广州地理信息：影像信息量与特征

　　广州地理信息：影像信息量与特征

　　影像特征是由于景物的物理与几何特性使影像中局部区域的灰度产生明显变化而形成的。

　　因而特征的存在意味着在该局部区域中有较大的信息量,

　　而在数字影像中没有特征的区域,应当只有较小的信息量。

　　一、 信 息 量

　　信息或不确定性，是基本随机事件发生概率的实值函数。

　　通常，信息测度也称为熵。

　　影像的嫡就是它的信息量的度量。

　　熵有多种定义，常用的四种分别是Shannon-Wiener熵、条件熵平方熵与立方熵。

　　二、比特分割

　　用灰度出现的概率计算熵，可作为影像所含信息量的测度。

　　但是信息量不等于信号，也就是说其中还可能包含噪声分量。

　　如何从影像中区分信号与噪声，一般可以对影像的灰度作频谱分析，计算其功率谱。

　　根据白噪声的性质—它的振幅波是一个常数，即可估算噪声分量。

　　由于在影像数字化时，像元灰度量化为256个灰度等级，即8个比特，

　　比特分割就是用于确定哪几位比特是信号，哪几位是噪声。

　　三、特 征

　　理论上，持征是影像灰度曲面的不连续点。

　　在实际影像中，由于点扩散丽数的作用，

　　特征表现为在一个微小邻城中灰度的急剧变化，

　　或灰度分布的均匀性，也就是在局部区城中具有较大的信息量。

　　因此，可以以每一像元为中心，取一个 像索的窗口,用式局部熵，

　　若局部熵大于给定的阈值，则认为该像素是一个特征。

　　若不考虑噪声，实际影像是理想灰度兩数与点扩散函数的卷积，

　　其灰度的分布均表现为从小到大或从大到小的明显变化，

　　因而除了用局部信息量来检测特征之外，

　　还可以利用各种梯度或差分算子提取特征，

　　其原理是对各个像索的邻城即窗口进行一定的梯度或差分运算，

　　选择其极值点(极大或极小)或超过给定乏值的点作为特征点。



为您推荐 广州地理信息：影像特征提取与定位算子