基于多尺度小波分解和分形理论的遥感图像纹理分析方法技术

技术编号:17098049 阅读:57 留言:0更新日期:2018-01-21 10:10
本发明专利技术属于遥感图像处理与应用技术领域,具体公开一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,该方法包括以下步骤:步骤1,获取遥感影像数据;步骤2,对步骤1获取的遥感影像上的不同岩性样本图像进行选取;步骤3,对步骤2选取的样本图像进行灰度化,得到样本灰度图像;步骤4,对步骤3得到的不同岩性样本灰度图像进行双正交小波分解;步骤5,分别计算步骤4中分解后的不同级别小波高频、低频信号的盒计维度值及多重分形谱,完成遥感图像纹理分析。该方法利用分解后不同级别小波高频、低频信号的盒计维度和多重分形谱参数,定量分析遥感图像特定纹理。

Texture analysis of remote sensing images based on multi-scale wavelet decomposition and fractal theory

The invention belongs to the field of remote sensing image processing and application technology, in particular discloses a remote sensing image texture multi-scale wavelet decomposition and fractal theory analysis method based on a remote sensing image texture multi-scale wavelet decomposition and fractal theory analysis method based on the method comprises the following steps: Step 1, access to the remote sensing image data; step 2 the different rock sample images, remote sensing images obtained on the 1 steps of selection; step 3, step 2 sample images for the selection of gray, gray image samples obtained; step 4, step 3 of the different lithologic sample gray image using biorthogonal wavelet decomposition; step 5, calculated in step 4 after the decomposition of the different levels of wavelet high frequency and low frequency signal box dimension and multi fractal spectrum, remote sensing image texture analysis. This method quantificationally analyzes the specific texture of remote sensing images by using the box dimension and multifractal spectrum parameters of different levels of wavelet high frequency and low frequency signals after decomposition.

【技术实现步骤摘要】
基于多尺度小波分解和分形理论的遥感图像纹理分析方法
本专利技术属于遥感图像处理与应用
,具体涉及一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法。
技术介绍
纹理是遥感图像的重要特征之一,它揭示了图像中地物的结构信息及其与周围环境的关系,提供了地表覆盖类型空间变化的重要信息。遥感图像的纹理主要表现为地物的形状、大小、方位、均质程度以及不同地物之间的空间关系和亮度反差关系等。在地质领域中,不同的岩石由于其特有的矿物组成和结构构造,因而具有不同的表面特征,这些特征在遥感影像上表现为不同的色调、影纹图案和水系特征。经过长期的图像解译和总结发现,不同的岩石类型所形成的自然表面各有不同,如沉积岩在图像中表现较平缓,线理明显;火山岩的纹理明暗分明,方向分布均匀;花岗岩的纹理分布具有明显方向性。因此,依靠目视解译可以在一定程度上区分岩性,但是存在一定主观性,遥感地质学界一直希望找到一种更加智能的纹理分析方法,定量识别不同类型地物图像的纹理结构特征。分形方法具有成熟的数学基础,它能够深刻、准确地反映自然结构和几何特征,并力求从表征几何特征方面的诸多参数来揭示其非线性动力学机理,是研究遥感影像纹理特征的有效工具。目前已被广泛应用于山川、河流、云等地表真实景观的模拟。目前遥感图像纹理目视解译干扰因素多且存在一定主观性,缺少定量化分析方法等问题,亟需研究一种定量刻画不同类型岩石图像纹理特征的分析方法。
技术实现思路
本专利技术解决的问题是:克服了遥感图像目视解译及传统遥感图像纹理分析方法的不足,提供了一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,利用分解后不同级别小波高频、低频信号的盒计维度和多重分形谱参数,定量刻画遥感图像纹理,从而定量分析遥感图像特定纹理。实现本专利技术目的的技术方案:一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,该方法包括以下步骤:步骤1,获取遥感影像数据;步骤2,对步骤1获取的遥感影像上的不同岩性样本图像进行选取;步骤3,对步骤2选取的样本图像进行灰度化,得到样本灰度图像;步骤4,对步骤3得到的不同岩性样本灰度图像进行双正交小波分解;步骤5,分别计算步骤4中分解后的不同级别小波高频、低频信号的盒计维度值及多重分形谱,完成遥感图像纹理分析。所述的步骤1中的遥感影像数据的云覆盖度低于10%。一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于:所述的步骤1中的遥感影像数据总计有7个多光谱波段,1-5波段和7波段的空间分辨率为30m,选择7、4、1波段进行RGB彩色合成,得到彩色影像。所述的步骤2中在步骤1获取的遥感影像上分别选取3个变质岩、火山岩和花岗岩样本图像,要求在同等比例尺条件下进行选取,同一样本图像内的岩性类别一致,且所选取的所有样本图像大小相同。所述的步骤2中以1:20万地质图作为参考,进行样本图像选取。所述的步骤3中通过matlab软件的函数rgb2gray对选取的不同岩性样本图像进行灰度化处理,得到岩性样本灰度图像。所述的步骤3中岩性样本灰度图像具体公式如下:gray=0.2989*R+0.5870*G+0.1140*B。所述的步骤4中选择matlab软件中wavelet2D函数对样本图像的二维信号进行多尺度离散小波分解,小波基选择bior2.2双正交小波,多尺度小波分解到第三级。所述的步骤5中通过FRACLAB软件分别计算步骤4中小波分解后第1、2、3级小波高频、低频信号的盒计维度值和多重分形谱。所述的步骤5中计算过程中精度参数设定为0.40,维度计算方法选取盒计维度,区域灰度统计方法选取将选定区域灰度值的和作为维度计算的依据。本专利技术的有益技术效果在于:本专利技术提出了一种结合多尺度小波分解和分形理论的遥感图像纹理分析方法,通过获取的遥感影像,依据地质图信息选取不同岩性样本图像,并将样本图像灰度化,得到灰度图像;然后对不同岩性样本灰度图像进行双正交小波分解,并对分解后不同级别的小波高频、低频信号计算盒计维度值和多重分形谱参数,定量刻画遥感图像的纹理特征,克服了遥感图像目视解译方法干扰因素多且存在一定主观性,以及传统纹理分析方法只针对原始图像进行统计分析,刻画不够全面等问题。通过引入多尺度小波分解和分形方法,能够更全面的反映遥感图像纹理结构特性,在多尺度下得到的纹理特征差异,将为遥感图像纹理分类和岩性识别提供重要参考。附图说明图1为本专利技术所提供的一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法的流程图。具体实施方式下面结合附图和实施例对本专利技术作进一步详细说明。如图1所示,本专利技术是一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,该方法包括以下步骤:步骤1,获取遥感影像数据获取所需区域的遥感影像数据,要求云覆盖度低于10%。本专利技术使用的ETM数据总计有7个多光谱波段,1-5波段和7波段的空间分辨率为30m,选择7、4、1波段进行RGB彩色合成,得到彩色影像。ETM(EnhancedThematicMapper),增强型专题制图仪;RGB代表红(R)、绿(G)、蓝(B)三个通道的颜色。步骤2,对步骤1获取的遥感影像上的不同岩性样本图像进行选取,具体包括:以1:20万地质图作为参考,在步骤1获取的遥感影像上分别选取3个变质岩、火山岩和花岗岩样本图像,要求在同等比例尺条件下进行选取,同一样本图像内的岩性类别需要一致,且所选取的所有样本图像大小相同,每个样本图像行列数相近。步骤3,对步骤2选取的样本图像进行灰度化,得到样本灰度图像,具体包括:通过matlab软件自带的函数rgb2gray对选取的不同岩性样本图像进行灰度化处理,得到岩性样本灰度图像,岩性样本灰度图像具体公式如下:gray=0.2989*R+0.5870*G+0.1140*B其中,gray代表灰度图像值,R、G、B分别代表了原始样本图像红、绿、蓝三个波段的DN值。步骤4,对步骤3得到的不同岩性样本灰度图像进行双正交小波分解,具体包括:选择matlab软件中wavelet2D函数对步骤3得到的样本图像的二维信号进行多尺度离散小波分解,小波基选择bior2.2双正交小波,因为双正交小波具有线性相位性,广泛应用于信号与图像重构,效果较好。随着小波分解级数的增加,每一级所包含的信息明显减少,反映不同岩性纹理结构的差异性也在降低,因此对于多尺度小波分解只做到第三级。步骤5,分别计算步骤4中分解后的不同级别小波高频、低频信号的盒计维度值及多重分形谱,具体步骤如下:通过FRACLAB软件分别计算步骤4中小波分解后第1、2、3级小波高频、低频信号的盒计维度值和多重分形谱,计算过程中精度参数设定为0.40,维度计算方法选取盒计维度,区域灰度统计方法选取sum,即将选定区域灰度值的和作为维度计算的依据,其他参数选取软件默认值。根据计算结果发现,三种岩性样本图像的盒计维度值存在差异,整体上变质岩盒计维度值最高,火山岩次之,花岗岩最低,且同一种岩性样本低频信号盒计维度值大于高频信号的盒计维度值。随着分解级数的增加,三种岩性样本图像的高频信号及相应的低频信号盒计维度值呈现减小的趋势,而它们的多重分形谱在某些区间内也存在着明显区别,这些在不同尺度得到的纹理特征差异,为遥感图像纹理分类和岩性识别提供重要参考。上面结本文档来自技高网...
基于多尺度小波分解和分形理论的遥感图像纹理分析方法

【技术保护点】
一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于,该方法包括以下步骤:步骤1,获取遥感影像数据;步骤2,对步骤1获取的遥感影像上的不同岩性样本图像进行选取;步骤3,对步骤2选取的样本图像进行灰度化,得到样本灰度图像;步骤4,对步骤3得到的不同岩性样本灰度图像进行双正交小波分解;步骤5,分别计算步骤4中分解后的不同级别小波高频、低频信号的盒计维度值及多重分形谱,完成遥感图像纹理分析。

【技术特征摘要】
1.一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于,该方法包括以下步骤:步骤1,获取遥感影像数据;步骤2,对步骤1获取的遥感影像上的不同岩性样本图像进行选取;步骤3,对步骤2选取的样本图像进行灰度化,得到样本灰度图像;步骤4,对步骤3得到的不同岩性样本灰度图像进行双正交小波分解;步骤5,分别计算步骤4中分解后的不同级别小波高频、低频信号的盒计维度值及多重分形谱,完成遥感图像纹理分析。2.根据权利要求1所述的一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于:所述的步骤1中的遥感影像数据的云覆盖度低于10%。3.根据权利要求2所述的一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于:所述的步骤1中的遥感影像数据总计有7个多光谱波段,1-5波段和7波段的空间分辨率为30m,选择7、4、1波段进行RGB彩色合成,得到彩色影像。4.根据权利要求3所述的一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于:所述的步骤2中在步骤1获取的遥感影像上分别选取3个变质岩、火山岩和花岗岩样本图像,要求在同等比例尺条件下进行选取,同一样本图像内的岩性类别一致,且所选取的所有样本图像大小相同。5.根据权利要求4所述的一种基于多尺度小波分解和分形理论的遥感图像纹理分析方法,其特征在于:所述的步骤...

【专利技术属性】
技术研发人员:田青林潘蔚李瀚波余长发陈雪娇
申请(专利权)人:核工业北京地质研究院
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1