基于纹理谱的遥感影像纹理分析方法

收稿日期：２００６－０５－１５Ｄｅｃ．，２００６Ｖｏｌ．４，Ｎｏ．６２００６年１２月第４卷第６期中图分类号：Ｐ２０８文献标志码：Ｂ文章编号：１６７２－４６２３（２００６）０６－００３６－０３地理空间信息ＧＥＯＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮ基于纹理谱的遥感影像纹理分析方法聂丹１，付仲良１，张鹤２（１．武汉大学遥感信息工程学院，湖北武汉４３００７９；２．北京测绘设计研究院，北京１０００３８）摘要：重点论述了如何运用纹理谱的方法对遥感图像进行纹理分析。

通过对不同地物图像进行试验，借助计算机语言实现了各类地物图像的纹理谱特征图的计算显示，并对其进行分析比对，最终达到区分识别各类地物的目的。

关键词：纹理分析；纹理谱；纹理谱特征图ＧｒａｉｎＡｎａｌｙｓｉｓＭｅａｎｓｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＢａｓｅｄｏｎＧｒａｉｎＴａｂｌｅＮＩＥＤａｎ１，ＦＵＺｈｏｎｇｌｉａｎｇ１，ＺＨＡＮＧＨｅ２（１．ＳｃｈｏｏｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｃｈｉｎａ；２．ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，Ｂｅｉｊｉｎｇ１０００３８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｉｓｓｕｂｊｅｃｔｈａｓｄｉｓｃｕｓｓｅｄｈｏｗｔｏｕｓｅｇｒａｉｎｔａｂｌｅｔｏｍａｋｅｇｒａｉｎａｎａｌｙｓｉｓｉｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ．Ｆｒｏｍｍａｋｉｎｇｅｘｐｅｒｉｍｅｎｔｔｏｄｉｆｆｅｒｅｎｔｆｅａｔｕｒｅｓｉｍａｇｅ，ｗｅｇａｉｎｔｈｅｉｒｃｈａｒａｃｔｅｒｉｓｔｉｃｐｉｃｔｕｒｅｏｆｇｒａｉｎｔａｂｌｅ，ａｎｄａｎａ－ｌｙｚｅａｎｄｃｏｍｐａｒｅｔｈｅｓｅｃｈａｒａｃｔｅｒｉｓｔｉｃｐｉｃｔｕｒｅｓｗｉｔｈｅａｃｈｏｔｈｅｒ，ａｎｄｔｈｅｎ，ｃａｒｒｙｔｈｅｐｏｉｎｔｏｆｄｉｓｔｉｎｇｕｉｓｈｉｎｇｄｉｆｆｅｒ－ｅｎｔｓｕｒｆａｃｅｆｅａｔｕｒｅｓｆｉｎａｌｌｙ．Ｋｅｙｗｏｒｄｓ：ｇｒａｉｎａｎａｌｙｓｉｓ；ｇｒａｉｎｔａｂｌｅ；ｃｈａｒａｃｔｅｒｉｓｔｉｃｐｉｃｔｕｒｅｏｆｇｒａｉｎｔａｂｌｅ纹理分析是遥感图像分析的重要组成部分。

人们习惯把图像中局部不规则的、而宏观有规律的特性称之为纹理。

无论从理论还是常识出发，纹理信息都显然应该成为描述与识别图像的一项重要依据。

与其他图像特征或描述相比，纹理性质似乎能更好的兼顾图像宏观性质与细部结构两个方面。

为了定量的描述纹理，需要研究纹理本身可能具有的特征。

多年来，人们建立了许多纹理算法以测量纹理特征。

这些方法大体可以分为两大类：统计分析方法和结构分析方法。

无论从历史发展还是从当前进展来看，统计分析方法仍然占主导地位。

基于纹理谱的的纹理分析方法是纹理分析统计方法中的一重要分支。

然而其它的基于统计的纹理分析方法（如：灰度共生矩阵法）与其相比，由于提出时间更早，其理论和算法更为完善，固应用范围更为广泛，应用模式也更加成熟。

而基于纹理谱的图像纹理分析方法则由于理论提出较晚等一些因素，目前应用面的还是非常有限的，尤其在遥感图像地物识别领域，目前还基本没有实例的应用。

然而基于纹理谱的纹理分析方法在通过计算机语言实现并最终由计算机显示终端显示出纹理谱特征图后，可以更加直观的对图谱进行分析比对，轻松辨认识别出不同类地物，实在不乏为一种行之有效的遥感图像分析手段。

本文旨在在前人理论研究的基础上，借助计算机编程语言应用特定算法在计算机上具体实现纹理谱分析，并解决图像的纹理谱特征图的直观显示问题，最终能够使得基于纹理谱的分析方法在遥感影像的地物识别中得以很好的应用。

１基于纹理谱的图像纹理特征分析１．１纹理谱分析法基本理论纹理单元是构成纹理谱的基本单元。

数字图像的每一个像素（除边界像素外）都由８个相邻像素围着，单个像素的纹理可以从其周围的３＊３邻域中提取，这个３＊３邻域表示其中心像素所有８个方向的最小完整单元，我们称之为纹理单元。

一个给定的３＊３邻域含有９个元素，记为：Ｖ＝｛Ｖ０，Ｖ１，Ｖ２，…，Ｖ８｝，Ｖ０表示中心像素的灰度值，Ｖｉ是邻域中第ｉ个像素的灰度值。

定义一个相应的纹理单元Ｔｕ，Ｔｕ是一个包含８个元素的组合集：ＴＵ＝｛Ｅ１，Ｅ２，…，Ｅ８｝其中Ｅｉ由下式决定：Ｅｉ＝０ｉｆＶｉ≤（Ｖ０－!）１ｉｆ（Ｖ０－!）≤Ｖｉ≤（Ｖ０＋!）２ｉｆＶｉ≥Ｖ０－!#%%%%$%%%%&）（１）其中ｉ＝１，２，３，…，８，!表示一个小的正常量，元素Ｅｉ占据像素ｉ相同的位置。

由于Ｔｕ中每个元素具有三种可能的取值，所有８个元素的总和共有３８＝６５６１个可能的纹理单元。

由于没有任何特殊方法标记和排列这６５６１种纹理单元，为节省处理时间。

采用下式来标记纹理单元：ＮＴＵ＝８ｉ＝１!Ｅｉ×３ｉ－１ＮＴＵ∈｛０，１，２，．．．，６５６０｝其中Ｅｉ是纹理单元ＴＵ＝｛Ｅ１，Ｅ２，…，Ｅ８｝中的第ｉ项。

纹理单元的排列可有多种形式，本文采用顺时针方法，如图１所示：由ａ到ｈ列，在进行纹理谱统计时，排列方式统一。

值得注意的是，纹理单元的标记方式会影响纹理谱中的相对位置，但不会改变其对应的出现频数，对于一幅具有单一纹理的图像，只要给出合适的窗口，计算出的局部纹理谱应和整个图像的纹理谱是一致的。

我们称这个所有上述定义的一组６５６１个纹理单元描述了一个给定像素的“本”纹理特征，即中心像素与其周围邻域之间的相对灰度关系。

对图像的所有纹理单元的发生频数进行统计，这个发生频数函数就表征了所要分析的图像的纹理信息。

我们称这个所有纹理单元的频数发生函数为纹理谱。

用横坐标表示纹理单元数ＮＴＵ，纵坐标表示发生频数就可形成纹理谱直方图。

１．２纹理谱特征图的定性分析因为纹理谱直方图体现图像的纹理特征，故随图像中纹理成分的增加，纹理谱图像会出现较有规律的峰值变化且不同纹理图像所对应的纹理谱直方图的峰有着不同的分布，因此，可用纹理谱来表征图像的纹理特征。

这里值得提出的是对纹理单元的不同标记方法将会影响各纹理单元在纹理谱中的相对位置，但不会影响各纹理单元在纹理谱中的出现频率。

一幅图像通常由两个部分组成，纹理基元和随机噪声或背景。

纹理组分相对于背景的百分比越大，纹理特征就越容易被人的视觉所觉察。

就纹理谱而言，一幅图像的纹理组分百分比越大，就会导致特殊的峰分布，而且，不同的纹理是由具有不同纹理谱的特殊的纹理单元所组成。

从这一点上看，一幅图像的整个纹理信息由纹理谱来描述。

通过技术手段得到遥感图像的纹理谱特征图后，就可以直观的根据图像的这一谱特征对比区分地物，或者获取其他图像相关的有用信息．２技术实践应用和结论２．１具体实现技术手段及方法本文主要任务是实现纹理谱方法对纹理图像的分析，并成功的在计算机界面上实现了纹理谱特征图的显示，对得出的纹理谱特征图进行比对后得出遥感图像的纹理分析结论。

本小节将阐述的是在所调灰度图像上实现纹理谱单元的统计和纹理谱特征图的最终实现问题，它所涉及到的算法和实现技术也将是整个论文的核心。

在编程过程中它所用到的基本统计理论在前面讲纹理谱单元时已经详细论述过。

现在编程的目的就是要实现：任意给出一幅灰度图像，可以把６５６１种纹理谱单元在图像中各有多少个给统计出来。

这首先就要计算纹理单元各元素的Ｅ值，其中Ｅｉ由公式（１）决定：以１～６５６１个纹理谱单元为横坐标轴，每种纹理单元的个数为纵坐标轴，所显示出来的统计坐标谱相即为需要的该图纹理谱特征图像。

该部分的核心实现代码如下：．．．／／开始顺序滤波ｆｏｒ（ｉ＝１；ｉ＜ｌＨｅｉｇｈｔ－１；ｉ＋＋）｛ｆｏｒ（ｊ＝１；ｊ＜ｌＷｉｄｔｈ－１；ｊ＋＋）｛／／指向新ＤＩＢ第ｉ行，第ｊ个象素的指针ｌｐＤｓｔ＝（ｕｎｓｉｇｎｅｄｃｈａｒ＊）ｌｐＤＩＢＢｉｔｓ＋ｌＬｉｎｅＢｙｔｅｓ＊（ｌＨｅｉｇｈｔ－１－ｉ）＋ｊ；ｍｅｍｓｅｔ（Ｅ，０，ｓｉｚｅｏｆ（ｌｏｎｇ）＊９）；／／读取文理谱单元数组ｆｏｒ（ｋ＝０；ｋ＜３；ｋ＋＋）｛ｆｏｒ（ｌ＝０；ｌ＜３；ｌ＋＋）｛／／指向ＤＩＢ第ｉ－１＋ｋ行，第ｊ－１＋ｌ个象素的指针ｌｐＳｒｃ＝（ｕｎｓｉｇｎｅｄｃｈａｒ＊）ｌｐＤＩＢＢｉｔｓ＋ｌＬｉｎｅＢｙｔｅｓ＊（ｌＨｅｉｇｈｔ－１－ｉ＋１－ｋ）＋ｊ－１＋ｌ；／／判断邻域的Ｅ值ｉｆ（＊（ｌｐＳｒｃ）＜＊（ｌｐＤｓｔ）－１）Ｅ［ｋ＊３＋ｌ］＝０；ｅｌｓｅｉｆ（＊（ｌｐＤｓｔ）－１＜＊（ｌｐＳｒｃ）＆＆＊（ｌｐＳｒｃ）＜＝＊（ｌｐＤｓｔ）＋１）Ｅ［ｋ＊３＋ｌ］＝１；ｅｌｓｅｉｆ（＊（ｌｐＳｒｃ）＞＊（ｌｐＤｓｔ）＋１）Ｅ［ｋ＊３＋ｌ］＝２；｝｝／／计算出文理谱标记号ｍａｒｋ＝Ｅ［０］＋Ｅ［１］＊３＋Ｅ［２］＊３＊３＋Ｅ［３］＊３＊３＊３＋Ｅ［５］＊３＊３＊３＊３＋Ｅ［６］＊３＊３＊３＊３＊３＋Ｅ［７］＊３＊３＊３＊３＊３＊３＋Ｅ［８］＊３＊３＊３＊３＊３＊３＊３；ｍ＿Ａ［ｍａｒｋ］＋＋；｝．．．以上程序代码在计算纹理单元九个元素的Ｅ时借用了滤波器的原理，使得运算、编程更加的简洁易懂。

最终得到每种纹理单元的个数及应在ｗｉｎｄｏｗｓ上绘出的像素个数，使得纹理谱特征图得以成图。

下面对具体的实验材料进行处理分析。

２．２实验结果分析及结论经过前期的准备工作和程序的编写，基于纹理谱的图像处理程序已经完成，调用程序，当灰度图被调出时，点击“处理”下拉菜单下的“纹理谱特征”选项，便可以得到该图像的纹理谱特征了。

下面将给出沙地、植被各两幅图像运用程序进行ａｂｃｈｄｇｆｅ图１纹理单元排列形式聂丹等：基于纹理谱的遥感影像纹理分析方法第４卷第６期・３７・处理，并对其结果进行定性的分析比较。

如图２所示。

图２是从卫星遥感得到的Ｓｐｏｔ影像图中节选的沙地、植被各两幅图片。

现对上面四幅图片用程序进行处理得到以下纹理谱特征图，如图３。

如图３所示，我们可以看到，沙地ａ、ｂ，植被ｃ、ｄ它们之间所呈现出的纹理谱特征极为的相似。

在沙地ａ、ｂ中，纹理谱的峰值都是主要集中在纹理谱两端和１／３、２／３处，也就是说该种地物呈现出的图像其纹理单元主要以这些单元组成；再看植被ｃ、ｄ，从中我们也可以很容易看出，纹理谱的峰值主要集中在中间和两端，即这类地物呈现出的图像其纹理单元主要以这些单元组成，从图中可一目了然。

再进行纵向比较可以看出，在沙地、植被这两类地物的纹理谱特征图中，它们两两之间的谱特征还是有着较大的区别，不用计算机进行定量分析，用肉眼就可以很直观的辨别出类与类之间谱特征的不同，从而可以很容易的把相同地物归类在一起，把不同地物类型区分开来。

从以上的试验和分析比较我们可以得出以下结论：用纹理谱特征图对图像进行分析处理是可以直观地分析出图像的构成纹理单元的结构的，并可以对不同类纹理图像达到辨别区分的目的，是一种行之有效的纹理分析的好方法。