图89GLM的计算 (a)图象矩阵,(b)d+/1,o时的GCMH(1,l2,d),(c)对称的 GLCM H(,l2,d GLCM H(1,l2,d)可用于区分图象中的纹理。例如,对纹理基元较大的粗纹理来说,如 果所选d与纹理基元的幅度相比较小,那么位移向量两端的灰度相近的可能性就大。这时H 矩阵中的数值元素趋向集中在矩阵的对角线附近。与此相反,对细纹理来说,d的幅度将与 纹理基元的大小差不多。所以这时H中数值的分布将较为均匀。此外,通过比较不同方向 位移向量d时H中的数值分布情况还可以检测纹理的方向性。总之,H(,l2,d)中的数值 分布情况反映了纹理的性质。因此,我们可以根据H来计算纹理的属性A。常用的属性有以 下几种 (1)对比度( contrast)A 4=∑∑1-4H(4,l2, (8-30) (2)均匀性或能量A2 4=∑∑(4l2o)2 (8-31) 这是纹理均匀性的测量,也可认为是图象能量的测量。当H中的各项元素值较为接近 时,A就较小。纹理较细时就会出现这种情况,而当H的元素值中大的各项集中在对角线 附近时,A2就趋向最大 (3)逆差分矩( inverse difference moment)A3 H(1,l2,d) (1≠2) 8-32) h112(1-2 这个属性可用于检测纹理的局部均匀性 (4)熵( entropy)A4 A=∑∑H(4,12)gH(,2d 33) 这是纹理不均匀性的测量,当H的各项元素大小不一时,A就较大。在遥感图象的纹 理分类中应用A3和A4属性的效果很好。 (5)相关( correlation)As 4=∑∑(1-以)(2-)H(1,l2,) (9-34) 其中和a分别为h1和h2的平均值和标准方差。如果H(l,l2,)的元素之间的值较为接近 As就较大 以上介绍的GLCM把象素作为纹理基元,表示基元的特征是象素位置和灰度。基元之 间的空间关系也被局限于空间位移向量。并发矩阵的概念可以被推广;纹理基元可选用图象 中的低层单元,如边缘点、边缘段,或灰度均匀的小区域等。描述这些纹理基元的特征可以 是多个。例如,边缘单元可用位置、对比度、方向等特征来描述。同样,纹理基元之间的空 间关系可以推广为用任意复杂的空间约束来定义的通用关系。例如图8.10所示为一组边缘 点,每个边缘点以对比度作为特征。基元之间的空间约束条件是是基元之间的街区距离(city block)db≤2,db=|-1+-f,(,和(,j)为两个边缘点的位置。图中b和c点与 a点的空间关系都满足上述条件 物 口口物物 173 (b)173 图 8.9 GLM 的计算 (a)图象矩阵, (b)d=[1, o]时的 GLCM H(I 1 , I 2 , d) , (c)对称的 GLCM H(I 1 , I 2 , d) GLCM H(I 1 , I 2 , d) 可用于区分图象中的纹理。例如，对纹理基元较大的粗纹理来说，如 果所选 d 与纹理基元的幅度相比较小，那么位移向量两端的灰度相近的可能性就大。这时 H 矩阵中的数值元素趋向集中在矩阵的对角线附近。与此相反，对细纹理来说，d 的幅度将与 纹理基元的大小差不多。所以这时 H 中数值的分布将较为均匀。此外，通过比较不同方向 位移向量 d 时 H 中的数值分布情况还可以检测纹理的方向性。总之， H(I 1 , I 2 , d) 中的数值 分布情况反映了纹理的性质。因此，我们可以根据 H 来计算纹理的属性 A。常用的属性有以 下几种： (1) 对比度（contrast）A1 A I I H(I I d) I I 1 1 2 2 1 2 1 2 =  − , , (8-30) (2) 均匀性或能量 A2 A H(I I d) I I 2 1 2 2 1 2 =  , , (8-31) 这是纹理均匀性的测量，也可认为是图象能量的测量。当 H 中的各项元素值较为接近 时，A2 就较小。纹理较细时就会出现这种情况，而当 H 的元素值中大的各项集中在对角线 附近时，A2 就趋向最大。 (3) 逆差分矩（inverse difference moment）A3 ( ) ( ) A H I I d I I I I l k I I 3 1 2 1 2 1 2 1 2 = −   , , ( ) (8-32) 这个属性可用于检测纹理的局部均匀性。 (4) 熵（entropy）A4 A H(I I d) H(I I d) I I 4 1 2 1 2 1 2 = , , log , , (8-33) 这是纹理不均匀性的测量，当 H 的各项元素大小不一时，A4 就较大。在遥感图象的纹 理分类中应用 A3 和 A4 属性的效果很好。 (5) 相关（correlation）A5 A (I )(I )H(I I d) I I 5 2 1 2 1 2 1 1 2 =  − −    , , (9-34) 其中  和  分别为 I1 和 I2 的平均值和标准方差。如果 H(I 1 , I 2 , d) 的元素之间的值较为接近， A5 就较大。 以上介绍的 GLCM 把象素作为纹理基元，表示基元的特征是象素位置和灰度。基元之 间的空间关系也被局限于空间位移向量。并发矩阵的概念可以被推广；纹理基元可选用图象 中的低层单元，如边缘点、边缘段，或灰度均匀的小区域等。描述这些纹理基元的特征可以 是多个。例如，边缘单元可用位置、对比度、方向等特征来描述。同样，纹理基元之间的空 间关系可以推广为用任意复杂的空间约束来定义的通用关系。例如图 8.10 所示为一组边缘 点，每个边缘点以对比度作为特征。基元之间的空间约束条件是是基元之间的街区距离（city block） dcb  2 , d i i j j cb = −  + −  ，(i, j) 和 (i , j) 为两个边缘点的位置。图中 b 和 c 点与 a 点的空间关系都满足上述条件。 □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ (b) b a c □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ □ (a)