利用Gabor滤波器与蚁群算法进行纹理分割

提出了一种利用蚁群算法抽取最优Gabor纹理特征的纹理图像监督分割方法。首先,随机选取纹理样本进行Gabor滤波器变换。然后在蚁群算法的基础上采取Gabor纹理向量与纹理类别中心的距离和最小的方式选择特征子集。其目的在于从全局的角度确定Gabor滤波器的主频率及方向中心,使得不同纹理之间的频率响应差别最大。最后,利用K均值算法在已降维的特征上进行纹理图像分割。实验结果表明,本文方法在合成纹理图像的分割中有较佳表现。     

基于Gabor纹理描述的遥感影像分割

本文引入了在不同影像层次上的Gabor纹理特征,采用分裂-合并加智能像素精致的方法,实现遥感影像的非监督分割。实验结果表明采用Gabor滤波器为基础的多分辨率分析来描述高分辨率遥感影像的纹理特征,可以明显地描述影像的高、低频特征,并且基于Gabor纹理特征进行遥感影像的分割是有效的;将本文方法的分割结果与经典的eCognition分割结果进行了对比试验,表明本文方法的分割结果较好。     

一种基于马尔科夫随机场模型的彩色纹理图像分割

提出了一种基于Gabor滤波和马尔科夫随机场的彩色纹理特征图像的分割算法。首先对色彩和纹理特征进行了分析,将RGB色彩空间非线性变换到CIE-LUV空间,构造颜色的特征向量;然后对原始彩色图像进行Gabor滤波和高斯平滑处理,得到恰当表示原图像的灰度纹理图像;再对原图像建立MRF分割模型,结合色彩和纹理信息,运用贝叶斯理论和迭代优化算法估计最大后验概率(MAP)。实验表明,本文方法可以有效地实现图像分割。     

结合Gabor纹理与几何特征的高分辨率遥感影像城区道路提取方法

在充分考虑道路频谱在不同频带、不同方向上能量分布的基础上,提出一种基于Gabor纹理与几何特征相结合的高分辨率遥感影像城区道路提取方法。首先通过Gabor滤波器组得到遥感影像不同频带、不同方向上的Gabor纹理特征,并利用K-means方法对遥感影像进行分割;然后利用形态学方法分割与道路相连的地物,并选取适当的几何特征剔除非道路地物;最后利用形态学方法对道路网进行修整。实验结果表明,该方法可以有效、便捷地从高分辨率遥感影像中提取城区主干道路网。     

一种基于概率潜在语义模型的高分辨率遥感影像分类方法

针对高分辨率遥感影像中"同谱异物","同物异谱"现象对影像分类过程造成的干扰,将文本分析中的概率潜在语义模型应用于高分辨率遥感影像分类,提出一种无监督的遥感影像分类新方法.该方法首先利用均值漂移分割方法对影像进行分割构建图像区域集合,然后提取集合各区域中每个像元的Gabor纹理特征,并对这些特征进行聚类形成视觉词汇,最...     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

基于纹理特征与区域生长的高分辨率遥感影像分割算法

影像分割是面向对象影像分析中的重要步骤。为了提高高分辨率遥感影像(high-resolution remote sensing image,HRI)分割算法的性能,提出一种新的影像分割算法,包含种子确定、基于种子区域生长(seeded region growing,SRG)的过分割(advanced SRG,ASRG)和层次区域生长(hierarchical region growing,HRG)3个步骤。利用Gabor纹理特征定义纹理均匀性,将种子自动放置在HRI中同一纹理组成区域的中心位置;在SRG阶段,将HRI光谱信息与斑块形状信息相结合,提出了一种新的合并规则,以提高SRG过分割的精度与分割结果中各个斑块排列的紧凑性;在HRG阶段,提出了一种自适应的阈值,可以更好地保持多尺度分割的特性;在实验部分,采用3景HRI验证了上述方法。利用监督的影像分割评价方法定量评价了该方法的分割精度,并与另外2种主流的遥感影像分割算法进行了对比。结果表明,该方法可以得到令人满意的分割效果。     

基于LOG算子和灰度共生矩阵的影像纹理特征提取

随着传感器技术的发展,所获得影像的信息更为丰富,其结构、形状和纹理特征表达得更为清晰。作为影像的一个重要特征,纹理特征的提取对影像的自动化解译有着至关重要的作用。目前纹理特征提取的方法主要有分数维法、马尔科夫模型法、Gabor滤波法和灰度共生矩阵。本文选择目前常用的灰度共生矩阵提取影像的纹理特征,并结合LOG算子,研究基于LOG算子和灰度共生矩阵的窗口自适应算法,克服了灰度共生矩阵提取纹理特征时计算量大,以及固定窗口带来的影像细节保持和噪声消除的矛盾;并通过相关的试验分析,检验其应用于纹理特征提取的实用性和可靠性,为后续的影像分割提供保障。     

结合光谱、纹理与形状结构信息的遥感影像分割方法

针对目前遥感影像分割中多特征利用的问题,提出一种综合利用光谱、纹理与形状信息的分割方法.该方法在进行初始分割的基础上,统计区域的光谱和LBP纹理特征;然后依据光谱、纹理与形状特征计算相邻区域之间的异质性,并以此为基础构建区域邻接图(region adjacency graph,RAG);最后在邻接图的基础上采用逐步迭代优化算法进行区域合并获取最终分割结果.采用QuickBird和SAR影像的分割试验,证明该算法能充分利用影像中地物的光谱、纹理与形状信息,分割效果良好,效率高.     

一种基于改进的2D-Gabor纹理图像分类方法

针对多纹理图像分类的问题,本文提出了一种操作性强,通用性高的分类方法。借助人类视觉特性和纹理图像的尺寸,设计了一种快速简单的Gabor滤波参数设置方法。在多通道的滤波特征图像中应用顺序向前搜索策略选择特征,以J-M距离(Jeffreys-Matusitas distance)为判别因子进行特征空间的优化,最后通过SVM方法实现图像分类。实验表明,该方法有良好的纹理图像分类效果。较之传统的Gabor滤波图像分类方法,该方法具有参数设置简单,操作性强的特点。     

基于模板分解与递归式滤波的遥感图像快速Gabor纹理特征提取

设计一种在x、y轴方向上进行2维Gabor滤波器模板分解的可行方法,从而避免模板分解时在倾斜方向上进行重采样所带来的效率、精度损失;接着采用递归方法实现分解后的1维滤波器以进一步提高算法效率.采用高斯滤波对Gabor滤波结果进行校正平滑作为纹理特征输出,并采用k-means算法对其进行聚类以验证方法在提取图像纹理区域时的有效性.和以快速傅里叶变换方式实现的Gabor纹理提取方法进行对比,实验表明,该方法在纹理特征提取上的精度损失很小,但在算法执行效率上则有显著的提高.

Abstract：

A fast remotely sensed image texture feature extracting method is proposed. It firstly decomposes a 2-D Gabor filter along x, y axes Into a set of 1-D filters, which avoids the precision and efficiency losing of re-samplingwhich is necessary when the decomposing is carried out along some inclined orientations of an image plane. Besides, a recursive method is implemented to further improve the efficiency of the decomposed 1-D filtering. A Gaussian filter is used to smooth the filtering outputs, which are then subjected to k-means clustering method for textural image segmentation. A comparison between the method and FFT-based Gabor filtering method is carried out. It demonstrates that our method is o feasible and fast way to extract texture features from remotely sensed imagery,for its higher algorithm efficiency and little precision losing.     

Improving MODIS sea ice detectability using gray level co-occurrence matrix texture analysis method: A case study in the Bohai Sea

An effective methodology for Bohai Sea ice detection based on gray level co-occurrence matrix (GLCM) texture analysis is proposed using MODIS 250 m imagery. The method determines texture measures for sea ice extraction by analyzing the discrepancy of textural features between sea ice and sea water. Sea ice extent and outer edge are recognized accurately by texture segmentation owing to significant differences in texture statistical features between ice and water. The texture analysis method can properly eliminate perturbations on sea ice extraction due to suspended sediment. It effectively solves the problem of spectral confusion and sea ice misassignment in the conventional gray-threshold segmentation and ratio-threshold segmentation methods. The method eliminates the need for threshold range setting for sea ice segmentation. Taking the Bohai Sea as an example, the results of the proposed method are validated using co-temporal HJ1B-CCD 30 m imagery by visual interpretation, and the accuracy of the method are evaluated using confusion matrix. The results show that the proposed method is superior and more reliable for sea ice detection compared to conventional methods, providing an ideal tool for precise sea ice extraction.     

An approach to extracting information of residential areas from Beijing-1 image based on Gabor texture segmentation

Abstract

According to the features of high-resolution panchromatic imagery of Beijing-1 small satellite, an approach to extracting information of residential areas is proposed in this paper based on Gabor texture segmentation. The algorithm extracts the features in different directions and different scales by building the Gabor filter, uses cluster analysis of multiple features to segment the image, and performs the fusion processing based on morphological scale space. It solves the problems in image processing resulting from low contrast between remote sensing objects and background, the blurring of image edges and high noise. It has the benefits of direction selection and frequency selection with strong self-adaptive ability. Our experiments prove the effectiveness of the approach for extracting information of residential areas from Beijing-1 high-resolution imagery.     

A Multi-Feature Fusion-Based Change Detection Method for Remote Sensing Images

An object-oriented change detection method for remote sensing images based on multiple features using a novel weighted fuzzy c-means (WFCM) method is presented. First, Gabor and Markov random field textures are extracted and added to the original images. Second, objects are obtained by using a watershed segmentation algorithm to segment the images. Third, simple threshold technology is applied to produce the initial change detection results. Finally, refining is conducted using WFCM with different feature weights identified by the Relief algorithm. Two satellite images are used to validate the proposed method. Experimental results show that the proposed method can reduce uncertainties involved in using a single feature or using equally weighted features, resulting in higher accuracy.     

一种纹理特征融合分类算法

分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析，得到两组特征影像。将上述两组特征影像进行融合，最后利用融合后的数据实现图像的分类。实验证明，基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。     

道路综合特征下高分辨率遥感影像的提取

针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。