纹理特征分析及特征量计算

纹理特征分析及特征量计算

本文采取的系统结构如图1所示，所需要分类的图像经过预处理，所以不涉及图像预处理过程。

纹理特征描述了在图像中反复出现的局部模式和排列规则，反映宏观意义上灰度变化的规律，图像局部区域的纹理特征是识别客体的主要依据之一。

灰度共生矩阵表示位置相距(,)灰度分别为h和k的像素点对联合出现的频率分布xΔyΔ[6]。假设把图像指定区域的灰度分为N级，则该区域的灰度共生矩阵M(xΔ,yΔ)为一个N×N矩阵，其元素M(h,k)是相距(xΔ,yΔ)且灰度分别为h档和k档的像素点对出现的次数再除以M中所有(xΔ,yΔ)点对数之和，其中h, k=1, 2, …, N。
SAR图像的灰度共生矩阵反映了图像灰度方向、相邻间隔、变化幅度的综合信息，是分析图像的局部模式和其排列规则的基础，据此可进一步提取描述图像纹理的一系列特征。常用的统计量如下[7]：
1) 角二阶矩或能量为

差方差与和方差有相似性，只是将共生矩阵中横、纵坐标值之差的绝对值为n的值之和作为密度。
9) 差熵为

合成孔径雷达图像目标分类研究