多尺度理论及图像特征.

多尺度理论及图像特征2012.6广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：大尺度覆盖大的研究区域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空间尺度时间尺度语义尺度1.1尺度Lam等【1】•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。1.1尺度研究的问题•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遥感尺度问题•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。1.1尺度转换•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尺度转换分类•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。–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。–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（Geographicvariancemethod），小波变换法（Wavelettransformmethod），局部差异法(Localvariancemethod)，半方差函数法（Semivariagrambasedemthod），分形方法（Fractalmethod）1.1尺度转换方法•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融合转换•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。1.1尺度转换结果评价色图像特征形颜色特征亮度信息特征（光谱）几何形状边缘特征纹理特征空间关系1.1图像特征色调、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，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•颜色特征表达：–颜色直方图、颜色集、颜色矩、颜色聚合向量、颜色相关图•颜色直方图–优点：能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。–缺点：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。–最常用的颜色空间：RGB颜色空间、HSV颜色空间。–颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。1.1.1颜色特征1.1.2亮度信息特征•特点：•图象上的每一个象元亮度值的大小反映了他所对应的地面范围内地物的平均辐射亮度，该亮度值受到地物的成分，结构，状态，表面特征等因素的影响。•光谱响应特征在多光谱遥感影像地物识别中是最直接也是最重要的解译元素，地表的各种地物由于物质组成和结构不同而据有独特的波普反射和辐射特征，在图像上反映为各类地物亮度值的差异，因此可以根据这种亮度值的差异来识别不同的物体。•影像各波段的亮度值是地表光谱特征通过大气层的影响被卫星传感器接收记录的数据，每个象元各波段的亮度值代表了该象元中地物平均反射和辐射值的大小。1.1.3几何形状•几何特征：–周长、面积、距离、位置与方向等特征•形状内容：–矩形度、宽长比、球状性、圆形度、不变矩、偏心率•形状特征描述方法–轮廓特征：•边界特征法、傅里叶形状描述符法–区域特征：•几何参数法、形状不变矩法、有限元法（FiniteElementMethod或FEM）、旋转函数（TurningFunction）和小波描述符（WaveletDescriptor）等1.1.3形状特征•优点：–可以有效利用图像中感兴趣的目标来进行检索。•缺点：–目前基于形状的检索方法还缺乏比较完善的数学模型；–如果目标有变形时，检索结果往往不太可靠；–许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；–许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。–从2-D图像中表现的3-D物体实际上只是物体在空间某一平面的投影，从2-D图像中反映出来的形状常不是3-D物体真实的形状，由于视点的变化，可能会产生各种失真。1.1.4边缘特征•特点–边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。–能大大地减少所要处理的信息，但是又保留了图像中物体的形状信息。•边缘检测方法：–传统边缘检测方法•Roberts算子、Sobel算子、高斯-拉普拉斯算子等–Canny边缘检测–小波多尺度边缘检测1.1.4边缘特征•常见的边缘类型：–阶跃不连续：即图像强度在不连续处的两边的像素灰度值有着显著的差异；–线条不连续:即图像强度突然从一个值变化到另一个值，保持一较小行程后又回到原来的值。理论曲线实际曲线(a)阶跃函数(b)线条函数两种常见边缘一阶导数和二阶导数示意图1.5纹理特征•定义（尚无统一的定义）：–由许多相互接近的、互相编织的元素构成–富有周期性•分类：–人工纹理：•某种符号的有序排列，符号是：线、点、字母等•有规则–自然纹理：•具有重复排列现象的自然景象，无规则•如：砖墙、森林、草地等1.5纹理特征•纹理：–灰度值在空间上的变化–不仅反映了图像的灰度统计信息，而且反映了地物本身结构特征和地物空间排列的关系•特点：–全局特征，非基于像素点的特征、表面特征–仅仅利用纹理特征是无法获得高层次图像内容的仅使用颜色特征(原因：纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性)–不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算–局部区域中像素位置之间的相关性1.5纹理特征•优点：–具有旋转不变性，且对噪声有较强的抵抗能力•缺点：–当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差–可能受到光照、反射情况的影响，从2D图中反映出来的纹理不一定是3D物体表面真实的纹理–可用于检索具有粗细、疏密等方面较大差别的纹理图像；如果纹理之间的粗细、疏密相差不大，则难于应用。–将纹理信息应用于检索时，有时这些虚假纹理会对检索造成“误导”。1.1.6空间关系•特点：–空间关系：图像中分割出的多个目标相互间的位置或相对方向关系–分为连接/邻接关系、交叠/重叠关系和包含/包容关系等描述图像或图像区域所对应的景物的表面性质•分类：–相对、绝对：•相对空间位置信息：强调的是目标之间的相对情况，如上下左右关系等•绝对空间位置信息：强调的是目标之间的距离大小以及方位–可能性：•确定性空间关系：两地物间的空间关系是确定的，A存在，B就存在。•概率性空间关系：A存在，说明有存在B的可能性。1.1.6空间关系•优点：–可加强对图像内容的描述区分能力•缺点：–对图像或目标的旋转、反转、尺度变化等比较敏感–实际应用中，仅仅利用空间信息往往是不够的，不能有效准确地表达场景信息。–为了检索，除使用空间关系特征外，还需要其它特征来配合。•常用的特征提取与匹配方法（两种）：–先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像特征，并建立索引。–简单地将图像均匀地划分为若干规则子块，然后对每个图像子块提取特征，并建立索引。形状vs纹理•通常纹理特征比较容易获得，而形状特征的计算比较复杂形状vs颜色•颜色特征多具有平移、旋转和尺度不变性，而不少形状特征（如边缘方向）只具有平移不变性纹理vs颜色•颜色特征充分利用了图像的色彩信息，而纹理特征只利用了图像的灰度信息（彩色纹理特征不多见）•颜色特征侧重于图像整体信息的描述，而纹理特征更偏重于局部不同特征的相对特点2.1多尺度表达•多尺度表达：在一定尺度范围内描述目标结构•基本思想：–对原始信号嵌入一族尺度参数变化的信号，大尺度下信号的结构应该是小尺度下信号结构的简化。(刘立[6]，陈敏[7]）–这种思想早在1971年就被Roserfeld以及Thnimoto提了出来，利用不同尺度的算子实现边缘检测。Hanson与Riseman(1974)以及Tanimoto等人采用不同层次的空间分辨率描述图像，对不同层次的图像下采样。这种思想后来被crowleyy进一步发展，形成一种至今仍被广泛使用的多尺度表达方法一金字塔。–另一种重要的多尺度技术就是所谓的“尺度空间“(scafesPac