廣州地理信息：影像信息量與特征

　　影像特征是由于景物的物理與幾何特性使影像中局部區(qū)域的灰度產(chǎn)生明顯變化而形成的。

　　因而特征的存在意味著在該局部區(qū)域中有較大的信息量,

　　而在數(shù)字影像中沒有特征的區(qū)域,應(yīng)當(dāng)只有較小的信息量。

　　一、 信 息 量

　　信息或不確定性，是基本隨機事件發(fā)生概率的實值函數(shù)。

　　通常，信息測度也稱為熵。

　　影像的嫡就是它的信息量的度量。

　　熵有多種定義，常用的四種分別是Shannon-Wiener熵、條件熵平方熵與立方熵。

　　二、比特分割

　　用灰度出現(xiàn)的概率計算熵，可作為影像所含信息量的測度。

　　但是信息量不等于信號，也就是說其中還可能包含噪聲分量。

　　如何從影像中區(qū)分信號與噪聲，一般可以對影像的灰度作頻譜分析，計算其功率譜。

　　根據(jù)白噪聲的性質(zhì)—它的振幅波是一個常數(shù)，即可估算噪聲分量。

　　由于在影像數(shù)字化時，像元灰度量化為256個灰度等級，即8個比特，

　　比特分割就是用于確定哪幾位比特是信號，哪幾位是噪聲。

　　三、特 征

　　理論上，持征是影像灰度曲面的不連續(xù)點。

　　在實際影像中，由于點擴散麗數(shù)的作用，

　　特征表現(xiàn)為在一個微小鄰城中灰度的急劇變化，

　　或灰度分布的均勻性，也就是在局部區(qū)城中具有較大的信息量。

　　因此，可以以每一像元為中心，取一個 像索的窗口,用式局部熵，

　　若局部熵大于給定的閾值，則認(rèn)為該像素是一個特征。

　　若不考慮噪聲，實際影像是理想灰度兩數(shù)與點擴散函數(shù)的卷積，

　　其灰度的分布均表現(xiàn)為從小到大或從大到小的明顯變化，

　　因而除了用局部信息量來檢測特征之外，

　　還可以利用各種梯度或差分算子提取特征，

　　其原理是對各個像索的鄰城即窗口進(jìn)行一定的梯度或差分運算，

　　選擇其極值點(極大或極小)或超過給定乏值的點作為特征點。



為您推薦 廣州地理信息：影像特征提取與定位算子