第１９卷总第８２期 厂东厂播电视大学学报 ２０１０年第４期 Ｖｏ１．１９ Ｓｕｍ Ｎｏ．８２ Ｊ０ＵＲＮＡＬ ＯＦ ＧＵＡＮＧＤＯＮＧ ＲＡ［３１Ｏ＆ＴＶ ＵＮＩＶＥＲＳＩＴＹ Ｎｏ．４．２Ｏ１０ 基于多尺度小波的城市遥感图像纹理特征提取 黄皖毅 （广州市花都区经济贸易职业技术学校，广东广州，５１０８００） Ｉ摘要ｌ遥感技术为人们提供了大量的图像数据，如何从中提取所需信息，是遥感图像处理技术研究的热点。基 于多尺度小波变换，可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点，确定合适的窗口大小， 采用逐一滑动窗口的方法，对每一窗口提取相应的小波统计特征；应用小波变换的多尺度特性，在不同尺度上提取出 子图像特征，构造出纹理特征矢量，为遥感图像的分类提供纹理特征。 Ｉ关键词】多尺度小波；遥感；图像；纹理；矢量 【中图分类号ｌ ＴＰ７５ １【文献标识码】Ａ Ｉ文章编号ｌ １Ｏ０８—９７６４（２０１０）０４—０１０６—０４ 图像块，然后对这些小图像块的类别进行划分确 １引言 定，从而确定图像块中心像元的类别。基于内容 的信息提取分为三步：第一步，构造出小图像块的 近２０年来，遥感技术的发展向人们提供了大 特征矢量，应用特征矢量度量出各个小图像块的 量的图像数据。如何从这些海量数据中提取出各 特征；第二步，选择各类地物的样本图像块，计算 类信息，一直是遥感图像处理技术中的一大研究热 出各小图像块与各样本图像块之间的距离；第三 点。基于像元光谱特征的分类方法是较为传统和 步，利用距离对各图像块进行分类 。针对这三 广泛的信息提取方法。然而，像元光谱特征无法提 个步骤，国内外都进行了不少研究。Ｇｈｏｌａｍｂｏｓｅｉｎ 供像元排列呈现出的纹理信息，而纹理正是图像的 Ｓｈｅｉｋｈｏｌｅｓｔａｍｉ等利用小波技术提取子图像特征， 重要特征之一。许多图像信息正是通过纹理来表 然后对样本进行非监督分类，利用光谱信息分出亚 达的。因此基于光谱的分类法无法满足实际应用 类，再利用亚类模板进行纹理特征分类，提高了信 需要。例如，在城市空间分析中，需要的数据类型 息提取的效率 ；Ｓｏｅ Ｗｉｎ Ｍｙｒｉｎｔ利用二维小波分 通常是：住宅、公共设施、道路、工厂、城市边缘区等 解不同波段城市遥感图像，基于分解结果设计纹理 按照功能分类的地物类型，每种类型均由各种光谱 信息表达方式，并与传统的表达方式作比较 ；朱 特性完全不同的具体地物组成，传统的基于光谱的 常青提出具有更佳分辨率的小波分解，研究了地貌 自动解译方法无法解译出按功能分类的信息ｕ 。 影像纹理分析和分类，并对２５类地貌遥感影像进 而按功能分类的地物类型在空间排列组合上常显 行了分类试验 ；而Ｊｉｎｇ－Ｗｅｉｎ Ｗａｎｇ和Ｃｈｉｎ－Ｈｓｉｎｇ 现出规律性，可通过纹理特征，将它们区分开，因 Ｃｈｅｎ指出应用２维无分离小波变换的极值可以很 此，如何恰当表达地物的图像纹理特征成为利用纹 好的表达纹理旧Ｊ；Ｍ．Ｎ．Ｓｈｉｒａｚｉａ则基于马尔可夫模 理信息进行图像分类、信息提取一个关键步骤。 型设计了对纹理特征的表达方法，并且对这些纹理 由于纹理是大量像素的集中体现，只有将这 进行了分类…。 些像素作为整体，才能对纹理信息进行表达和提 本文在借鉴前人研究成果基础上，提出了一种 取，即基于内容进行信息提取。基于内容的图像信 基于多尺度小波变换提取城市图像纹理特征的技 息提取是指将原图像按照某种准则分割为若干小 术。应用小波变换的多尺度特性，提取出不同尺度 【收稿日期】２０１０－－０５—２０ Ｉ作者简介】黄皖毅（１９７４一），女，云南大理人，广州市花都区经济贸易职业技术学校计算机专业讲师。 ２０１０年第４期 黄皖毅：基于多尺度小波的城市遥感图像纹理特征提取 子图像的特征，在后续工作中则可以利用各个图像 的纹理特征对这些小图像块进行分类。 信息，属于上层信号中的细节部分； 。是ｆ在垂直 方向上的频率分解，表示水平方向为高频、垂直方 向为低频的子图像， 是ｆ在水平方向的频率分 解，表示水平方向为低频、垂直方向为高频的子图 ２研究方法 ２．１小波技术 像； 『ｊ＋】是ｆ在４５。方向上的频率分解，表示水平、垂 直方向均为高频的子图像。大部分的纹理信息是 小波变换是一种信号的时间一尺度（频域）分 析方法，具有良好的时频局部化特征、尺度变化特 征和方向性特征。小波变换具有多分辨率分析的 特点，在时频两域都具有表征信号局部特征的能 力，是一种时间窗和频率窗都可以改变的时域局部 化分析方法，即在高的频率分辨率处有低的时间分 辨率，低的时间分辨率处有高的频率分辨率，很适 合于探测正常信号中夹带的瞬态反常现象并展示 其成分。 小波变换的基本思想是用一族函数去表示或 逼近一信号，这一族函数称为小波基，它是通过一 小波母函数的伸缩和平移产生其“子波”来构成的， 用其变换系数描述其逼近信号。对于二维图像来 讲，通过张量积可由一维正交小波构造二维正交小 波基。 如果信号ｆ∈ （Ｒ），则信号ｆ的连续小波变 换ｗｆ（巩ｂ）定义为： ｒ ，ｂ）＝（，， ）＝ｌａ ｆ ，（ｆ） （ 二旦） （２—１） ’ “ 设 （ ， ）， （ ， ）， （ ，Ｊ，）是三个具有不同 发向频率支撑的小波母函数，每个小波 都可以看 作是一个具有特定方向的带通滤波器的冲击响应， 通过 （ ， ）， （ ， ）， （ ， ）作拉伸、平移可得 到分辨率２ 的空间上的一组正交基 ； （ ， ）为 尺度函数；图像信号是有限能量的二维离散信号， 设为ｆ（ｘ，Ｙ）。目前，多采用的是二维小波离散变换， 实现对二维图像的多层次分解；适当的选择一组小 波基 按照公式（２—２）、（２—３）可对ｆ（Ｘ，Ｙ）进 行多尺度的二维离散小波分解。 ，＝ 『＋ｌ（壬》 ＋１ ０ 乏ｌ（壬》 』＋ｌ（２—２） ｌ，＋１＝（（ｆ（ｘ， ）， ， （ 一２ 胛， 一２一 川）＞）（ ， ∈Ｚ ） ＜ ｆＷ，Ｉ＋ｌ＝（＜ｆ（ｘ，．ｙ）， （‘ ～２ ， 一２一 ）＞）（胛，聊∈ｚ ） ｒ ｒ）一０、 ｌ 二ｌ＝（＜ｆ（ｘ， ），、玉，０ ～２一 ， 一２ ｊ ）＞）（行，蜥∈ｚ ） Ｊ ｆ 。：（＜，（ ， （ ～２－ｉｎ，ｙ－２－Ｊｍ）＞）（ ，聊∈ｚ：） 其中， 是在水平、垂直空间频率均为低频的 子图像，反映了上一层信号中的低频信息，与原始 信号最为相似； 。、 。、 反映的则是高频 以高频的形式出现，即体现在三个细节子图像中。 算法采用由Ｍａｌｌａｔ提出的金子塔分解，对图像每一 层次的 ，进行小波分解，产生下一层次的４种信息： 近似、水平、垂直、对角信息。 在小波技术应用中，对小波母函数 『的选取 并没有固定准则，通常是通过试验从已有小波函数 中选择一种效果较好的函数，或者是根据具体问题 另行构造；而已有的研究大多数采用的是ｈａｒｒ和 Ｄａｕｂｅｃｈｉｅｓ小波。小波技术可用于理遥感图像的 多种处理，包括：提取和表达遥感图像的纹理信息、 图像效果增强、图像融合、边缘和方向提取、图像分 割等。 ２．２纹理特征提取 ２．２．１图像块的分割 纹理是通过大量图像像元的组排列实现的。 因此，首先需要分割原图像，产生适当的小图像块； 然后对这些小图像块提取纹理特征。图像分割的 方法可以分为两种：一种是根据有意义的边界对原 图像分割，这样各图像的形状通常是不规整的，如 用道路分割城市街区；另一种是用一定大小的采样 窗口对原图像进行滑动，每滑动一个像元就产生一 个图像，这样势必产生大量的图像。第二种方法虽 然使得数据处理量增大，但分割方法简单，无需更 多经验知识，有利于信息的自动提取。通过调整窗 口大小，可以确定最佳纹理尺度。在本研究中，将 根据研究目标地物的大小，确定出合理的滑动窗口 的大小，用于提取图像块以及样本。 ２．２．２纹理特征表达 由于大部分纹理信息是以高频的形式出现，而 小波变换得到的Ｗ『１、＋Ｉ 。、 正是高频信息 的体现，因此本文用小波变换来提取纹理特征。应 用小波技术变换图像，从中可提取三类特征。 （１）系数特征：如不同尺度上的小波系数均值、 方差、极大值、极小值。 （２）能量特征：统计试验证明，纹理图像含有 广东厂播电视大学学报（第１９卷总第８２期） 丰富的高频成分，平滑图像的能量则集中在低频部 过反复试验和目视判别，发现如果采样窗口太大 或太小，则包含地物过多或过少，规律性纹理特征 不明显。经过比较，最后选取３５＊３５的采样窗口 （１７５ｍ．＊１７５ｍ），此窗口的实际地面大小与５种地物 类型的实际分布大小最接近，既能够使样区地物单 一分，因此，可从图像在各频率上的能量分布来提取 图像的纹理特征。应用二维离散小波变换获得各 子图像在不同频率尺度上的信息，然后从不同尺度 子图上提取能量。可以用公式（２—４）、（２—５）计算 能量： ，又能充分反映各地物类型的纹理特征。因此， Ｅ ＝∑ｌｃ（ ，ｊ）／Ｍｆ （ｎ—Ｖ，Ｗ ） （２—４） 本文选择：按照３５＊３５的窗口，采用逐像元滑动的 ｌ （２—５） 其中，Ｍ为图像各部分的像素个数，Ｃ（ｉ，ｊ）为 其中像元的灰度值，料（ｓ）为第Ｓ层上的低频近似、 高频细节子图像四图之一，ｗ．，．为相应的小波系数。 （３）信息熵特征：按照公式（２—６）提取每…尺 度上的子图像的信息熵。 Ｐ＝一∑ＩｐＵ，ｊ）ｌｌｏｇ］ｐ（ｉ， ， ，．．、 ｌｃ赢（ ， ）ｌ‘ （Ｖ／ ｙ ￣ｌｃ（ｉ， ２—６ｚ 其中，Ｃ（ｉ，ｊ）为其中像元的灰度值。 通过从这三类特征中选择合适的具体特征值， 可构造出恰当的特征矢量，从而提取出图像块的纹 理特征。对于提取出的纹理特征矢量，还可以进一 步标准化和加权以提高特征矢量的质量。 ３试验 ３．１研究区域 研究区为上海市内环线以内的中心城区。采 用的遥感影像为２０００年上海地区的ｓｐｏｔ影像，空 间分辨率为５ｍ。根据上海市城市规划建设的特点， 并结合对遥感影像的初步分析，发现许多同类建筑 物具有集群分布的特点，并且不同地区的同类建筑 群具有类似的空间分布特征，同类地物在不同地区 上具有相似的纹理信息。这里将尝试采用小波技 术提取这些建筑群的纹理信息。 ３．２研究路线 在具体的研究试验中涉及到窗口大小确定、小 波种类选取、特征值类型选择、特征构造几个关键 步骤，试验过程及结果如下。 （１）按照不同的窗口大小（５术５、７＊７、１０＂１０……）， 对影像中的５种地物类型（住宅、公共设施、道路、 工厂、城市边缘区）进行采样，各采１Ｏ个样本。通 方式，将原始图像划分为若干图像块。 （２）文献［１］的研究表明ｈａｒｒ小波能提高提 取城市地物纹理特征的质量，因此本文也采用ｈａｒｔ 小波。根据已有研究， 层小波分解提取的特征与 多层分解的特征相比，在分类应用中的精度要低， 所以本文分别对５种类型的样本进行多尺度分解 （卜５层）。实验发现分解到第３层次后，第３层次 的低频子图像中的高频信息已不多，无需再分解下 去。因此，本文用ｈａｒｔ小波对每个图像块进行３ 层小波分解，每个图像块得到１０个子图像（１个第 ３层的低频子图像、３个第３层的高频子图像、３个 第２层的高频子图像、３个第１层的高频子图像）。 （３）信息熵是一种较为常用的特征度量指标， 代表了信息丰富度，小波分解予图像的信息熵代表 了频率的复杂情况，是纹理信号的间接体现。因此， 本文选择：按照公式（２—５）计算每个图像块的信 息熵，作为纹理特征矢量的矢量元素，这样每个图 像块就得到一个ｌ０个元素的特征矢量。 图１小波分解子图及特征矢量 （４）为方便后期分类研究，研究还计算了５种 类型的各自１０个样本的特征矢量均值与标准差； 以均值作为该类型的典型特征矢量，（均值一标准 差，均值＋标准差）为特征向量空间。 在研究中，对遥感影像预处理在遥感软件ｅｎｖｉ ２０１０年第４期 黄皖毅：基于多尺度小波的城市遥感图像纹理特征提取 １０９ 中实现；样本、图像块的小波分解实验，信息熵的提 取采用ｍａｔｌａｂ软件编程实现。 ３．３试验结果 间，进行最小距离法、最大似然法等分类试验，以进 一步验证纹理特征矢量的合理性。同时，由于不同 地物类型的纹理不同，所有类型的样本都采用同一 种小波函数是有缺陷的：因此，在后期研究中，将针 对不同地物样本替换小波函数，通过实验找出各地 物的最佳小波函数，并考虑到全图的纹理提取中。 利用ｍａｔｌａｂ编写了小波分解子图提取函数： ｉｍ２ｗａｖｅｃｏｅｆ．ｎｌ，信息墒计算函数：ｃｏｅｆ２ｓｈａｎ．ｍ，最 终合成一个函数：ｉｍ２ｖｅｃ．ｍ（ｆｕｎｃｔｉｏｎ［ｖｌｃａ３，ｖ２ｃ— ｄｈ３，ｖ３ｃｄｖ３，ｖ４ｃｄｄ３，ｖ５ｃｄｈ２，ｖ６ｃｄｖ２，ｖ７ｃｄｄ２，ｖ８ｃｄｈｌ， ｖ９ｃｄｖｌ，ｖｌＯｃｄｄ１］＝ｉｍ２ｖｃ（ｆｉｌｅｐａｔｈｎａｍｅ，ｗａｖｅｎａｍｅ）， 其中ｖｌｃａ３到ｖｌＯｃｄｄ１分别是纹理特征矢量的１０ 个分量，ｆｉ１ｅｐａｔｈｎａｍｅ是图像块的存储位置与名称， ｗａｖｅｎａｍｅ为选择的小波函数）。ｉｍ２ｖｅｃ．ｍ实现了从 【参考文献】 ［１］［４】Ｓｏｅ Ｗｉ ｎ Ｍｙｉ ｎｔ，Ｎｉｎａ Ｌａｍ，Ｊｏｈｎ Ｔｙ１ ｅ ｒ． Ａｎ Ｅｖａｌｕａｔｉ ｏｎ ｏｆ ｆｏｕｒ ｄｉｆｆｅ ｒｅｎｔ ｗａｖｅｌｅｔ ｄｅｃｏｍｐｏｓ ｉ ｔ ｉｏｎ ｐｒｏｃｅｄｕｒｅｓ ｆｏｒ ｓｐａｔ ｉａ１ ｆｅａｔｕｒｅ 输入一个图像块，直接应用小波函数提取出纹理特 征。在图１中，原始图像是一个３５＊３５的窗口采样 的居住小区样本图像块，子图像是它的１０个小波 分解子图，最下部是提取出的纹理特征矢量。 ｄｉ ｓｃｒｉｍｉｎａｔｉｏｎ ｉｎ ｕｒｂａｎ ａｒｅａｓ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎ ｉｎ ＧＩＳ，２００２，６（４）：４０３－４２９． ［２］［３］Ｇｈｏｉａｍｂｏｓｅｉｎ Ｓｈｅｉｋｈｏ１ｅｓ１ａｍｉ，Ａｉｄｏｎｇ Ｚｈａｎｇ， Ｌｉｎｇ Ｂｉａｎ．Ｇｅｏｇｒａｐｈｉｃａ１ Ｉｍａｇｅ Ｃ１ａｓ ｓ ｉｆｉｃａｔ ｉｏｎ ａｎｄ Ｒｅｔ ｒｉ ｅｖａｌ ｆＣ】．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｂｅ ５ｔｈ ４结论 纹理是影像的一个重要特征。在遥感领域中 的纹理信息可大大提高图像分类的准确度，扩大分 类的类别范围。因此，纹理信息的提取就显得十分 ＡＣＭ ｉｎｔｅｒｎａｔｉｏｎａ１ ｗｏｒｋ ｓｈｏｐ ｏｎ Ａｄｖａｎｃｅ ｓ ｉｎ ｇｅｏｇｒａｐｈｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍｓ，１９９７：５８—６１． 【５］朱常青，杨晓梅．具有更佳分辨率小波分解的遥感影 像纹理分类【Ｊ］．地理研究，１９９７，１６（１）：５ ３－５９． ［６】Ｊｉｎｇ—Ｗｅｉｎ Ｗａｎｇ，Ｃｈｉ ｎ—Ｈ ｓｉ ｎｇ Ｃｈｅｎ，Ｗｅｉ—Ｍｉｎｇ Ｃｈｉ ｅｎ．Ｔｅｘｔｕ ｒｅ ｃ１ ａ ｓ ｓｉｆｉ ｃａｔｉ ｏｎ ｕ ｓｉｎｇ Ｎｏｎ— 重要，本文提出并尝试了一种应用小波提取图像纹 理特征的方法，采用３５＊３５的窗口，逐像元将原始图 ｓｅｐａｒａｂ１ｅ ｔｗｏ—ｄｉｍｅｎｓｉｏｎａ１ ｗａｖｅ１ｅｔ ｓ［Ｊ］．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ Ｌｅｔｔｅｒｓ，１ ９９８，１９（１ ３）：ｌ ２２５—１ ２ ３４． ［７］ｓｈｉ ｒａｚｉ Ｍ Ｎ，Ｎｏｄａ Ｉｔ，Ｔａｋａｏ Ｎ．Ｔｅｘｔｕｒｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂａ ｓｅｄ ｏｎ Ｍａｒｋｏｖ ｍｏｄｅｌ ｉｎｇ ｉｎ ｗａｖｅ１ｅｔ ｆｅａｔｕｒｅｓ 像分割为图像块，用Ｈａｒｒ小波对每个图像块进行 ３层分解得到ｌ０个子图，提取ｌ０个子图的信息熵， 最终构成图像块的纹理特征矢量，从而达到了提取 遥感图像纹理特征的目的。 在后期研究中，将根据全图提取出的纹理特征 矢量，５种地物类型的典型特征矢量、特征向量空 ｓｐａｃｅ［Ｊ】．Ｉｍａｇｅ ａｎｄ Ｖｉ ｓｉｏｎ Ｃｏｍｐｕｔｉｎｇ，２０００，１ ８： ９６７－９７ ３． （责任编辑：四叶） Ｃｉｔｙ Ｔｅｘｔｕｒｅ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ’ｌ，匀 ｅｌｅｔ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ ＨＵＡＮＧ Ｗａｎ．ｙｉ （ＧｕａｎｇｚｈｏｕＨｕａｄｕ ＶｏｃａｔｉｏｎａｌＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＴｒａｄｅ，Ｇｕａｎｇｚｈｏｕ，ＧｕａｎｇｄｏｎｇＣｈｉｎａ，５１０８００） Ａｂｓｔｒａｃｔ：Ｔｅｘｔｕｒｅ ａｎａｌｙｓｉｓ ｐｌａｙｓ ａｎ ｉｍｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ，ｅｓｐｅｃｉａｌｌｙ ｉｎ ｃｉｔｙ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇＴｈｉｓ ｐａｐｅｒ ．ｄｅｓｃｒｉｂｅｓ ａ ｍｅｔｈｏｄ ｏｆ ｔｈｅ ｆｅａｔｕｒｅ—ｖｅｃｔｏｒ ｅｘｔｒａｃｔｉｎｇ ｏｆ ｔｅｘｔｕｒｅ．Ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｃｈａｒａｃｔｅｒ ｏｆ ｃｉｔｙ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｎｄ ｔｈｅ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ，ａｎ ａｐｐｒｏｐｒｉａｔｅ ｓｉｚｅ ｏｆ ｓｕｂ—ｉｍａｇｅ ｗｉｎｄｏｗ ｉｓ ｉｎｔｒｏｄｕｃｅｄＭｏｖｉｎｇ ｔｈｅ ｗｉｎｄｏｗ ｐｉｘｅｌ ｂｙ ｐｉｘｅｌ，ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ ．ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｉｓ ｐｒｏｃｅｓｓｅｄ．Ｔｈｅｎ，ｆｅａｔｕｒｅ ｖｅｃｔｏｒｓ ａｒｅ ｃｏｎｓｔｒｕｃｔｅｄ ｂｙ ｃｏｍｐｕｔｉｎｇ ｅｎｔｒｏｐｙ ｏｆ ｅａｃｈ ｓｃａｌｅ ｉｍａｇｅ ｏｆ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍａｔｉｏｎ．Ｆｕｒｔｈｅｒ ｓｔｕｄｙ，ｓｕｃｈ ａｓ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｎ ｆｅａｔｕｒｅ ｓｐａｃｅｉｓ ｒｅｑｕｉｒｅｄ ｔｏ ｖａｌｉｄａｔｅ ｔｈｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ｏｆ ｃｉｙ ｉｍａｇｅ ｔ，ｔｅｘｔｕｒｅ． Ｋｅｙ Ｗｏｒｄｓ：ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ ｗａｖｅｌｅｔ；ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ；ｉｍａｇｅ；ｔｅｘｔｕｒｅ；ｖｅｃｔｏｒ