灰度的性質(zhì)及其空間關(guān)系，是圖像中一個(gè)重要而又難以描述的特性。與其他圖像特征相比，紋理特征是一種不依賴于物體表面色調(diào)或亮度、反映圖像灰度的空間排列分布模式、能夠反映圖像中同質(zhì)現(xiàn)象的視覺特征。以紋理為主導(dǎo)的圖像稱為紋理圖像。通常由各種觀測系統(tǒng)獲得的圖像大多是紋理圖像。很多自然景物圖像也可以看成紋理圖像。紋理分析技術(shù)主要包括兩個(gè)方面的內(nèi)容:紋理特征提取和紋理分割。以下主要介紹幾種常用的紋理特征提取方法：

（一）灰度共生矩陣法

灰度共生矩陣又稱為灰度空間相關(guān)矩陣，是一種常用的紋理特征提取方法，它是圖像中兩個(gè)像素灰度級(jí)聯(lián)合分布的統(tǒng)計(jì)形式，能較好地反映紋理灰度級(jí)相關(guān)性的規(guī)律，圖像的灰度共生矩陣反映了圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像局部模式結(jié)構(gòu)及其排列規(guī)則的基礎(chǔ)。有了灰度共生矩陣就可分析圖像的紋理。在實(shí)際的應(yīng)用中，作為紋理分析的特征量，往往不是直接應(yīng)用計(jì)算的灰度共生矩陣，而是在灰度共生矩陣的基礎(chǔ)上再提取紋理特征量，稱為二次統(tǒng)計(jì)量。由灰度共生矩陣生成的統(tǒng)計(jì)量能很好地描述紋理方面的定量信息。

（二）Laws紋理能量法

根據(jù)一對(duì)像素或其鄰域的灰度組合分布作紋理測量的方法，常稱為二階統(tǒng)計(jì)分析方法?；叶裙采仃囀且环N典型的二階統(tǒng)計(jì)分析方法。但是如果只依靠單個(gè)像素及其鄰域的灰度分布或某種屬性去作紋理測量，其方法就稱為一階統(tǒng)計(jì)分析方法。顯然一階方法比二階方法簡單。用一些一階分析方法作紋理分類，其正確率優(yōu)于使用二階方法。Laws的紋理能量測量法是典型的一階分析方法，也是有名的通過算子計(jì)算紋理特征的方法。

（三）空間自相關(guān)函數(shù)法

紋理常用地物表面結(jié)構(gòu)的粗糙程度來描述，粗糙性是紋理的一個(gè)重要特征，其粗糙性的程度與局部結(jié)構(gòu)的空間重復(fù)周期有關(guān)。周期大的紋理粗，周期小的紋理細(xì)?？臻g自相關(guān)函數(shù)是計(jì)算紋理測度的一種基本方法。紋理測度變化的傾向是小數(shù)值的紋理測度表示細(xì)紋理，大數(shù)值的紋理測度表示粗紋理。

（四）波變換以及小波包變換方法

過去紋理分析缺乏對(duì)不同尺度的紋理的有效分析，Gabor濾波和小波變換則可以克服此缺點(diǎn)，小波變換繼承和發(fā)展了Gabor變換，不僅時(shí)頻窗口可以移動(dòng)，而且窗口形狀也隨窗口中心頻率的變化而自動(dòng)調(diào)整。主要表現(xiàn)為在高頻處時(shí)間分辨率高，在低頻處頻率分辨率高，有“聚焦”特性，所以又叫“數(shù)字顯微鏡”。小波包變換是小波變換的推廣，其理論和算法都是基于小波變換的。小波包變換能夠在所有的頻率范圍進(jìn)行聚集，不但保留了小波分解的多分辨率特性，而且充分利用了紋理圖像豐富的細(xì)節(jié)信息，對(duì)遙感圖像的紋理特征進(jìn)行提取更具有優(yōu)勢(shì)。

三、結(jié)語

圖像特征是圖像分析的重要依據(jù)，獲取圖像特征信息的操作稱為特征提取。它作為模式識(shí)別、圖像理解或信息量壓縮的基礎(chǔ)是很重要的。由于圖像具有很強(qiáng)的領(lǐng)域性，不同的領(lǐng)域圖像的特征千差萬別，與圖像所反映的對(duì)象物體的各種物理的、形態(tài)的性能有很大的關(guān)系，因而有各種各樣的特殊方法。遙感作為一種信息的獲取手段，在軍事、民用等領(lǐng)域具有重要意義，遙感圖像的分類識(shí)別是一項(xiàng)非常重要的工作，而遙感圖像的特征提取是遙感圖像分類識(shí)別的重要步驟，通過特征提取可以有效地降低數(shù)據(jù)空間的維數(shù)，從而快速、準(zhǔn)確地對(duì)遙感圖像進(jìn)行分類識(shí)別。文章分析了幾種常見的遙感圖像的光譜、紋理特征提取方法。

參考文獻(xiàn)

[1]張良培，李翠琳．基于小波變換的影像紋理特征提取試驗(yàn)[J]．測繪信息與工程，2005，(6)．

[2]裴亮，譚陽．輔以紋理特征的遙感影像神經(jīng)網(wǎng)絡(luò)分類[J]．測繪與空間地理信息，2008，(4)．

[3]楊玉靜，馮建輝．紋理特征提取及輔助遙感影像分類技術(shù)研究[J]．海洋測繪，2008，(4)．

作者簡介：楊利民（1960- ），男，有色金屬礦產(chǎn)地質(zhì)調(diào)查中心高級(jí)工程師，研究方向：工程測量、航測與遙感；胡龍華（1979- ），男，河北中色測繪中心工程師，碩士，研究方向：3S技術(shù)；羅鐵良（1957- ），男，河北中色測繪中心高級(jí)工程師，研究方向：工程測量；賈云生（1958- ），男，河北中色測繪中心高級(jí)工程師，研究方向：工程測量。