CN111797679A - 一种遥感纹理信息处理方法、装置、终端及存储介质 - Google Patents
一种遥感纹理信息处理方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN111797679A CN111797679A CN202010425191.1A CN202010425191A CN111797679A CN 111797679 A CN111797679 A CN 111797679A CN 202010425191 A CN202010425191 A CN 202010425191A CN 111797679 A CN111797679 A CN 111797679A
- Authority
- CN
- China
- Prior art keywords
- image
- slope
- pixel
- gray
- texture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims description 22
- 238000003672 processing method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 11
- 239000003814 drug Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种遥感纹理信息处理方法、装置、终端及存储介质,所述遥感纹理信息处理方法包含:获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;基于所述灰度图像获得纹理特征信息。本发明提取的纹理特征/信息更加准确、精细,使得基于该纹理特征/信息作出的分类的精度得到提升。
Description
技术领域
本发明涉及遥感信息处理技术领域,具体而言,涉及一种遥感纹理信息处理方法、装置、终端及存储介质。
背景技术
遥感地物分类是遥感图像的重要应用领域,现有遥感图像分析中的遥感特征主要指空间特征、几何特征和光谱特征及其纹理特征,其中的纹理特征指基于光谱特征的纹理特征,对于地表形态变化较小的区域的遥感图像,使用光谱纹理特征即可对遥感图像进行较好的分类效果,但对于地表形态变化剧烈的区域(如矿区)的遥感图像,在进行遥感地物分类时,基于地形特征的纹理特征具有重要作用,而现有的纹理信息处理方式并未充分利用地形特征,导致其无法精准地刻画遥感图像中相应区域的要素特征,制约了遥感分类精度的提升。
发明内容
本发明解决的问题是现有的纹理信息处理方式并未充分利用地形特征,制约了遥感分类精度的提升。
为解决上述问题,本发明提供一种遥感纹理信息处理方法,包括:
获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;基于所述灰度图像获得纹理特征信息。
通过具有实际地理意义的预设方位以及像元对应的坡向值,确定像元的灰度值,使得各个像元的灰度值本身以及形成的灰度图像具有实际的地理意义和物理意义,基于此提取的纹理特征/信息更加准确、精细,进而提升基于该纹理特征/信息作出的分类的精度。
可选地,所述基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像包括:
获取预设方位以及预设方位与灰度值的第一对应关系,其中,所述预设方位具有对应的坡向区间范围,预设方位的数量与相应灰度图像的灰度级相等;基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围,确定各个所述像元所属的预设方位;基于各个所述像元所属的预设方位以及所述第一对应关系,确定各个所述像元的灰度值。
可选地,所述预设方包括北方向、东北方向、东方向、东南方向、南方向、西南方向、西方向以及西北方向,其中,
所述北方向对应的坡向值G北∈[0°,22.5°]∪(337.5°,360°];
所述东北方向对应的坡向值G东北∈(22.5°,67.5°];
所述东方向对应的坡向值G东∈(67.5°,112.5°];
所述东南方向对应的坡向值G东南∈(112.5°,157.5°];
所述南方向对应的坡向值G南∈(157.5°,202.5°];
所述西南方向对应的坡向值G西南∈(202.5°,247.5°];
所述西方向对应的坡向值G西∈(247.5°,292.5°];
所述西北方向对应的坡向值G西北∈(292.5°,337.5°]。
可选地,所述基于所述灰度图像获得纹理特征信息包括:
基于所述坡向图像中各个所述像元对应的坡向值,分别确定所述坡向图像中各个所述像元各自的纹理方向;基于所述灰度图像,获得所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵;基于所述灰度图像中各个所述像元在各自的纹理方向上的灰度共生矩阵获得纹理特征信息。
可选地,所述基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元各自的纹理方向包括:
获取预设的坡向区间范围与纹理方向的第二对应关系;基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围以及所述第二对应关系,确定各个所述像元各自的纹理方向。
可选地,所述第二对应关系包括以下至少一项:
当坡向区间范围为[0°,22.5°]∪(157.5°,202.5°]∪(337.5°,360°]时,对应的纹理方向为90°;当坡向区间范围为(22.5°,67.5°]∪(202.5°,247.5°]时,对应的纹理方向为45°;当坡向区间范围为(67.5°,112.5°]∪(247.5°,292.5°]时,对应的纹理方向为0°;当坡向区间范围为(112.5°,157.5°]∪(292.5°,337.5°]时,对应的纹理方向为135°。
可选地,所述基于所述灰度图像,获得所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵包括:
使用大小为M×M的滑动窗口在所述灰度图像上滑动,滑动步长为一个像素距离,所述滑动窗口截取出大小为M×M的子图像块,使用所述滑动窗口遍历所述灰度图像,依次截取出以所述灰度图像中各个像元为中心像元的子图像块,其中,M为大于或等于3的奇数;获取每个子图像块中心像元的纹理方向,计算每个子图像块在其中心像元的纹理方向上的灰度共生矩阵,其中,以所述灰度图像中各个所述像元为中心像元的子图像块的灰度共生矩阵即各个所述像元在各自的纹理方向上的灰度共生矩阵。
本发明还提出一种遥感纹理信息处理装置,包括:
数字地形生成单元,其用于获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;
坡向图像生成单元,其用于基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;
灰度图像生成单元,其用于基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;
计算单元,其用于基于所述灰度图像获得纹理特征信息。
本发明还提出一种遥感纹理信息处理终端,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如上所述的遥感纹理信息处理方法。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如上所述的遥感纹理信息处理方法。
附图说明
图1为本发明遥感纹理信息处理方法一实施例示意图;
图2为本发明遥感纹理信息处理方法中步骤S30细化后的一实施例示意图;
图3为本发明遥感纹理信息处理方法中基于坡向值和预设方位数量确定灰度值的示意图;
图4为本发明遥感纹理信息处理方法中步骤S40细化后的一实施例示意图;
图5为本发明遥感纹理信息处理方法中基于坡向值确定纹理方向的一实施例示意图;
图6为本发明遥感纹理信息处理方法中步骤S41细化后的一实施例示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
本发明提出一种遥感纹理信息处理方法。
图1为本发明遥感纹理信息处理方法一实施例示意图。如图1,所述遥感纹理信息处理方法包括:
步骤S10,获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;
此处的立体遥感图像对,指同一区域不同角度的立体图像对,可选为同一区域高空间分辨率立体测绘卫星遥感影像,例如,国产“资源三号”前后视立体像对影像,其空间分辨率为3.5m。
基于所述立体遥感图像对生成数字地形模型(Digital Terrain Model,DTM),具体包括:链接点的提取、控制点的输入、核线影像的生成、以及DTM的生成。随后,对DTM数据进行内插处理,填充DTM图像中的少量坏数据,比如空洞。可使用工具ENVI Classic 5.3实现前述生成数字地形模型的相关步骤。因生成数字地形模型的相关步骤为现有技术,此处不赘述。
步骤S20,基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;
基于数字地形模型,计算数字地形模型中各个点的坡向值,得到坡向图像,坡向图像中每个像元对应的坡向值是确定的。可选地,可使用Arcgis 10.2软件自带的坡向工具,在数字地形模型的基础上,生成坡向图像。其中,坡向图像中各个像元坡向值的取值范围为[0°,360°]。
像元,亦称像素点或像元点,即影像单元,是组成数字化影像的最小单元。
步骤S30,基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;
坡向值是具有实际地理意义的参数值,基于坡向值确定像元的灰度值,可使得最后生成的灰度图像具有表征地形地貌特征的作用,基于该灰度图像获得的纹理特征/纹理信息也更加准确,其信息量也更大,基于这样的纹理信息进行的地物分类也更为精准。
可选地,可预设坡向值与灰度值间的对应关系,例如,预设一定的坡向值范围对应一个灰度值,例如,坡向值范围(22.5°,67.5°]对应的灰度值为1,坡向值范围(67.5°,112.5°]对应的灰度值为2。
可选地,如图2,步骤S30包括:
步骤S31,获取预设方位以及预设方位与灰度值的第一对应关系,其中,所述预设方位具有对应的坡向区间范围,所述预设方位的数量与相应灰度图像的灰度级相等;
基于预设方位的数量,可确定最后生成的灰度图像的灰度级,上述相应灰度图像即为最后生成的灰度图像。可选地,预设方位的数目等于灰度图像的灰度级,预设方位的数目为n,则灰度图像中各个像元的灰度值设为0至n-1,其中,n为整数。如图3,预设方位的数目为8个,则灰度图像的灰度级也为8,对应的灰度值分别为0、1、2、3、4、5、6、7。
预设方位及其对应的坡向区间范围,可以为预先设定,例如,如图3,预设方位包含北、东北、东、东南、南、西南、西以及西北8个。可选地,如图3,预设方位包含北方向、东北方向、东方向、东南方向、南方向、西南方向、西方向以及西北方向等8个方向,其中,所述北方向对应的坡向值G北∈[0°,22.5°]∪(337.5°,360°];所述东北方向对应的坡向值G东北∈(22.5°,67.5°];所述东方向对应的坡向值G东∈(67.5°,112.5°];所述东南方向对应的坡向值G东南∈(112.5°,157.5°];所述南方向对应的坡向值G南∈(157.5°,202.5°];所述西南方向对应的坡向值G西南∈(202.5°,247.5°];所述西方向对应的坡向值G西∈(247.5°,292.5°];所述西北方向对应的坡向值G西北∈(292.5°,337.5°]。
其中,北方向、东北方向、东方向、东南方向、南方向、西南方向、西方向以及西北方向等8个方向为常用的具有实际地理意义的方位,基于坡向图像中各个像元对应的坡向值确定各个像元对应的方位,将该各个像元对应方位所对应的灰度值作为该各个像元的灰度值,使得各个像元的灰度值也附加上实际的地理意义,使得最后生成的灰度图像具有表征实际地形地貌的作用,丰富灰度图像所具有的信息量,也有利于后续纹理特征/信息的提取。
步骤S32,基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围,确定各个所述像元所属的预设方位,并基于所述第一对应关系,确定各个所述像元的灰度值。
一个坡向区间范围对应一个预设方位、对应一个灰度值,其中,坡向区间范围包含多个坡向值,因而,在坡向图像中,多个具有不同坡向值的像元可能具有相同的灰度值。例如,坡向图像中,像元a的坡向值为2°,像元b的坡向值为3°,像元c的坡向值为4°,则按照如图3所示的坡向区间范围与灰度值的对应关系,像元a、像元b以及像元c的灰度值均为0。因为在坡向值差异较小时,其反应的地貌差异较小,从宏观上看其纹理特征可能是相同的,无需进行区分。通过这种方式,可将连续的坡向值离散化,生成离散的灰度值,可以去除图像噪音,加强纹理特征,加强对比度。
在确定各个像元的灰度值后,即可基于各个像元的灰度值,以及坡向图像的高宽,生成与坡向图像高宽相等的灰度图像,其中,灰度图像的每个像元对应有灰度值。
步骤S40,基于所述灰度图像获得纹理特征信息。
可采用灰度共生矩阵法提取纹理信息,并基于灰度共生矩阵计算出对比度、相关性、角二阶矩、同质性和熵这五个统计量用来表征图像的纹理特征。
灰度共生矩阵法是对图像的所有像素进行统计调查,以便描述其灰度分布的一种方法。灰度共生矩阵p(i,j|d,θ)可定义为沿一定方向(θ)且距离为d的两个像素点灰度值分别为i和j的次数。对于具有G个灰度级的图像,灰度级共生矩阵P是一个G×G的矩阵,矩阵行列表示各个灰度值,矩阵元素反映两种灰度在相距一定距离的位置上同时出现的次数,灰度共生矩阵p(i,j|d,θ)数学表达式为:
p(i,j|d,θ)=#{(x1,y1),(x2,y2)∈M×M|f(x1,y1)=i,f(x2,y2)=j},
其中;#(x)表示集合x中的元素个数;θ∈{0°,45°,90°,135°}。M×M为纹理计算的滑动窗口大小;i,j=0,1,2,…G-1;(x1,y1)与(x2,y2)为滑窗所获取的子图像块中像素位置信息,f(x1,y1)为滑窗所获取的子图像块中位置为(x1,y1)的像素的灰度值,f(x2,y2)为滑窗所获取的子图像块中位置为(x2,y2)的像素的灰度值,二者间距离为d,若d=1则表示(x1,y1)与(x2,y2)对应像素为相邻像素,(x1,y1)与(x2,y2)与坐标横轴的夹角为θ。
在计算出各个像元为中心的子图像块灰度共生矩阵后,进行归一化处理,即得到概率矩阵。基于概率矩阵计算对比度、相关性、角二阶矩、同质性和熵,利用这五个统计量作为纹理特征来表示像素间的空间关系。pδ(i,j)表示概率矩阵,前文所述五个统计量的含义和计算方式如下:
1、对比度:用于表征图像的清晰度,即纹理清晰程度,图像中纹理的沟纹越深,其对比度越大,视觉效果越清晰。对比度f1的计算方式如下:
2、相关性:用于描述图像的灰度共生矩阵在行方向和列方向的相似程度,当矩阵元素值均匀相等时,相关值就大;相反,如果矩阵像元值相差很大则相关值小。相关性f2的计算方式如下:
3、角二阶矩:用于度量图像灰度分布均匀性,从图像整体来观察,若纹理较粗,则角二阶矩越大,反之则角二阶矩越小。角二阶矩也称能量,粗纹理可以理解为纹理含有较多的能量,细纹理即它含有较少的能量。角二阶矩f3的计算方式如下:
4、同质性:用来度量图像纹理局部变化的多少,其值大则说明图像纹理的不同区域间缺少变化,局部非常均匀。同质性f4的计算方式如下:
5、熵:用来度量图像所具有的信息量,纹理信息也属于图像的信息,是一个随机性的度量,图像的复杂程度越高,熵较大。它表示了图像中纹理的非均匀程度或复杂程度。熵f5的计算方式如下:
在基于坡向图像中各个像元对应的坡向值,分别确定各个像元的灰度值,生成相应的灰度图像的另一种实现方式中(非本发明的实施方式),利用线性拉伸简单地将灰度级设为32或64,并无实际地理意义,基于此获得的纹理特征所表征的含义单薄,信息表征量少,表征能力弱。与该实现方式相比,本发明实施例通过具有实际地理意义的预设方位以及像元对应的坡向值,确定像元的灰度值,使得各个像元的灰度值本身以及形成的灰度图像具有实际的地理意义和物理意义,基于此提取的纹理特征/信息更加准确、精细,进而提升基于该纹理特征/信息作出的分类的精度。
可选地,如图4,步骤S40包括:
步骤S41,基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元各自的纹理方向;
基于各个像元对应的坡向值,为各个像元确定唯一一个纹理方向,用于后续确定构建哪个方向的灰度共生矩阵。如图5,纹理方向包含四个方向,即0°(西-东),45°(西南-东北),90°(南-北)和135°(东南-西北),每个像元的纹理方向均为该四个中的一个。
可选地,如图6,步骤S41包括:
步骤S411,获取预设的坡向区间范围与纹理方向的第二对应关系;
如图5,预设坡向区间范围与纹理方向的第二对应关系,可选地,坡向区间范围[0°,22.5°]∪(157.5°,202.5°]∪(337.5°,360°]对应的纹理方向为90°(南-北);坡向区间范围(22.5°,67.5°]∪(202.5°,247.5°]对应的纹理方向为45°(西南-东北);坡向区间范围(67.5°,112.5°]∪(247.5°,292.5°]对应的纹理方向为0°(西-东);坡向区间范围(112.5°,157.5°]∪(292.5°,337.5°]对应的纹理方向为135°(东南-西北)。
步骤S412,基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围以及所述第二对应关系,确定各个所述像元各自的纹理方向。
对于各个像元,首先确定其坡向值落入的坡向区间范围,再基于第二对应关系确定该坡向区间范围对应的纹理方向,将该纹理方向作为相应像元的纹理方向。例如,像元e的坡向值为220°,其落入坡向区间范围(22.5°,67.5°]∪(202.5°,247.5°],其对应的纹理方向为45°(西南-东北)。
通过基于坡向值确定像元的纹理方向,用于后续确定灰度共生矩阵的纹理方向(上文中的θ),进而使得计算出的灰度共生矩阵也具有一定的地理意义,使得计算出的纹理特征具备更优的地形纹理表征性能。
步骤S42,基于所述灰度图像,获得所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵;
现有技术在计算灰度共生矩阵时,通常分别计算四个纹理方向(0°、45°、90°以及135°)的灰度共生矩阵、概率矩阵和纹理值,再计算四个方向纹理值的平均值作为最终值,此种方式并未考虑到像元实际的地理特征。而通过本文上述方式,基于像元坡向值确定纹理方向,并仅计算各个像元在各自纹理方向上的灰度共生矩阵,用于进行纹理特征计算,则可将像元处实际具有的地理特征/地理意义融入到纹理特征计算过程,使得最终计算出的纹理特征具有更丰富的实际地理意义或实际物理意义,有利于后续分类精度的提升。
可选地,步骤S42包括:使用大小为M×M的滑动窗口在所述灰度图像上滑动,滑动步长为一个像素距离,所述滑动窗口截取出大小为M×M的子图像块,使用所述滑动窗口遍历所述灰度图像,依次截取出以所述灰度图像中各个像元为中心像元的子图像块;获取每个子图像块中心像元的纹理方向,计算每个子图像块在其中心像元的纹理方向上的灰度共生矩阵,其中,以所述灰度图像中各个所述像元为中心像元的子图像块的灰度共生矩阵即各个所述像元在各自的纹理方向上的灰度共生矩阵。
其中,M为大于或等于3的奇数。滑动窗口遍历整个灰度图像,使得滑动窗口截取出的子图像块的中心像元遍历整个灰度图像。滑动窗口在灰度图像上沿水平和垂直方向上移动。
由于要以灰度图像中的每个像元依次作为子图像块的中心像元,在灰度图像的左侧、右侧、顶部和底部补全像元,使得当滑动窗口以周边像元为当前滑动位置的子图像块的中心像元时,该滑动窗口内所有位置均有对应像元,其中,补全像元的灰度值可设置为0。
步骤S43,基于所述灰度共生矩阵获得纹理特征信息。
在构建灰度共生矩阵时,其所基于的灰度图像中的灰度值是基于像元坡向值以及预设方位(包括预设方位的数量和对应的坡向值范围)确定的,其同时还基于像元对应的坡向值确定像元的纹理方向,进而确定构建哪个纹理方向的灰度共生矩阵用于后续纹理特征的计算。基于此,本发明实施例将像元包含的实际地理特征融入到纹理特征计算要素(灰度值和纹理方向)中,使得最后计算出的纹理特征表征地形地貌的能力更强,能明显提升基于该纹理特征的地物分类精度。
本发明还提出一种遥感纹理信息处理装置,包括:
数字地形生成单元,其用于获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;
坡向图像生成单元,其用于基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;
灰度图像生成单元,其用于基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;
计算单元,其用于基于所述灰度图像获得纹理特征信息。
可选地,所灰度图像生成单元,其具体用于:获取预设方位以及预设方位与灰度值的第一对应关系,其中,所述预设方位具有对应的坡向区间范围,预设方位的数量与相应灰度图像的灰度级相等;基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围,确定各个所述像元所属的预设方位,并基于所述第一对应关系,确定各个所述像元的灰度值。
可选地,所述预设方包括北方向、东北方向、东方向、东南方向、南方向、西南方向、西方向以及西北方向,其中,所述北方向对应的坡向值G北∈[0°,22.5°]∪(337.5°,360°];所述东北方向对应的坡向值G东北∈(22.5°,67.5°];所述东方向对应的坡向值G东∈(67.5°,112.5°];所述东南方向对应的坡向值G东南∈(112.5°,157.5°];所述南方向对应的坡向值G南∈(157.5°,202.5°];所述西南方向对应的坡向值G西南∈(202.5°,247.5°];所述西方向对应的坡向值G西∈(247.5°,292.5°];所述西北方向对应的坡向值G西北∈(292.5°,337.5°]。
可选地,计算单元,其具体用于:基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元各自的纹理方向;基于所述灰度图像,获得所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵;基于各个所述像元在各自的纹理方向上的灰度共生矩阵获得纹理特征信息。
可选地,计算单元,其具体用于:获取预设的坡向区间范围与纹理方向的第二对应关系;基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围以及所述第二对应关系,确定各个所述像元各自的纹理方向。
可选地,所述第二对应关系包括以下至少一项:
坡向区间范围[0°,22.5°]∪(157.5°,202.5°]∪(337.5°,360°]对应的纹理方向为90°;
当坡向区间范围为(22.5°,67.5°]∪(202.5°,247.5°]时,对应的纹理方向为45°;
当坡向区间范围为(67.5°,112.5°]∪(247.5°,292.5°]时,对应的纹理方向为0°;
当坡向区间范围为(112.5°,157.5°]∪(292.5°,337.5°]时,对应的纹理方向为135°。
可选地,计算单元,其具体用于:使用大小为M×M的滑动窗口在所述灰度图像上滑动,滑动步长为一个像素距离,所述滑动窗口截取出大小为M×M的子图像块,使用所述滑动窗口遍历所述灰度图像,依次截取出以所述灰度图像中各个像元为中心像元的子图像块;获取每个子图像块中心像元的纹理方向,计算每个子图像块在其中心像元的纹理方向上的灰度共生矩阵,其中,以所述灰度图像中各个所述像元为中心像元的子图像块的灰度共生矩阵即各个所述像元在各自的纹理方向上的灰度共生矩阵。
本发明遥感纹理信息处理装置相关内容及有益效果如上遥感纹理信息处理方法各实施例所述,此处不赘述。
本发明还提出一种遥感纹理信息处理终端。所述遥感纹理信息处理终端包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如上所述的遥感纹理信息处理方法,相关内容及有益效果如上遥感纹理信息处理方法各实施例所述,此处不赘述。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如上所述的遥感纹理信息处理方法,相关内容及有益效果如上遥感纹理信息处理方法各实施例所述,此处不赘述。
虽然本公开披露如上,但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种遥感纹理信息处理方法,其特征在于,包括:
获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;
基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;
基于所述坡向图像中各个所述像元对应的所述坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;
基于所述灰度图像获得纹理特征信息。
2.如权利要求1所述的遥感纹理信息处理方法,其特征在于,所述基于所述坡向图像中各个所述像元对应的所述坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像包括:
获取预设方位以及预设方位与灰度值的第一对应关系,其中,所述预设方位具有对应的坡向区间范围,所述预设方位的数量与相应灰度图像的灰度级相等;
基于所述坡向图像中各个所述像元对应的所述坡向值落入的坡向区间范围,确定各个所述像元所属的预设方位;
基于各个所述像元所属的预设方位以及所述第一对应关系,确定各个所述像元的灰度值。
3.如权利要求2所述的遥感纹理信息处理方法,其特征在于,所述预设方位包括北方向、东北方向、东方向、东南方向、南方向、西南方向、西方向以及西北方向,其中,
所述北方向对应的坡向值G北∈[0°,22.5°]∪(337.5°,360°];
所述东北方向对应的坡向值G东北∈(22.5°,67.5°];
所述东方向对应的坡向值G东∈(67.5°,112.5°];
所述东南方向对应的坡向值G东南∈(112.5°,157.5°];
所述南方向对应的坡向值G南∈(157.5°,202.5°];
所述西南方向对应的坡向值G西南∈(202.5°,247.5°];
所述西方向对应的坡向值G西∈(247.5°,292.5°];
所述西北方向对应的坡向值G西北∈(292.5°,337.5°]。
4.如权利要求1-3中任一项所述的遥感纹理信息处理方法,其特征在于,所述基于所述灰度图像获得纹理特征信息包括:
基于所述坡向图像中各个所述像元对应的坡向值,分别确定所述坡向图像中各个所述像元各自的纹理方向;
基于所述灰度图像,获得所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵;
基于所述灰度共生矩阵获得所述纹理特征信息。
5.如权利要求4所述的遥感纹理信息处理方法,其特征在于,所述基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元各自的纹理方向包括:
获取预设的坡向区间范围与纹理方向的第二对应关系;
基于所述坡向图像中各个所述像元对应的坡向值落入的坡向区间范围以及所述第二对应关系,确定各个所述像元各自的纹理方向。
6.如权利要求5所述的遥感纹理信息处理方法,其特征在于,所述第二对应关系包括以下至少一项:
当坡向区间范围为[0°,22.5°]∪(157.5°,202.5°]∪(337.5°,360°]时,对应的纹理方向为90°;
当坡向区间范围为(22.5°,67.5°]∪(202.5°,247.5°]时,对应的纹理方向为45°;
当坡向区间范围为(67.5°,112.5°]∪(247.5°,292.5°]时,对应的纹理方向为0°;
当坡向区间范围为(112.5°,157.5°]∪(292.5°,337.5°]时,对应的纹理方向为135°。
7.如权利要求4所述的遥感纹理信息处理方法,其特征在于,所述基于所述灰度图像,获得所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵包括:
使用大小为M×M的滑动窗口在所述灰度图像上滑动,滑动步长为一个像素距离,所述滑动窗口截取出大小为M×M的子图像块,使用所述滑动窗口遍历所述灰度图像,依次截取出以所述灰度图像中各个像元为中心像元的子图像块,其中,M为大于或等于3的奇数;
获取每个所述子图像块的中心像元的纹理方向,计算每个所述子图像块在其中心像元的纹理方向上的灰度共生矩阵,其中,以所述灰度图像中各个像元为中心像元的子图像块的灰度共生矩阵即所述灰度图像中各个像元在各自的纹理方向上的灰度共生矩阵。
8.一种遥感纹理信息处理装置,其特征在于,包括:
数字地形生成单元,其用于获取立体遥感图像对,基于所述立体遥感图像对生成数字地形模型;
坡向图像生成单元,其用于基于所述数字地形模型获得坡向图像,其中,所述坡向图像的各个像元对应有坡向值;
灰度图像生成单元,其用于基于所述坡向图像中各个所述像元对应的坡向值,分别确定各个所述像元的灰度值,生成相应的灰度图像;
计算单元,其用于基于所述灰度图像获得纹理特征信息。
9.一种遥感纹理信息处理终端,其特征在于,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如权利要求1至7中任一项所述的遥感纹理信息处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如权利要求1至7中任一项所述的遥感纹理信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425191.1A CN111797679A (zh) | 2020-05-19 | 2020-05-19 | 一种遥感纹理信息处理方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425191.1A CN111797679A (zh) | 2020-05-19 | 2020-05-19 | 一种遥感纹理信息处理方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111797679A true CN111797679A (zh) | 2020-10-20 |
Family
ID=72806511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425191.1A Pending CN111797679A (zh) | 2020-05-19 | 2020-05-19 | 一种遥感纹理信息处理方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797679A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516764A (zh) * | 2021-06-24 | 2021-10-19 | 中国科学院空天信息创新研究院 | 基于数字高程模型的湖库水下三维地形模拟方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070014435A1 (en) * | 2005-07-13 | 2007-01-18 | Schlumberger Technology Corporation | Computer-based generation and validation of training images for multipoint geostatistical analysis |
CN102819023A (zh) * | 2012-07-27 | 2012-12-12 | 中国地质大学(武汉) | 基于LiDAR的复杂地质背景区滑坡识别的方法及系统 |
WO2016106950A1 (zh) * | 2014-12-30 | 2016-07-07 | 华中科技大学 | 一种基于太阳照射阴影补偿的带状地下结构探测方法 |
KR101766154B1 (ko) * | 2016-08-05 | 2017-08-08 | 인하대학교 산학협력단 | DEM 데이터를 이용한 Ortho-photo 텍스쳐의 자동생성 방법 및 시스템 |
CN110135515A (zh) * | 2019-05-23 | 2019-08-16 | 南京工业大学 | 一种基于图像纹理的岩体结构均质区自动分区方法 |
-
2020
- 2020-05-19 CN CN202010425191.1A patent/CN111797679A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070014435A1 (en) * | 2005-07-13 | 2007-01-18 | Schlumberger Technology Corporation | Computer-based generation and validation of training images for multipoint geostatistical analysis |
CN102819023A (zh) * | 2012-07-27 | 2012-12-12 | 中国地质大学(武汉) | 基于LiDAR的复杂地质背景区滑坡识别的方法及系统 |
WO2016106950A1 (zh) * | 2014-12-30 | 2016-07-07 | 华中科技大学 | 一种基于太阳照射阴影补偿的带状地下结构探测方法 |
KR101766154B1 (ko) * | 2016-08-05 | 2017-08-08 | 인하대학교 산학협력단 | DEM 데이터를 이용한 Ortho-photo 텍스쳐의 자동생성 방법 및 시스템 |
CN110135515A (zh) * | 2019-05-23 | 2019-08-16 | 南京工业大学 | 一种基于图像纹理的岩体结构均质区自动分区方法 |
Non-Patent Citations (3)
Title |
---|
CHUN WANG等: "The Sensitivity Analysis ofDEM Terrain Texture Characteristics Based on Grey Level Co-occurrence Matrix", 《2014 22ND INTERNATIONAL CONFERENCE ON GEOINFORMATICS》, pages 1 - 5 * |
周鸣扬: "《 Visual C++界面编程技术》", 北京:北京希望电子出版社, pages: 301 * |
胡启明: "基于灰度共生矩阵的地形纹理特征量化研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, pages 19 - 20 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516764A (zh) * | 2021-06-24 | 2021-10-19 | 中国科学院空天信息创新研究院 | 基于数字高程模型的湖库水下三维地形模拟方法及装置 |
CN113516764B (zh) * | 2021-06-24 | 2023-11-03 | 中国科学院空天信息创新研究院 | 基于数字高程模型的湖库水下三维地形模拟方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909039B (zh) | 基于并行算法的高分辨率遥感影像的地表覆盖分类方法 | |
CN102708576B (zh) | 基于结构字典的分块图像压缩感知重建方法 | |
CN111199214B (zh) | 一种残差网络多光谱图像地物分类方法 | |
CN110866531A (zh) | 一种基于三维建模的建筑物特征提取方法、系统及存储介质 | |
CN110136114B (zh) | 一种波面高度测量方法、终端设备及存储介质 | |
CN111323788B (zh) | 建筑物变化的监测方法、装置及计算机设备 | |
CN108401565B (zh) | 基于改进的KAZE特征和Pseudo-RANSAC算法的遥感图像配准方法 | |
CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
CN108805825A (zh) | 一种重定位图像质量评价方法 | |
CN103325104B (zh) | 基于迭代稀疏表达的人脸图像超分辨率重建方法 | |
CN111797679A (zh) | 一种遥感纹理信息处理方法、装置、终端及存储介质 | |
CN110728718A (zh) | 改进摄像机标定各参数的方法 | |
CN110442719B (zh) | 一种文本处理方法、装置、设备及存储介质 | |
Hashemian et al. | Study of sampling methods for accuracy assessment of classified remotely sensed data | |
CN109726679B (zh) | 一种遥感分类误差空间分布制图方法 | |
CN110533663B (zh) | 一种图像视差确定方法、装置、设备及系统 | |
CN115953330A (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
CN111797680A (zh) | 一种遥感纹理信息确定方法、装置、终端及存储介质 | |
CN116051777A (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
CN111784724B (zh) | 改进型马尔科夫链蒙特卡洛二维岩石切片重构方法及系统 | |
CN110910436B (zh) | 基于图像信息增强技术的测距方法、装置、设备和介质 | |
Zhang et al. | Stereo matching cost computation based on nonsubsampled contourlet transform | |
CN113344983A (zh) | 一种基于平面点云分割的多点云配准方法 | |
CN109086655B (zh) | 基于对称初始化和聚集度优化的亚像元定位方法和系统 | |
CN112634431A (zh) | 一种三维纹理贴图转化成三维点云的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |