1、摘 要I毕业设计论文基于纹理信息的高分辨率无人机遥感图像分割目 录II毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文） ，是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日 期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业
2、设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 摘 要III摘 要虽然近年来高分辨率遥感影像数据呈现急剧性增长，但日益增长的数据需求与落后的影像分析技术之间的矛盾却越来越突出,造成的原因主要是落后的影像分析技术不能把原始的遥感影像数据转化为工程应用中所需的数据。图像分割是从图像处理到图像分析的关键步骤，在图像工程中占有重要的地位。所以有必要对图像分割相关的两个方面进行了一定的分析和改进。第一个方面是向对象影
3、像分割算法分析和改进。在分析了面向对象的边缘检测和区域增长法两种面向对象影像分割方法的基础上，重点对区域增长法从两个方面进行了改进：第一，设计了新的增长规则；第二，增加了异质点去除环节。这样使算法减少过分割现象并在抗噪声方面也得到提升，最终使图像分割质量得到了有效的提升。第二个方面是对纹理信息提取技术的研究。对比分析了 Tamura 纹理和灰度共生矩阵两种纹理信息提取方法重点对灰度共生矩阵各参数对纹理特征的影响进行深入的研究。为了使通过共生矩阵能得到更合理的纹理特征，首先对 10 种纹理特征间的相关性进行分析，从而选出具有代表性的纹理。然后对开窗大小与各纹理特征的间的关系进行分析，从而为计算共
4、生矩阵时的开窗大小选择提供依据。最后按照前面的研究结果把纹理特征和光谱特征结合起来对高分辨率无人机遥感影像进行了面向对象的分割，并进行了相应的定性和定量分析。定量分析方面与不考虑纹理信息的分割结果通过优度实验法进行了对比研究。结果表明考虑了纹理信息的面向对象分割能更真实有效的反映图像中地物目标的整体结构，为进一步有效的地物分类提供保障。关键词：纹理特征，无人机遥感，面向对象图像分割 ABSTRACTIVABSTRACTThe contradictions between the increasing need of Remote Sensing Image Data and Outdated
5、image segmentation technology is becoming increasingly evident, altHough the amount of High-Resolution Remote Sensing data growing exponentially in recent years. The outmoded Image Analysis technologies can not convert Raw Remote Sensing Image Data to be useful data for application in Engineering is
6、 tHough to be the major reason. Image segmentation is a key step in image processing and image analysis. So, it is necessary to renew the knowledge of Relevant Technologies and make improve, which include texture analysis and image segmentation algorithm in this thesis.Study on Object-oriented Segme
7、ntation algorithm of Remote Sensing Image. Based on the analysis of the edge detection and Seeded Region Growing algorithm, a new algorithm was brought up, which is different from classical algorithm in two aspects:First, a new criterion of region growing is designed. Secondly, we propose a region m
8、erging rules based on the area and contrast, which can restrain the over-segmentation problem effectively and improve the anti-noise ability. Experiment results indicate that the method can improve the quality of image segmentation.Study on texture information extraction technologies. The Comparison
9、 of the two kind of Texture information extraction technology was carried out. Through the study on the correlation of the 11 texture feature and the effect of the window size on texture features quality, a scientific basis for choosing texture feature and the optimum window size was presented.Accor
10、ding to the Research above, a texture image segmentation algorithm based on object-oriented which combines texture features and spectral characteristics was presented. In order to verify the accuracy of image segmentation, the new algorithm was applied to segmenting UAVRS images and a comparison bet
11、ween this approach and classical classification approaches has been carried out. The study conclusion shows that the new method is and more reliable comprehensive in reflecting the ground objects in the image.Keywords：Texture Feature, UAVRS, Object-oriented Image Segmentation目 录V目 录第一章 绪 论 .11.1 选题依
12、据与研究意义 .11.2 纹理分析的研究现状及发展趋势 .31.3 论文主要章节结构 .7第二章 面向对象影像分割算法 分析和改进 .82.1 面向对象技术的理论基础 .82.1.1 面向对象分割的含义 .82.1.2 面向对象的优越性 .92.1.3 遥感中的尺度问题 .102.1.4 多尺度影像分割技术 .102.2 面向对象的边缘检测方法 .122.2.1 传统图像边缘检测与面向对象思想的结合 .122.2.2 Hough 变换直线检测 .132.2.3 Hough 变换的推广 .172.3 区域增长法 .192.3.1 区域增长类型和准则 .192.3.2 传统的区域增长算法 .212
13、.3.3 存在的问题 .222.4 区域增长法的改进 .232.4.1 算法的抗噪性 .232.4.2 复合式增长准则 .242.4.3 异质点的去除 .252.4.4 改进算法流程 .272.5 本章小结 .28第三章 纹理信息提取方法 .303.1 纹理特征谱 .303.2 基于 Tamura 纹理的方法 .323.2.1 六个重要 Tamura 纹理特征的描述 .32目 录VI3.2.2 Tamura 纹理特征的提取 .353.3 基于共生矩阵的方法 .373.3.1 共生矩阵概述 .373.3.2 灰度共生矩阵（GLCM）的定义 .373.3.3 灰度共生矩阵导出的纹理特征及相关性研究
14、 .383.3.4 关于各参数对纹理特征影响的研究 .413.3.5 综合灰度共生矩及纹理阵特征的提取 .453.4 本章小结 .47第四章 基于共生矩阵的无人机遥感图像的面向对象分割 .494.1 数据准备 .494.1.1 影像数据的获取 .494.1.2 数据预处理 .504.2 实验区纹理信息的提取 .524.2.1 纹理特征矩阵计算 .524.2.2 主成分分析 .544.3 分割算法实现 .574.4 分割结果及视觉对象化 .614.5 实验结果评价 .664.5.1 定性分析 .674.5.2 定量分析 .694.6 本章小结 .71第五章 结论与展望 .725.1 内容总结 .
15、725.2 研究展望 .73致 谢 .75参考文献 .76在学期间的研究成果 .80第一章 绪 论1第一章 绪 论20 世纪 90 年代，当时的国家科委经过科学、充分的可行性研究和专家论证在“九五”科技攻关计划中设置了“重中之重”的“遥感、地理信息系统、全球 定位系统技术综合应用研究”项目。攻关领域涉及国家级基本资源与环境遥感动态信息服务体系、重大自然灾害监测与评估业务运行系统、国产地理信息系统基础软件，推动 GIS 产业化和示范应用、遥感前沿高技术研究、发展国家空间信息基础设施等重要方面 1。遥感在这几方面都起着基础性的关键作用，没有遥感的发展，即使其它方面发展了也会出现“木桶”效应。遥感技
16、术与国民经济、人民生活密切相关。同时它又是一个对物质基础要求较高的项目领域。卫星、处理设备等等没有大 规模的资金投入，项目很难有所收获。我国从 2006 年至 2010 年四年时间发射了遥感卫星一号到九号九个遥感卫星，而 2009 年一年就发射了三颗，单从数量上就可以看出遥感近几年我国对遥感领域的巨大投入和重视程度。1.1 选题依据与研究意义虽然我国在遥感方面起步比较晚，但是到目前也有四十多年的发展，不论在遥感平台还是遥感应用技术都逐步走向完善。目前己被广泛地应用于国民经济的各个领域。总体上来说可以把遥感技术分为两部分：数据获取和数据利用。在数的获取方面世界各国如美国、欧空局、中国、巴西、日本
17、、加拿大、印度和俄罗斯相继发射了许多遥感卫星，而且在传感器方面的改进也有了飞速的发展，数据的分辨率是越来越高。遥感数据源的不断丰富使得遥感应用领域不断扩大，然而遥感应用处理中的共性关键技术，比如图像信息识别和变化检测等方面还很大程度上的依赖于人工的目视。为此对于这些关键性问题的研究就成为遥感进一步发展的动力。另一方面遥感影像分辨率的提高使得存储在图像中的信息更为丰富，不仅包含了自然特征还包含了像道路这样的人工地物。刚有包含复杂信息的遥感图像是不够的，要想使精确到米级的军事打击、国家可以更精确地监测农作物的长势和估算收成并作出关系民生的决策、地震灾区的真实情况可以更快的展现在决策者电子科技大学硕
18、士学位论文2面前和科学家能够注视环境敏感地区并预报趋势等成为现实，我们还需要就是较好的针对高分辨率遥感影像的影像分析技术。遥感图像的两大基本特征同时也是遥感影像分析的两个基本要素是光谱特征和纹理特征。到目前为止，大多学数学者在研究中利用的基本上只是地物的光谱信息。由于遥感的应用越来越广泛，同时对精度或客观程度要求越来越高，落后的图像分析技术与快速发展的遥感应用之间的矛盾越来越突出。虽然光谱信息能反映了地物反射电磁波能量的大小，能直观的反映地物特征，但是由于存在其他干扰因素，使得同样的地物可能在遥感影像上得到的光谱值却是不一样的，还有就是不同的地物在遥感影像的光谱信值是一样的如河流和湖泊。而纹理
19、信息可以在一定程度上弥补这一缺陷，纹理反映了图像灰度模式的空间分布，包含了图像的表面信息及其与周围环境的关系，更好的兼顾了图像的宏观结构与微观结构。所以针对纹理信息的遥感影像分析技术的研究显的越来越迫切。子对象子对象子对象子对象整幅图像对象层对象层对象层像元层图 1-1 面向对象影像分析技术的对象管理示意图传统的影像分析技术还存在的一个问题是容易产生“椒盐”状图斑。由于传统的影像分析技术是基于单个像元分析的，不考虑像元与邻域像元的关系，更不考虑“像元集”产生的纹理和形状信息。面向对象的影像分析技术就是针对这一问题而产生的。它首先根据应用目的选择合适的尺度对影像进行初分割，然后进行相似区域合并进
20、而形成新的对象层，如果需要还可以合并成新的对象层。对象第一章 绪 论3层和这些层间的连接方式以层次结构的方式进行（如图 1-1） 。每个影像对象都知道它的相邻对象、它的子对象以及它的父对象，通过垂直连接对象，可以访问尺度、纹理、形状和空间位置等属性。1.2 纹理分析的研究现状及发展趋势从上个世纪 70 开始，图像纹理分析与应用一直是从事模式识别和计算机视觉方面专业人员所关心的问题。尤其近年来纹理分析渗透到遥感影像分析中，并扮演着重要的角色。纹理分析的广泛的应用推动了学者对纹理相关理论的研究。许多研究表明，纹理信息可以提高图像识别的精确性 2-3。因此，如何充分利用纹理信息，对遥感图像的分析和识
21、别具有重要意义。虽然关于纹理的具体定义在业界还没有统一的标准，但是大部分学在下面几个方面都有一致的认识：1）纹理分析指的是通过一定的图像处理技术抽取出纹理特征，从而获得纹理的定量或定性描述的处理过程 4。2）纹理可被看作是由一组纹理基元在一定范围内的有规律的重复出现构成。3）遥感影像纹理结构的定量信息不能用传感器直接获取，而只能靠数学分析和变换方法从灰度图像中求取。Tuceryan 提出将纹理分析方法分为五类：统计方法、几何方法、结构方法、模型方法和信号处理方法。经过多年的发展有些方法日趋成熟（如统计法） ，有些则逐渐体现出方法本身的弊端，限制了其在实际中的应用（如几何法） 5。下面将对每种方
22、法进行阐述。1) 模型法模型法主要有随机场模型、自回归模型、分形模型三类。它是通过将纹理图像建模后把纹理特征提取问题转化为参数估计的一种方法。所以模型家族的方法主要研究如何采用优化参数估计方法进行参数估计。随机场模型方法是通过概率来描述纹理信息的过程，实质上是描述图像中像素对其邻域像素的统计依赖关系。在随机场模型中应用比较广泛的是马尔可夫模型。马尔可夫模型建模的的基本思想是通过任意像素关于其邻域像素的条件概率分布来描述纹理的统计特性。早期 MRF 首先被用于纹理合成领域 6。之后被用于描述纹理和纹理分类与分割。马尔可夫模型与统计决策理论与估计理论结合使得电子科技大学硕士学位论文4它对各种各样的
23、纹理图像建模变的更加容易，同时得到广泛的应用。自回归模型是通过邻域的灰度级来估计本像元的灰度级，此法最早是由McCormick 等人 7提出。参数的估计可以用最小均方误差准则或最大似然估计方法。分型维数可以很好地表征纹理的粗糙程度，而且对尺度变化也不敏感，同时还可以把图像的空间信息和灰度信息简单而又有机地结合起来,因而在图像处理中备受人们的关注。在应用分形法时要注意两点：第一认为自然界中不同种类的形态物质一般具有不同的分数维;第二是假设自然界中的分形与图像的灰度表示之间存在着一定的对应关系。分数布朗运动模型是分形模型中较出名的一种，它之所以能用来描述纹理是因为它把自然的粗糙表面看成随机游走的最
24、终结果。马尔科夫模型的主要优点是提供了一种一般而自然的用来表达空间上相关随机变量之间的相互作用的模型。它能够兼顾纹理局部的随机性和整体上的规律性,并且具有很大的灵活性。采用随机场模型法对遥感影像纹理特征进行描述并在此基础上进行分割,在很大程度上符合或反映了地学规律。MRF 将纹理图像中像素的空间交互建模为基于平面网格上的 MRF,通过迭代的算法将纹理的局部信息逐步传递到整个图像,但算法的计算量相当大,且还会随着图像尺寸的增大或噪声的增多而增加。在其迭代优化过程中它由局部到全局的收敛速度很慢,因而需要很大的计算量。为了能清楚的描述纹理特征通常需要建立一个复杂的模型，同时模型系数的求解和参数的调节
25、都有相当的难度。但是如果模型相对简单则不能充分的反映纹理特征。所以把握模型的复杂程度和纹理的描述间的平衡点就显的格外的重要。2)滤波法通过滤波的进行纹理信息提取的方法主要有数字图像变换方法和小波变换方法。它们的共同之处在于某种线性变换、滤波器或滤波器组将纹理转到变换域,然后应用某种能量准则提取纹理特征 8。大多数基于滤波的方法都基于这样一个假设:频域的能量分布是能够鉴别纹理的。一般这类方法的处理过程是这样的：首先对图像进行滤波,把各滤波通道的输出认为是初始特征，且认为初始特征的差异包含了纹理信息的差异；接下来的进行局部能量的估计。数字图像变换方法通常是先把图像划分为不重叠的 nn 的方形子图像,并将像素排列成 n2维的向量。然后对这些向量做一定的变换得到纹理特征。小波变换方法是模拟人的大脑对自然特征的视觉直接感受的过程。人对自然界的事物的认知是建立在在头脑中巨大物体模型和常识供其识别使用。为了能让
