常用的几种遥感图像特征提取技术分析

摘要：遥感图像在军事侦察、精确打击以及民用方面都有重要的作用，遥感图像的特征提取是进行遥感图像自动识别的关键技术，因此开展遥感图像的特征提取研究工作具有实际意义和应用前景。文章主要研究和讨论了光谱特征和纹理特征的特征提取方法。

关键词：遥感图像；光谱特征；纹理特征；特征提取

中图分类号：TP751 文献标识码：A 文章编号：1009-2374（2009）01-0131-02

遥感是一种远离目标，在不与目标对象直接接触的情况下，通过某种平台上装载的传感器获取其特征信息，然后对所获取的信息进行提取、判定、加工处理及应用分析的综合性技术。它是目前为止能够提供全球范围的动态观测数据的惟一手段。由于遥感提供的数据具有实时性高、覆盖范围广、信息丰富客观等优点，它已经被广泛应用于航空、航天、军事侦察、灾害预报、环境监测、资源勘探、土地规划与利用、灾害动态监测、农作物估产、气象预报等很多军事及民用领域，对经济和社会发展起着重大的推动作用。

在遥感图像的分类识别过程中，图像的各种特征提取技术在其中扮演了重要角色。遥感图像特征提取主要包括三个部分:光谱特征提取、纹理特征提取以及形状特征提取。光谱信息反映了地物反射电磁波能量的大小，是图像目视判读的基本依据。在目前的遥感图像处理研究中，多利用光谱特征，但随着遥感技术的发展以及图像解译与分析工作的深入，人们发现仅仅使用遥感图像的光谱特征，已经不能有效地进行计算机分析和自动识别。文章基于此主要讨论了光谱特征提取和纹理特征提技术。

一、常见的光谱特征提取方法

光谱特征是图像中目标物的颜色及灰度或者波段间的亮度比等，它通过原始波段的点运算获得。光谱特征的特点是，它对应于每个像素，但与像素的排列等空间结构无关网。光谱特征是一种地物区别于另一种地物的本质特征，是组成地物成分、结构等属性的反映，正常情况下不同地物具有不同的光谱特征（在一些特殊情况下会出现同物异谱、同谱异物现象），因此根据地物光谱特征可以对遥感图像进行特征提取。

在遥感图像的所有信息中最直接应用的是地物的光谱信息，地物光谱特性可通过光谱特征曲线来表达。遥感图像中每个像素的亮度值代表的是该像素中地物的平均辐射值，它随地物的成分、纹理、状态、表面特征及所使用电磁波波段的不同而变化。常用的光谱特征提取主要有以下几种方法：

（一）主成分分析方法

主成分分析也称为K-L变换，是在统计特征基础上的多维（如多波段）正交线性变换，也是遥感数字图像处理中最常用的一种变换算法。线性变换方法进行特征提取的目的是，从高维数据空间中，产生出一个合适的低维子空间，使数据在这个空间中的分布可以在某种最优意义上描述原来的数据。主成分分析就是用得最多的一种线性变换方法，它产生一个新的图像序列，使图像按信息含量（或方差）由高到低排列，图像之间的相关性基本消除。用前几个主成分就可以表述原始数据中绝大多数信息含量，这是信息含量在最小均方差意义上的最优解。

（二）基于遗传算法的特征提取

基于遗传算法的特征提取是一种结合了遗传算法子空间搜索功能的低阶特征提取算法，它不但包括了光谱特征提取功能，还结合了空间滤波和增强，可以对其他特征进行提取。通过评估适应度函数，并对染色体应用选择、杂交与变异等遗传操作算子，产生理论上比上一代更可行的解。重复种群的遗传操作过程，直到找到符合条件的最优或者次优解。由于特征空间的复杂性，有时候此方法并不一定有效。此外，以一种类似于多项式拟合的技术也有一定的局限性，无法有效地表达特征空间中隐藏的频率信息。

二、常见的纹理特征提取方法

纹理是图像的重要特征之一，它反映了图像灰度的性质及其空间关系，是图像中一个重要而又难以描述的特性。与其他图像特征相比，纹理特征是一种不依赖于物体表面色调或亮度、反映图像灰度的空间排列分布模式、能够反映图像中同质现象的视觉特征。以纹理为主导的图像称为纹理图像。通常由各种观测系统获得的图像大多是纹理图像。很多自然景物图像也可以看成纹理图像。纹理分析技术主要包括两个方面的内容:纹理特征提取和纹理分割。以下主要介绍几种常用的纹理特征提取方法：

（一）灰度共生矩阵法

灰度共生矩阵又称为灰度空间相关矩阵，是一种常用的纹理特征提取方法，它是图像中两个像素灰度级联合分布的统计形式，能较好地反映纹理灰度级相关性的规律，图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，是分析图像局部模式结构及其排列规则的基础。有了灰度共生矩阵就可分析图像的纹理。在实际的应用中，作为纹理分析的特征量，往往不是直接应用计算的灰度共生矩阵，而是在灰度共生矩阵的基础上再提取纹理特征量，称为二次统计量。由灰度共生矩阵生成的统计量能很好地描述纹理方面的定量信息。

（二）Laws纹理能量法

根据一对像素或其邻域的灰度组合分布作纹理测量的方法，常称为二阶统计分析方法。灰度共生矩阵是一种典型的二阶统计分析方法。但是如果只依靠单个像素及其邻域的灰度分布或某种属性去作纹理测量，其方法就称为一阶统计分析方法。显然一阶方法比二阶方法简单。用一些一阶分析方法作纹理分类，其正确率优于使用二阶方法。Laws的纹理能量测量法是典型的一阶分析方法，也是有名的通过算子计算纹理特征的方法。

（三）空间自相关函数法

纹理常用地物表面结构的粗糙程度来描述，粗糙性是纹理的一个重要特征，其粗糙性的程度与局部结构的空间重复周期有关。周期大的纹理粗，周期小的纹理细。空间自相关函数是计算纹理测度的一种基本方法。纹理测度变化的倾向是小数值的纹理测度表示细纹理，大数值的纹理测度表示粗纹理。

（四）波变换以及小波包变换方法

过去纹理分析缺乏对不同尺度的纹理的有效分析，Gabor滤波和小波变换则可以克服此缺点，小波变换继承和发展了Gabor变换，不仅时频窗口可以移动，而且窗口形状也随窗口中心频率的变化而自动调整。主要表现为在高频处时间分辨率高，在低频处频率分辨率高，有“聚焦”特性，所以又叫“数字显微镜”。小波包变换是小波变换的推广，其理论和算法都是基于小波变换的。小波包变换能够在所有的频率范围进行聚集，不但保留了小波分解的多分辨率特性，而且充分利用了纹理图像丰富的细节信息，对遥感图像的纹理特征进行提取更具有优势。

三、结语

图像特征是图像分析的重要依据，获取图像特征信息的操作称为特征提取。它作为模式识别、图像理解或信息量压缩的基础是很重要的。由于图像具有很强的领域性，不同的领域图像的特征千差万别，与图像所反映的对象物体的各种物理的、形态的性能有很大的关系，因而有各种各样的特殊方法。遥感作为一种信息的获取手段，在军事、民用等领域具有重要意义，遥感图像的分类识别是一项非常重要的工作，而遥感图像的特征提取是遥感图像分类识别的重要步骤，通过特征提取可以有效地降低数据空间的维数，从而快速、准确地对遥感图像进行分类识别。文章分析了几种常见的遥感图像的光谱、纹理特征提取方法。

参考文献

[1]张良培，李翠琳．基于小波变换的影像纹理特征提取试验[J]．测绘信息与工程，2005，(6)．

[2]裴亮，谭阳．辅以纹理特征的遥感影像神经网络分类[J]．测绘与空间地理信息，2008，(4)．

[3]杨玉静，冯建辉．纹理特征提取及辅助遥感影像分类技术研究[J]．海洋测绘，2008，(4)．

作者简介：杨利民（1960- ），男，有色金属矿产地质调查中心高级工程师，研究方向：工程测量、航测与遥感；胡龙华（1979- ），男，河北中色测绘中心工程师，硕士，研究方向：3S技术；罗铁良（1957- ），男，河北中色测绘中心高级工程师，研究方向：工程测量；贾云生（1958- ），男，河北中色测绘中心高级工程师，研究方向：工程测量。