多尺度理论及图像特征.
– 基于对象:
• 优点:能够包含地物的空间信息,提高转换精度。
• 缺点:如何合理定义对象的分割尺度是难点。
• 转换方法:
– 地理差异法(Geographic variance method),小波变换法(Wavelet transform method),局部差异法(Local variance method),半方差函数 法(Semivariagram based emthod),分形方法(Fractal method)
所以颜色特征不能很好地捕捉图像中对象的局部特征
– 仅使用颜色特征查询时,如果数据库很大,常会将许
多不需要的图像也检索出来
1.1 遥感尺度问题
• 遥感尺度问题(李小文 [3],周觅[4]):
– 遥感主要关注的是测量尺度,不同来源的遥感信息数据在时 间尺度和空间尺度上都有着很大的差距,在一个尺度上观察 到的现象、总结出的规律、构建的模型,在另一个尺度下则 有可能不适用。
– 因此,需要根据不同应用目的选择最佳的尺度,使得所选尺
度的影像能够最大限度的反映目标地物的空间分布特征。 – 例如:一张树叶到一片森林的空间尺度是数量级,很难想像 在叶片上适用的模型会同样适用于森林。
1.1 尺度转换
• 尺度问转换(周觅[4]):
– 在同一幅影像中也会存在不同尺度的地物,导致信息 提取时所需的最佳尺度不甚一致。但是,获取的遥感 信息数据的尺度却比较单一。因此,需要进行尺度转 换来适应不同尺度地物的提取。 – 尺度转换定义为:将一幅影像从一个空间或光谱尺度 转换到另一个空间或光谱尺度的过程。
的光谱分辨率,同时还为后续的光谱运算、光谱分析提供了可能。
(周觅[4])
1.1 融合转换
• 融合 (周觅[4],彭晓鹃[5] ):
– 尺度收缩的方法:基于空间域和基于变换域。 (周觅[4]) • 1.基于空间域的融合:针对影像的像素灰度值直接进行运算的 方法,算法简单、易于实现,但是细节表现力达不到要求; • 2.基于变换域的融合:先将原始图像进行变换,然后在变换域
1.1 图像特征
几何形状
颜色特征
色
亮度信息特征
(光谱)
图像 特征
边缘特征 纹理特征 空间关系
形
色调、颜色、阴影、反差
形状、大小、空间布局、纹理
1.1.1 颜色特征
• 特点:
– 全局特征、基于像素点的特征
– 描述图像或图像区域所对应的景物的表面性质
– 颜色对图像或图像区域的方向、大小等变化不敏感,
多尺度理论及图像特征
2012.6
1.1 尺度
广义尺度
Lam等【1】
空间尺度
时间尺度
语义尺度
制图尺度 地图比例尺
图上距离与实际 距离之比
大比例尺→小范 围、详细信息
地理尺度 观测尺度
研究的空间范围 或大小
如:大尺度覆盖 大的ቤተ መጻሕፍቲ ባይዱ究区域
运行尺度 有效尺度
地学现象发生的 空间范围 一定环境中发挥 效应的尺度 如:森林比树的 运行尺度大
分辨率 测量尺度
区分目标的最小 可分辨单元 (如:像元) 遥感主要关注的 尺度
1.1 尺度研究的问题
• 尺度研究的问题(Goodchild[2]):
– 尺度在空间模式和地表过程检测中的作用,以及尺度 对环境建模的冲击; – 尺度域(尺度不变范围)和尺度阈值的识别; – 尺度转换,尺度分析和多尺度建模方法的实现。
辨率影像转换为高分辨率影像的过程。主要是通过多源遥感信息 影像融合的方法实现的。
1.1 尺度转换方法
• 方法 (彭晓鹃[5])(按转换基础):
– 基于像元(简单易行):统计方式、融合转换以及分类转换
像元包括数据的空间分辨率、时间分辨率、光谱分辨率等信息 缺点:只考虑了地物的光谱信息,无法兼顾地物的空间结构形态特征, 难以解决同谱异物和同物异谱问题,致使难以得到稳定的转换效果。 而地物类别的空间结构形态是根据类别的属性差异呈聚集状分布, 因此遥感影像中的地物类别特性不仅表现在单纯的光谱信息上,还 表现在形状、纹理等特征上。
1.1 尺度转换分类
• 分类 (周觅[4],彭晓鹃[5])(按不同的转换方向):
– 尺度扩展(聚合):从小尺度影像转换到大尺度影像的过程,
也就是将高分辨率影像转换为低分辨率影像的过程。 • 常见转换方法:基于统计和基于机理
– 尺度收缩(分解):大尺度影像进行转换得到小尺度影像的
过程,从低空间分辨率数据中提取亚像元成分的信息,即把低分
1.1 融合转换
• 融合(周觅[4],彭晓鹃[5] ) :
– 主要用于尺度收缩的转换,通过将一个尺度影像信息融入另一尺度 影像来达到尺度转换目的。遥感影像的空间细节信息多体现在高 频信息上,而光谱信息则多集中于低频部分。 (彭晓鹃[5] ) – 在转换过程中,基本原则是在尽可能保持原图像光谱信息的前提 下,提高其空间分辨率。 (彭晓鹃[5] ) – 利用高空间分辨率影像和高光谱分辨率影像进行融合,使得融合 后的影像具有较高的空间分辨率有利于目视解译,同时还有较高
中进行信息融合,最后进行逆变换得到融合后影像的方法,细
节表现力强,但是算法相对复杂。 – 目前常用的主要有彩色模型变换方法、直方变差图、主成分分析
法、高通滤波、小波分析。 (彭晓鹃[5] )
1.1 尺度转换结果评价
• 结果评价 (周觅[4]):
– 遥感影像进行尺度转换后,进行了重采样,不可避免地会导致不 同程度的信息损失或变异,例如面积、形状、细节、纹理等变化。 因此,需要一些主、客观评价方法来评定不同转换方法的优劣。 – 尺度转换方法评价的标准是转换后影像能够最大限度的保持转换 前影像的有用信息。主观评价主要是靠目视解译,用目视的方法 考量尺度变换后影像的清晰程度。 – 客观评价方法: • 1.针对空间统计信息的信息熵、方差、平均梯度(清晰度), • 2.针对光谱信息的偏差指数和相关系数等。
– 基于对象:对遥感影像纹理特征的提取及合理分割
以对象为基本单元,在高空间分辨率影像上利用影像多尺度分割技 术,构建不同尺度的影像信息等级结构,实现遥感影像信息在不同尺 度层之间的传递。
1.1 尺度转换方法
• 转换方法比较 (彭晓鹃[5]):
– 基于像元(简单易行):
• 优点:易于操作 • 缺点:无法有效利用影像提供的地物空间信息,导致精度难以提高。