ENVI中的纹理分析工具

【嵌牛导读】:使用Texture选项可以应用基于概率统计或二阶概率统计的纹理滤波。许多图像包含的区域以亮度变化为特征,而不仅仅局限于亮度值。纹理是指图像色调作为等级函数在空间上的变化。被定义为纹理清晰的区域,灰度等级相对于不同纹理的地区一定是比较接近的。ENVI支持几种基于概率统计或二阶概率统计的纹理滤波。

【嵌牛鼻子】:纹理分析;ENVI

【嵌牛提问】:如何使用envi进行纹理特征提取

【嵌牛正文】:

转载自http://blog.sina.com.cn/s/blog_764b1e9d0100xyva.html

1.基于概率统计的滤波(Occurrence measures

使用Occurrence Measures选项可以应用五个不同的基于概率统计的纹理滤波。概率统计滤波可以利用的是数据范围(Data Range)、平均值(Mean)、方差(Variance)、信息熵(Entropy)和偏斜(skewness)。概率统计把处理窗口中每一个灰阶出现的次数用于纹理计算。下面为操作过程:

(1)在主菜单中,选择Filters- > Texture -> Occurrence Measures。在Texture Input File对话框选择图像文件。

注:ENVI5.x中是在ToolBox。

(2)在Occurrence Measures Parameter面板中(图5.2),通过 “Textures to Compute”部分纹理类型旁的复选框中点击,选择要创建的纹理图像。

(3)在“Rows”(Y)和“Cols”(X)文本框中,键入处理窗口的大小。

(4)选择输出路径及文件名。点击“OK”,开始处理。所选的纹理图像将计算出来,并被放置在可用波段列表中。


2.基于二阶概率统计的滤波(Co-occurrence measures

使用Co-occurrence Measures选项可以应用八个基于二阶矩阵的纹理滤波,这些滤波包括均值(Mean)、方差(Variance)、协同性(Homogeneity)、对比度(Contrast)、相异性(Dissimilarity)、信息熵(Entropy)、二阶矩(Second Moment)和相关性(Correlation)。

二阶概率统计用一个灰色调空间相关性矩阵来计算纹理值,这是一个相对频率矩阵,即像元值在两个邻近的由特定的距离和方向分开的处理窗口中的出现频率,该矩阵显示了一个像元和它的特定邻域之间关系的发生数。例如,下图所示的二阶概率矩阵是在一个3x3的窗口中,由每一个像元和它的水平方向的邻域生成的(变换值x=1,y=0)。一个3×3基窗口中的像元和在水平方向变换了一个像元的3×3窗口中的像元被用来生成二阶概率矩阵。下面为操作过程。


(1)选择Filters -> Texture- > Co-occurrence Measures,在Texture Input File对话框选择图像文件。

注:ENVI5.x中是在ToolBox。

(2)在Co-occurrence Texture Parameters对话框中(图5.4)。通过 “Textures to Compute”部分纹理类型旁的复选框中点击,选择要创建的纹理图像。

(3)在“Rows”(Y)和“Cols”(X)文本框中,键入处理窗口的大小。

(4)键入X、Y变换值(Co-occurrence Shift),用于计算二阶概率矩阵。

(5)选择灰度量化级别(Greyscale quantization levels):None、64、32或者16。

(6)选择输出路径及文件名。点击“OK”,开始处理。所选的纹理图像将计算出来,并被放置在可用波段列表中。


嵌牛总结:以上介绍了使用envi中的工具进行纹理特征提取

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,829评论 1 331
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,603评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,846评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,600评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,780评论 3 272
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,695评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,136评论 2 293
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,862评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,453评论 0 229
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,942评论 2 233
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,347评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,790评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,293评论 3 221
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,839评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,448评论 0 181
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,564评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,623评论 2 249

推荐阅读更多精彩内容