多尺度理论及图像特征课件.pptVIP

多尺度理论及图像特征2012.6

Lam等【1】分辨率测量尺度地学现象发生的空间范围一定环境中发挥效应的尺度如：森林比树的运行尺度大区分目标的最小可分辨单元(如：像元)图上距离与实际距离之比研究的空间范围或大小大比例尺→小范围、详细信息如：大尺度覆盖大的研究区域遥感主要关注的尺度

（Goodchild[2]）?尺度研究的：–尺度在空模式和地表程中的作用，以及尺度境建模的–尺度域（尺度不范）和尺度–尺度，尺度分析和多尺度建模方法的

（李小文[3],周[4]）?遥感尺度：–遥感主要关注的是量尺度，不同来源的遥感信息数据在尺度和空尺度上都有着很大的差距，在一个尺度上察到的象、出的律、构建的模型，在另一个尺度下有可能不适用。–因此，需要根据不同用目的最佳的尺度，使得所尺度的影像能最大限度的反映目地物的空分布特征。–例如：一叶到一片森林的空尺度是数量，很想像在叶片上适用的模型会同适用于森林。

?尺度(周[4]）：–在同一幅影像中也会存在不同尺度的地物，致信息提取所需的最佳尺度不甚一致。但是，取的遥感信息数据的尺度却比一。因此，需要行尺度来适不同尺度地物的提取。–尺度定：将一幅影像从一个空或光尺度到另一个空或光尺度的程。

?分(周[4],彭[5]）（按不同的方向）：–尺度展（聚合）：从小尺度影像到大尺度影像的程，也就是将高分辨率影像低分辨率影像的程。?常方法：基于和基于理–尺度收（分解）：大尺度影像行得到小尺度影像的程，从低空分辨率数据中提取像元成分的信息，即把低分辨率影像高分辨率影像的程。主要是通多源遥感信息影像融合的方法的。

?方法(彭[5]）（按）：–基于像元（易行）：方式、融合以及分像元包括数据的空分辨率、分辨率、光分辨率等信息缺点：只考了地物的光信息,无法兼地物的空构形特征,以解决同异物和同物异,致使以得到定的果。而地物的空构形是根据的属性差异聚集状分布,因此遥感影像中的地物特性不表在的光信息上,在形状、理等特征上。–基于象：遥感影像理特征的提取及合理分割以象基本元,在高空分辨率影像上利用影像多尺度分割技,构建不同尺度的影像信息等,遥感影像信息在不同尺度之的

：?方法(彭[5]）–基于像元（易行）：?点：易于操作?缺点：无法有效利用影像提供的地物空信息,致精度以提高。–基于象：?点：能包含地物的空信息,提高精度。?缺点：如何合理定象的分割尺度是点。?方法：–地理差异法（Geographicvariancemethod），小波法（Wavelettransformmethod），局部差异法(Localvariancemethod)，半方差函数法（Semivariagrambasedemthod），分形方法（Fractalmethod）

?融合(周[4]，彭[5]）：–主要用于尺度收的,通将一个尺度影像信息融入另一尺度影像来达到尺度目的。遥感影像的空信息多体在高信息上,而光信息多集中于低部分。(彭[5]）–在程中，基本原是在尽可能保持原像光信息的前提下,提高其空分辨率。(彭[5]）–利用高空分辨率影像和高光分辨率影像行融合，使得融合后的影像具有高的空分辨率有利于目解，同高的光分辨率，同后的光运算、光分析提供了可能。(周[4]）

?融合(周[4]，彭[5]）：–尺度收的方法：基于空域和基于。(周[4]）?1.基于空域的融合：影像的像素灰度直接行运算的方法，算法、易于，但是力达不到要；?2.基于域的融合：先将原始像行，然后在域中行信息融合，最后行逆得到融合后影像的方法，表力，但是算法相复。–目前常用的主要有彩色模型方法、直方差、主成分分析法、高通波、小波分析。(彭[5]）

?果价(周[4]）：–遥感影像行尺度后，行了重采，不可避免地会致不同程度的信息失或异，例如面、形状、理等化。因此，需要一些主、客价方法来定不同方法的–尺度方法价的准是后影像能最大限度的保持前影像的有用信息。主价主要是靠目解，用目的方法考量尺度后影像的清晰程度。–客价方法：?1.信息的信息、方差、平均梯度（清晰度），?2.信息的偏差指数和相关系数等。

几何形状颜色特征边缘特征图像特征色形亮度信息特征纹理特征空间关系（光谱）色调、颜色、阴影、反差形状、大小、空间布局、纹理

?特点：–全局特征、基于像素点的特征–描述像或像区域所的景物的表面性–色像或像区域的方向、大小等化不敏感，所以色特征不能很好地捕捉像中象的局部特征–使用色特征，如果数据很大，常会将多不需要的像也索出来

?色特征表达：–色直方、色集、色矩、色聚合向量、色相关?色直方–点：能描述