Лекция5
.pdf
Теория и алгоритмы распознавания образов
Индексы для анализа пигментного состава. Примеры
Индекс для оценки содержания хлорофилла (в форме, приведенной к общему знаменателю):
mCARI (R 700 R 670 ) 0.2(R 700 R 550 ) /R 700 /R 670
Существуют еще две разновидности этого индекса с разной чувствительностью к изменчивости листового индекса: mCARI1 и mCARI2
Оценка содержания хлорофилла с использованием каналов в зоне «красного края»
Cl |
|
|
R750 |
800 |
1 |
red _ edge |
R695 |
|
|||
|
|
|
|
||
|
|
|
740 |
|
|
Индекс для оценки содержания каротиноидов |
|
PRI (R531 R570 ) /(R531 R570 ) |
|||
Пример расчета Clred_edge для фрагмента изображения Hyperion
Пример расчета mCARI для (слева исходное изображение в естественных цветах) изображения ETM+
Теория и алгоритмы распознавания образов
Индексы для анализа состава растительной клетки и выявления стрессов
Примеры индексов для анализа биохимического состава клетки
Индекс для определения содержания лигнина и целлюлозы:
CAI 0.5(R2020 R2220 ) R2100
Индекс для определения содержания азота:
|
1 |
|
1 |
|
|
1 |
|
1 |
|
|
NDNI log |
|
log |
|
|
/ log |
|
log |
|
|
|
R1510 |
R1680 |
R1510 |
R1680 |
|||||||
|
|
|
|
|
|
Водные индексы
Самый простой, который можно посчитать в ИК диапазоне:
WI R900
R970
С использованием коротковолнового ИК диапазона:
SRWI |
R860 |
NDWI |
R860 |
R1240 |
|
|
R860 |
R1240 |
|||
R |
|||||
|
|
||||
|
1240 |
|
|
|
Пример индекса для определения стрессового состояния растительности
PSRI R680 R500
R750
Примеры расчета индексов для фрагмента изображения Hyperion
NDWI |
PRSI |
Теория и алгоритмы распознавания образов
Примеры расчета некоторых прикладных спектральных индексов из стандартного набора ERDAS Imagine (на примере изображения ETM+ г. Тверь)
Исходное изображение |
|
Индекс для поиска |
|
Индекс для поиска |
Индекс для поиска |
|
окислов железа: b3/b1 |
|
глинистых минералов: |
цветных минералов: |
|||
|
|
|||||
|
|
|
|
b5/b4 |
|
b4-b3/b4+b3 |
|
|
Каналы ETM+ (Landsat-7) |
|
|
||
|
|
|
|
|
|
|
|
|
1. 0.45 – 0.52 |
мкм |
4. 0.76 – 0.90 мкм |
|
|
|
|
2. 0.52 – 0.60 |
мкм |
5. 1.55 - 1.75 мкм |
|
|
|
|
3. 0.63 – 0.69 |
мкм |
7. 2.09 – 2.35 мкм |
|
|
|
|
6. 10.4 |
- 12.5 мкм(тепловой) |
|
|
|
|
|
|
|
|
|
|
Благодаря простоте расчета многие индексы, как «продукты первичной обработки», могут также быть получены с геопорталов дистрибьютеров космической информации
Теория и алгоритмы распознавания образов
Использование текстурных признаков
Расчет текстурных признаков выполняется в окне заданного размера, обычно
(2m+1)x(2n+1), значение на выходе присваивается центральному элементу при текущем положении центра (i,j)
Гистограммные признаки первого порядка
Рассчитываются без учета взаимного положения пикселей (по гистограмме)
|
|
|
|
|
L |
|
|
||||||
|
|
|
|
|
bP(b) |
|
|
||||||
Среднее |
|
|
b |
|
|
||||||||
|
|
|
|
|
b 0 |
|
|
||||||
|
|
|
|
|
L |
|
|
||||||
|
|
db2 |
(b |
|
)2 P(b) |
|
|
||||||
Дисперсия |
|
b |
|
|
|||||||||
|
|
|
|
|
b 0 |
|
|
||||||
Коэффициент |
|
|
|
|
L |
|
|
||||||
|
|
|
|
(1/ db3 ) (b |
|
|
)3 P(b) |
||||||
ассиметрии |
|
bs |
|
b |
|||||||||
|
|
|
|
|
b 0 |
|
|
||||||
Коэффициент |
|
|
|
|
L |
|
|
||||||
|
4 |
|
|
|
|
|
|
4 |
P(b) 3 |
||||
|
|
|
|
|
|
|
|
|
|||||
эксцесса |
|
bK (1/ db ) (b b ) |
|
||||||||||
|
|
|
|
b 0 |
|
|
|||||||
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
L |
|
|
||||||
Энергия |
|
bN |
|
[P(b)]2 |
|
|
|||||||
|
|
|
|
|
b 0 |
|
|
||||||
|
|
|
|
|
L |
|
|
||||||
Энтропия |
bE P(b) log 2 [P(b)] |
||||||||||||
b 0
Гистограммные признаки второго порядка
P(a,b)=P{(b(i,j)=a&b(m,n)=b}
|
|
|
|
L |
L |
|
|
||||
Автокорреляция |
|
BA abP(a, b) |
|
|
|||||||
|
|
|
|
a 0 b 0 |
|
|
|||||
|
|
|
L |
L |
|
|
|
|
|
|
|
|
(a |
|
)(b |
|
)P(a, b) |
||||||
Ковариация BC |
|
b |
|||||||||
a |
|||||||||||
|
|
|
a 0 b 0 |
|
|
|
|
|
|
|
|
|
|
|
|
L |
L |
|
|
||||
Момент инерции |
|
BI |
(a b)2 P(a, b) |
||||||||
|
|
|
|
a 0 b 0 |
|
|
|||||
Средняя |
|
|
L |
L |
|
|
|
|
|
|
|
BV |
| a b | P(a, b) |
|
|
||||||||
абсолютная |
|
|
|||||||||
|
|
a 0 b 0 |
|
|
|
|
|
|
|
||
разность |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
L |
L |
|
|
|
|
|
|
|
«Обратная |
BD |
P(a, b) /[1 (a b) |
2 |
] |
|||||||
разность» |
|
||||||||||
|
|
a 0 b 0 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
||
Теория и алгоритмы распознавания образов
Использование текстурных признаков
Текстурные признаки, доступные в пакете ENVI (версия 5.*)
1.Среднее
2.Дисперсия
Ng
f1 u iP(i)
i 0
f 2 (i u)2 p(i, j)
i j
|
5 |
N g 1 |
N g |
N g |
|
|
|
|
|
|
|
|
|
||
5. |
Неоднородность f |
|
n |
|
|
p(i, j)2 |
|
|
|
|
|
||||
|
|
n 0 |
|
i 1 |
j 1 |
|
|
|
|
|
|
|
|i j| n |
|
|
6. |
Энтропия f6 p(i, j) log( p(i, j)) |
|
|||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
i |
j |
|
|
||
3. |
Обратная разность |
|
f3 |
|
|
|
|
|
p(i, j) |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
f7 [ p(i, j)] |
|
||||||||||
|
(однородность) |
|
1 (i j) |
2 |
|
7. |
Энергия |
2 |
||||||||||||
|
|
|
i |
j |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
j |
|
|
4. |
Коэффициент |
|
|
N g 1 |
N g |
N g |
|
|
|
|
|
|
|
f8 |
|
(i, j) p(i, j) x y |
||||
|
|
f |
|
|
n2 |
|
|
p(i, |
j) |
|
8. |
Корреляция |
|
|
||||||
|
|
|
|
|
|
|||||||||||||||
|
контрастности |
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x y |
|||||
|
Харалика |
|
|
n 0 |
|
i 1 |
j 1 |
|
|
|
|
|
|
|
|
i j |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|i j| n |
|
|
|
|
|
|
|
|
|
|
|
i,j=1,…,Ng; Ng –общее число уровней яркости, i,j – индексы матрицы смежности уровней яркости в анализируемом окне
Некоторые выводы по результатам численных экспериментов
Наиболее эффективно сочетание спектральных и текстурных признаков, при этом текстурные признаки должны быть приведены к динамическому диапазону, сопоставимому со спектральными признаками
Наибольший интерес чаще всего представляет коэффициент контрастности Харалика Дисперсия и энергия – наименее эффективные признаки
При пространственном разрешении 1м/пиксель оптимальный размер окна 7x7 пикселей
Теория и алгоритмы распознавания образов
Текстурные признаки: примеры использования
Исходное изображение: RGBкомпозиция в естественных цветах
RGB – композиции, составленные из текстурных признаков по каналу 860 нм: слева RED=f4, GREEN=f3,BLUE=f2; справа
RED=f6, GREEN=f5, BLUE=f1.
Некоторые выводы по результатам численных экспериментов
Наибольший интерес чаще всего представляет коэффициент контрастности Харалика Дисперсия и энергия – наименее эффективные признаки
Теория и алгоритмы распознавания образов
Текстурные признаки: примеры использования
Наиболее эффективно сочетание спектральных и текстурных признаков, при этом текстурные признаки должны быть приведены к динамическому диапазону, сопоставимому со спектральными признаками
Исходное изображение: RGBкомпозиция в естественных
цветах
Результаты классификации изображения на 8 классов: слева – по 10 спектральным каналам, справа – по 8 спектральным каналам и текстурным признакам f1, f4, f6
Теория и алгоритмы распознавания образов
Вопросы по теме
1.Что такое спектральные индексы?
2.Приведите примеры проблемно-ориентированных спектральных индексов.
3.Для чего предназначены вегетационные индексы?
4.Перечислите основные группы вегетационных индексов.
5.Что такое «красный край» и как определяется его положение?
6.Приведите примеры общих (мультипликативных) спектральных индексов.
7.Перечислите основные типы растительных пигментов с указанием основных диапазонов поглощения ими солнечного излучения.
8.Опишите принципы выбора каналов для построения индексов с использованием модели трех пигментов.
9.Приведите примеры индексов для определения содержания основных пигментов.
10.Приведите примеры индексов для оценки содержания лигнина и целлюлозы.
11.Приведите примеры индексов для оценки влагообеспеченности клетки.
12.Приведите пример индекса для выявления стрессовых состояний.
13.Чем отличаются текстурные признаки первого и второго порядка?
14.Из каких соображений выбирается размер окна при расчете текстурных
признаков?