20.5. 特征提取应用

本节旨在介绍OTB 应用程序，这些应用程序可用于提取通常从主题应用程序中的卫星图像派生的索引。

20.5.1. 辐射指数

辐射指数是描述生物物理特征的几个光谱带的组合。 一般来说，它们是基于地面目标辐射传递函数的数学函数。 例如，NDVI反映了植被在可见红色中吸收的辐射多于在近红外线中吸收的辐射的事实（因此， 在存在植被的情况下，卫星传感器仅在可见红色中检测到近红外线中更高的强度）。 植被指标是最受欢迎的，但还有许多其他指标可以检测水、城市空间、雪等。 在本节中，我们将快速介绍可以使用 辐射测量指数 应用程序计算的热辐射指数。

植被指数使用红色（R）和近红外通道计算，如 表 20.8 。

表 20.8 植被指数

Name	Acronym	Details
NDVI	Normalized Difference Vegetation Index	Values range [每1,1]. Sensitive to atmospheric noise.
TNDVI	Transformed Normalized Difference Difference Index	Positive value.
RVI	Ratio Vegetation Index	Sensitive to soil and atmospheric noise.
SAVI	Soil Adjusted Vegetation Index	Values range [每1,1], minimises soil effects. The correction factor (L) is equal to 0 for dense vegetation, 1 for sparse vegetation (generally, L = 0.5).
TSAVI	Transformed Soil Adjusted Vegetation Index	Values range [每1,1], correction factors (a and s) are slope and 0-y intersect of the linear function fitting the (NIR, R) point cloud.
GEMI	Global Environment Monitoring Index	[PIN 92].
IPVI	Infrared Percentage Vegetation Index	Values range [0,1]. Sensitive to atmospheric noise.

水指标如 表 20.9 。

表 20.9 水指标

Name	Acronym	Details
NDWI	Normalized Difference Water Index	Based on NIR and medium infra-red(MIR) channels [GAO 96].
NDWI2	Normalized Difference Water Index(II)	Based on NIR and green (G) channels.
MNDWI	Modified Normalized Difference Water Index	Based on MIR and G channels.
NDPI	Normalized Difference Pond Index	Based on MIR and G channels.
NDTI	Normalize Difference Turbidity Index	Based on R and G channels.

土壤指标如 表 20.10 。

表 20.10 土壤指数

Name	Acronym	Details
RI	Redness Index	Based on R and G channels.
CI	Color Index	Based on R and G channels.
BI	Brillance Index	Based on R and G channels.
BI2	Brillance Index(II)	Based on NIR, R and G channels.

在下面的练习中，我们使用MNDWI与水相关的索引来绘制Spot 5图像上水的存在（“SPOT 5_5031254110324118302 J0”）。

步骤指令

启动应用程序，在图形用户界面模式下启动 RadimetricIndices 应用程序，如 图 20.46 所示。

图 20.46 辐射测量指数应用

设置渠道指数，输入Spot 5光谱带的指数，如 图 20.47 所示。

图 20.47 选择辐射指数

该应用程序可以同时计算多个指数（通过可用辐射指数）。

输出图像每个所选索引有一个通道，因此通道的数量等于所选索引的数量。

在本练习中，仅选择"MRDWI"索引。

注：仅使用G和MIR通道来计算"MRDWI"：可以仅指定这些光谱带的索引。

选择输出图像，编辑“输出图像”字段。

执行，单击 执行 开始处理。

分析，将原始Spot 5图像和"MNDWI"图像导入QGIS。

分析水占据区域的"MNDWI"值。为此，请使用“价值工具”扩展。

查找与水占用区域对应的"MRDWI"值范围。

处理"MNDWI"以创建地图

使用 BandMath 应用程序来设定MRDWI阈值。

目的是用等于“1”或“0”的像素绘制水地图。

我们使用“uint 8”输出像素类型来缩小输出文件的大小（只需编码两个值）。

设置该公式以针对输入值执行二进制阈值（如果输入像素大于0.5，则输出必须为1，否则为0）：“im1b1>0.5？1：0”。

运行命令行以启动该过程：

otbcli_BandMath -il mndwi.tif -exp "im1b1>0.5?1:0" -out water.tif
uint8

检查结果，将生成的二值图像导入QGIS中，并与其他层（原始图像和"MRDWI"图像）叠加。

直观地评估被水占用区域的绘图质量。

表5.28.使用 RadimetricIndices 应用程序计算辐射指数

20.5.2. 质地指数

纹理是表面强度变化的测量，它量化图像的粗糙度或规则性等属性。 我们将快速介绍可以使用OTB 应用程序计算的两类纹理属性： Haralick和SFS [HUA07] 。

Haralick特征在灰度图像上计算。特征的计算基于灰度共生矩阵（GLCM）。 GLCM的每个元素都是一个表格，列出了图像中像素灰度的不同组合在给定方向上出现的频率。 在实践中，像素的值被量化以缩小该矩阵的大小。 通过此GLCM，计算纹理特征，例如能量、信息量、相关性等。 HaralickTextureExtraction 应用程序计算这些特征并生成每个通道具有一个纹理属性的输出图像。 要计算相关Haralick纹理特征，应检查以下应用程序参数：

• 量化参数（图像最小值“min”、图像最大值“max”以及间隔数“nbbin”）。 GLCM是在量化图像上计算的：你必须检查量化是否符合像素值分布；

• 中心像素邻域大小“xrad”和“yrad”：这会影响用于计算特征集的像素数量；

• 方向（或偏移“xoff”和“yoff”）：Haralick特征在一个方向上计算，如 图 20.48 所示。 请注意，当纹理是各向同性的时，此参数不会影响特征集；

图 20.48 计算方向（抵消参数）

• Haralick特征类：HaralickTextureExtraction允许您计算三类特征（我们邀请感兴趣的读者参考原始出版物有关所有Haralick功能的完整描述 [HAR73] ）：

• “简单”是一组8个局部哈拉利克特征：能量（纹理均匀性），熵（强度图像随机性的度量），相关性（像素与其邻域的相关性）， 逆差分矩（测量纹理均匀性），惯性（像素与其邻域之间的强度对比），聚类阴影、聚类显著性、哈拉利克相关性；

• “高级”是一组10个高级Haralick功能：平均，方差（测量纹理异质性）、差异性、总和平均值、总方差、总熵、熵差、方差差、IC1、IC2；

• “更高”是Haralick 11个更高功能的集合：短距离强调（测量纹理锐度），长期强调（测量纹理粗糙度）、灰度不均匀性、 游程长度不均匀性、游程百分比（测量纹理锐度均匀性），低灰度跑重点，高灰度跑重点，短期高灰度强调，长期低灰度强调和长期高灰度强调。

SFS基于图像方向上像素的矩形图。 SFSTextureExtraction 应用程序计算以下六个特征：长度、宽度、形状指数、w均值、 比率和标准偏差。纹理指数是根据每个像素的邻居计算的。 可以缩短计算线的长度（“空间阈值”），以及改变线的像素和八区中心的像素之间的最大差异（“光谱阈值”）。

在下面的练习中，我们对全彩色Spot 6图像（“ROI_1_Bundle_Ortho/_GSD2015”的全彩色图像）执行Haralick特征提取。

步骤指令

显示帮助，不带参数执行 otbcli_HaralickTextureExtraction 以显示应用程序描述。 输入以下命令：

otbcli_HaralickTextureExtraction

然后打印应用程序描述：

This is the HaralickTextureExtraction application, version 5.2.1

Computes textures on every pixel of the input image selected channel

Complete documentation: http://www.orfeo-toolbox.org/Applications/HaralickTextureExtraction.html Parameters:

-progress <boolean> Report progress

MISSING -in <string> Input Image (mandatory)

-channel <int32> Selected

Channel (mandatory, default value is 1)

-ram <int32> Available RAM (Mb) (optional, off by default, default value
is 128)

-parameters.xrad <int32> X Radius (mandatory, default value is 2)

-parameters.yrad <int32> Y Radius (mandatory, default value is 2)

-parameters.xoff <int32> X Offset (mandatory, default value is 1)

-parameters.yoff <int32> Y Offset (mandatory, default value is 1)

-parameters.min <float> Image Minimum (mandatory, default value is 0)

-parameters.max <float> Image Maximum (mandatory, default value is 255)

-parameters.nbbin <int32> Histogram number of bin (mandatory, default
value is 8)

-texture <string> Texture Set Selection [simple/advanced/higher]
(mandatory, default value is simple)

-out <string> [pixel] Output Image

[pixel=uint8/uint16/int16/uint32/int32/float/double] (default value is
float) (optional, on by default)

-inxml <string> Load otb application from xml file (optional, off by
default) Examples:

otbcli_HaralickTextureExtraction -in qb_RoadExtract.tif channel 2
-parameters.xrad 3 -parameters.yrad 3 -texture simple -out
HaralickTextures.tif

设置量化参数

如前所述，Haralick纹理特征是根据GLCM计算的。 该矩阵显示某个值的像素出现的次数。 然而，图像的像素值通常以16或32位进行积分编码，有时是浮点数（例如辐射指数、辐射率等）。 因此，有必要简化这些值以获得有限大小的矩阵。

量化参数如下：

− “parameters.min”: 下限;

− “parameters.max”: 上限;

• “parties.nbbin”：量化间隔的数量。

要更好地了解如何设置这些参数，请执行下一步。

分析像素值分布将需要分析的全彩色图像导入QGIS，查找图像像素值的矩形图，如 图 20.49 所示。 要访问此功能，右键单击堆叠层中的图像项目，选择“Properties”， 然后转至“histogram”选项卡。

图 20.49 全彩色图像灰度图

选择一个下限值和一个上限值，用于量化输入图像像素值以计算GLCM。 这些值的选择必须代表图像值分布。 在上面的例子中（ 图 20.49 ）， 大部分信息都在范围内 [200、500]（这也可以通过播放“样式”选项卡中的图像颜色动态来进行视觉评估）。

将“parameter.min”值设置为200，将“parameter.max”值设置为500。

将“parameter.nbbin”保留为默认值。

选择其他参数，输入其余参数：

• 输入图像（in）：指示到全色图像的路径；

• 输出图像：输出图像的路径；

• “通道”是计算纹理的通道：保留默认值（第一个通道），全色图像为单声道；

• 将“step”参数保留为默认值（1），以便在每个像素处计算索引；

• 将邻居设置保留为默认值；

• 选择任意纹理方向（“parameters.xoff”和“parameters.yoff”）；

• 选择“纹理”参数以指示要计算的Haralick指数的类别。选择“简单”的纹理特征集，仅计算第一类索引。

运行应用程序，执行应用程序。

更改纹理方向（“paramages.xoff”和“paramages.yoff”）并计算另一组纹理：

• Direction O (与E相同);

• Direction N (与S相同).

分析将之前创建的纹理特征图像导入QGIS。 在周期性（例如葡萄园）和直线性（例如铸造）结构上视觉评估Haralick特征（使用相同的层风格进行视觉比较）。 您可以使用“复制样式”选项。

分析相关性指数（像素与其邻居的相关程度）。

表5.29.使用 HaralickTextureExtraction 应用程序计算纹理指数

图 20.50 、 图 20.51 、 图 20.52 ， 显示了根据单色图像Spot 6在北和东方向上以一个像素的距离在两个像素半径的附近计算的Haralick特征“惯性”。 葡萄园上的两个计算特征（北向/东向）之间的差异表明，纹理在垂直于葡萄园行的方向上对比度更高。

图 20.50 多色斑点6图像

图 20.51 沿北方向计算的“惯性”特征

图 20.52 沿东方向计算的“惯性”特征

20.5.3. 参考文献

[HUA07]

HUANG X., ZHANG L., LI P., “Classification and extraction ofspatial features in urban areas using high-resolution multispectralimagery”, IEEE Geoscience and Remote Sensing Letters, vol. 4, no. 2,pp. 260–264, 2007.

[HAR73]

HARALICK R.M., SHANMUGAM K., “Textural features for imageclassification”, IEEE Transactions on Systems, Man, and Cybernetics,vol. 3, no. 6, pp. 610–621, 1973.