搜索
雷达图像的纹理有细微、中等和宏观3种。细微纹理分辨单元的大小和分辨单元内的独立样本数有关。以分辨单元为尺度表示的空间色调变化,由雷达图像固有的光斑特性决定。这种纹理特征不能用于识别目标。中等纹理是以多个分辨单元为尺度来表示空间色调变化,同一种目标的若干分辨单元空间排列的不均匀性,以及不同目标的细微纹理所占分辨单元的个数,是识别面目标的重要信息之一。这是识别目标的主要依据。宏观纹理是由于雷达回波随地形结构特征的变化改变雷达波束与目标之间的几何关系和当地入射角形成的,反映地形地貌的结构特征,因此,是雷达图像地质地貌解译的重要标志之一。小波变换作为一种多分辨率分析工具,为不同尺度上信号的分析和表征提供了精确和统一的框架。在某些区域,例如热带森林地区,大的结构存在于大的尺度中,而在某些区域,纹理则存在于小的尺度中,同一种地物在不同尺度上的纹理也不相同（沙漠等）这为多尺度纹理测度提供了基础,应用小波变换的最终目的是从SAR图像中提取多尺度纹理信息。f1.a1层分解低频图像f1.b1层分解水平高频系数图f1.c1层分解垂直高频系数图f1.d1层分解对焦高频系数图f1.e一层分解图f1.f一层分解图f2第二层分解低频高频分解系数图f3前两层小波分解系数图f4.af4.bf4.cf4.dF4一层小波分解L1范数纹理图像f5.af5.bf5.cf5.dF5二层小波分解L1范数纹理图像f6L1范数k均值聚类图f7小波能量k均值聚类图F8实验区典型地物纹理图(Topleft-bottomright:居民区1居民区2裸地农田山区水体盐碱地沙漠)表1经过en-lee3*3滤波图像纹理特征居民区居民区2裸地农田山区水体盐碱地沙漠F17.688.48950.9552253.764954.5963254.7740754.16557510.50035F20.4922250.4821750.6940.52420.5625750.494450.5376250.447025F30.89550.85820.74490.7911750.9072250.8601250.8744750.848975F40.012850.0092750.0691250.0166750.0156250.00980.016350.007525F55.1624513.5145757.37602512.0288517.236355.1594517.5919259.094625F60.8075250.57980.4406250.517750.43210.78480.4217250.771875F70.66160.5899750.457950.42470.74070.74230.5871250.55475F80.5158250.16030.0141750.0912750.02170.462050.0259250.466425F9838.7819671.0037492.7000525.8305303.0217697.4868589.1124789.1633表2原始图像纹理特征居民区居民区2裸地农田山区水体盐碱地沙漠F129.7633.107585.2460518.7913317.2376524.983616.5274533.47688F20.3552750.3260.4767750.344950.383950.32190.3722250.3332F30.6852750.6082250.4414750.5190.7288750.5914250.6717250.655325F40.009550.0042250.020.00520.0060250.0033250.0059750.00615F513.5732531.7717335.0123836.243819.9511313.8804527.793820.64633F60.72060.4835750.35850.35560.3360.678350.4374750.672925F70.4422750.3518750.55370.363850.2097250.5098750.1985250.39195F80.39370.107750.0176250.0226750.0069250.319950.0689250.3311F9839.0948672.1636303.0232589.1244492.8143697.4790525.8324789.3439F1~F4GLCMtexturefeatures:CON;HOM;COR;ASMF5~F8WAVE-GLCMtexturefeatures:CON;HOM;COR;ASMF9WAVEL1GLCM14texturefeatures不同的分解层不同的小波分解系数共生矩阵衍生的纹理特征不同尺度上的结合小波框架分解尺度共生矩阵尺度游程矩阵所衍生的纹理特征计算距离时纹理特征归一化已知纹理特征的建立怎样验证取图像的一部分作为验证数据？再在图像找相同的地物类型作为验证数据？纹理特征图像的聚类L1范数熵能量统计纹理特征作为特征向量的聚类精度问题