python 计算灰度共生矩阵

纹理特征:灰度共生矩阵

  • 纹理特征分为四大类:统计方法(灰度共生矩阵、局部二进制)信号处理方法(小波变换、Gabor变换)模型方法(分形 SAR 自相关)结构方法(数学形态学、句法纹理分析)

  • 灰度共生矩阵就是计算像素i到像素j出现的概率,(注意灰度共生矩阵是有方向的)提供影像灰度方向、间隔、变化幅度与快慢的信息,但不能直接提供区别纹理的特征,因此需要在灰度共生居镇的基础上提取用来定量描述纹理特征的统计属性,haralick提供了14中纹理特征,常用的有均值、方差、标准差、对比度、均质性、相异性等

  • 首先给出图像,根据距离和角度计算出灰度共生矩阵,然后再计算出纹理特征的统计属性
    一般情况下来讲,基本上是将RGB波段转换成灰度波段,然后再计算灰度共生矩阵。然而对于建筑物提取和植被提取,利用近红外波段也是好的选择,而且灰度特征存在冗余,进行特征选择(随机森林、PCA 选择5-7种)

  • 边界像素的处理方式,envi将边界的特征全部赋值为0、

  • 计算过程 : 遥感影像(5125123)-- 图像灰度化(5125121)-- 灰度降级(256-64)–灰度图像 – 滑动窗口(77512512)-- 灰度共生矩阵(6464512512)-- 计算统计量(5125129)

  • python代码:Github:https://github.com/LinghuiXia

你可能感兴趣的:(笔记,计算机视觉,人工智能,机器学习)