SAGA——Textural Features(纹理特征)提取

最新推荐文章于 2025-05-06 00:49:03 发布
最新推荐文章于 2025-05-06 00:49:03 发布
阅读量1.6k 收藏 2
点赞数 1
分类专栏： SAGA GIS
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wangzhihao_2015/article/details/104089962
版权
本文记录了使用SAGA软件进行纹理特征提取的过程。首先介绍如何将多波段影像导出为单波段影像，然后在Linux环境下通过代码运行SAGA的Textural Features工具，以提取所需的纹理信息。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

由于课题需要（其实是条件有限），不得不使用SAGA软件进行特征提取，在经过一个星期的摸索之后，终于得到了一些成果，在此记录一下提取的过程。

在第一篇的文章中已经简单介绍了SAGA GIS的相关概念以及如何使用SAGA GIS加载影像和进行分割。

Textural Features提取过程：

（1）将影像的各个波段分别导出为单独影像（这一步是由于我是在服务器上进行，所以需要导出，软件上没有必要将每个波段都导出为单独的影像）

  • 加载影像（单波段导入影像）：Tools——Import/Export——GDAL/OGR——Import Raster，对于Multiple Bands Output选择single grids

  •  将各个波段导出为单独的影像：Tools——Import/Export——GDAL/OGR——Export GeoTIFF，在Girds选项中选择需要导出的波段，存为t影像

最低0.47元/天 解锁文章
（8-3）图像特征提取：纹理特征
码农三叔
03-20 6509
灰度共生矩阵（Gray-Level Co-occurrence Matrix，GLCM）是一种常用的图像纹理特征提取技术，是一种描述图像中像素灰度级之间相对关系的矩阵，用于描述图像中像素对之间的灰度值共生关系，通过统计相邻像素的灰度值出现频次和空间关系，从而提取出图像的纹理特征。在小波变换的过程中，可以提取出图像的纹理特征，例如局部纹理的频率、方向和能量等信息。小波变换在图像纹理分析、纹理识别、图像压缩等领域有广泛应用，它能够提取图像的多尺度、多方向的纹理特征，对于纹理分析和纹理识别任务非常有用。
SAGA GIS使用教程
GIS_feifei的博客
11-11 8257
使用SAGA GIS免费软件，提取地形湿度指数（topographic wetness index, TWI）和水流功率指数（stream power index, SPI） 等数据，简单易操作。
图像纹理特征提取完整版
06-21
上次没传完整，忘了上传那3个函数了，这次是完整版
arcgis和ENVI中如何将数据输出为tif
m0_74353785的博客
05-06 981
本文介绍在arcgis和envi中将其他类型的数据格式输出（转换）为tif格式的简单方法。
纹理特征提取
热门推荐
Rachel Zhang的专栏
04-04 6万+
一幅图像的纹理是在图像计算中经过量化的图像特征。图像纹理描述图像或其中小块区域的空间颜色分布和光强分布。 纹理特征的提取分为基于结构的方法和基于统计数据的方法。一个基于结构的纹理特征提取方法是将所要检测的纹理进行建模，在图像中搜索重复的模式。该方法对人工合成的纹理识别效果较好。但对于交通图像中的纹理识别，基于统计数据的方法效果更好。 1.1.1   LBP纹理特征 LBP方法（Local b
SAGA GIS英文版进行地形分析，计算常用的地形因子等
qq_35794085的博客
05-09 4524
SAGA GIS中文版是一款专业的自动化地球科学分析系统软件。SAGA GIS最新版界面简洁，操作简便，用户使用时输入要分割的影像，选择要计算特征的影像或者波段，设置越大，得到的斑块越大;反之，则越小，点击Okay，得到分割影像图。SAGA GIS中文版主要通过选择适合你影像的格式，加载影像。 SAGA GIS全称是System for Automated Geoscientific Analyses，是一种用于编辑空间数据的地理信息系统(GIS)计算机程序，它是免费的开源软件，SAGA GIS旨在为科学家
图像检索——纹理特征
06-09
其中涉及到的颜色模型,颜色直方图,颜色量化,归一化直方图,灰度共生矩阵,特征归一化,相似性度量，对共生矩阵计算能量、熵、惯性矩、相关4个特征值进行显示
【GEE】计算多波段的灰度共生矩阵纹理特征并选择波段
yyxEdison的博客
12-08 3644
本文介绍如何在GEE上对影像多波段分别计算灰度共生矩阵glcm及其纹理特征，并在计算后的庞大集合中进行筛选。
matlab灰色关联度代码-image-classification-textural-features:使用纹理特征的模式识别图像分类
05-26
matlab灰色关联度代码使用纹理特征进行图像分类 该存储库包含一些MATLAB脚本，这些脚本使用的属性通过图像分类的简单实现。 更具体地说，在和分类器的帮助下，我使用对比度，同质性（相关性）和能量（熵）对源自6个...
纹理特征（一）——GLCM灰度共生矩阵基础
weixin_45739042的博客
04-22 4003
纹理特征（一）——GLCM灰度共生矩阵灰度共生矩阵简介数学定义 参考文献 [1] HARALICK R M, SHANMUGAM K. Textural features for image classification[J]. IEEE transactions on systems ,man, and cybernetics, 1973 ,3(6):610-621. [2]王辉,丛榆坤,陈金阳...
Textural features for image classification
03-03
图像纹理分类经典的文章《Textural features for image classification》
纹理特征和视觉注意机制提取建筑面积
04-05
通过模拟人类视觉系统感知环境的过程，约会视觉注意...根据建筑区域在高分辨率垂直影像中的特点，基于时/频域的纹理分析，提出一种针对建筑区域的纹理特征描述方法，实现了建筑区域的高效提取。了本文算法的有效性。
一种新的纹理特征提取算法
08-17
为了提高纹理特征提取的效率, 提出一种基于傅里叶变换的纹理特征提取算法。该算法先将图像进行傅里 叶变换, 然后把图像傅里叶域分割为12 个扇形区域, 提取扇形区域中的纹理特征, 并使用Caneberr a 距离函数计算 两幅图像的相似度。与现有算法相比, 本算法对纹理特征提取具有较高的效率和准确率。
SAGA GIS-开源
04-26
SAGA-自动地球科学分析系统-是具有巨大功能的地理信息系统（GIS）软件，用于地理数据处理和分析。 SAGA用面向对象的C ++语言编程，并通过非常有效的应用程序编程接口（API）支持新功能的实现。 功能在独立于框架的模块库中组织为模块，并且可以通过SAGA的图形用户界面（GUI）或各种脚本环境（shell脚本，Python，R等）进行访问。 如果您使用的是SAGA，请在工作中提供以下参考：Conrad，O.，Bechtel，B.，Bock，M.，Dietrich，H.，Fischer.E。，Gerlitz，L.，Wehberg，J.，Wichmann ，V.和Boehner，J.（2015）：自动地球科学分析系统（SAGA）v.1.4.4。 Geosci。 模型开发。，8，1991-2007，doi：10.5194 / gmd-8-1991-2015。 http://www.geosci-model-dev.net/8/1991/2015/gmd-8-1991-2015.html。
图像特征提取（纹理特征）
weixin_42805841的博客
07-26 2万+
图像纹理特征总体简述 纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性 纹理具有三大标志： 某种局部序列性不断重复 非随机排列 纹理区域内大致为均匀的统一体 不同于灰度、颜色等图像特征，纹理通过像素及其周围空间邻域的灰度分布来表现，即局部纹理信息。另外，局部纹理信息不同程度上的重复性，就是全局纹理信息。 纹理特征体现全局特征的...
建筑物表面纹理数据的获取
weixin_30549175的博客
10-22 746
纹理数据对于 GIS 的数据管理和空间分析功能没有任何影响，但是，在地形模型表面和建筑物模型表面粘贴真实的纹理影像，给可以突出可视的景观信息，生成具有真实感的三维景观图。纹理的主要来源有航空影像上提取地表和建筑物所对应的纹理数据和近景摄影影像。目前，建筑物的纹理数据获取有以下几种方式： （1）地面摄影相片直接提取。这种方法需要用相机拍摄大量的建筑物侧面照片，其优点是能够使建筑物模型真实...
图像处理中的灰度共生矩阵纹理特征提取方法
嵌入式之斋
05-09 913
计算纹理特征： 从归一化的灰度共生矩阵中可以提取一系列纹理特征，常见的包括能量（Energy）、对比度（Contrast）、相关度（Correlation）、熵（Entropy）、逆差距（Inverse Difference Moment）等。灰度共生矩阵纹理特征提取方法可以应用于图像分类、目标检测、图像检索等任务，通过对纹理特征的比较和分析，可以实现对图像纹理特征的描述和区分。根据需求选择合适的特征： 根据具体的应用需求和图像特点，选择适合的纹理特征进行分析和应用。不同的纹理特征适用于不同的场景和问题。
geemap学习笔记053：纹理特征
主要是关于代码方面的内容，包括但不限于Python、MATLAB、ENVI、ArcGIS
01-23 1009
纹理特征通常描述了遥感影像中像素之间的空间关系和变化，对于地物分类、目标检测以及图像分割等遥感应用非常有价值。本节将会介绍Earth Engine中提供的一些纹理特征计算方法，包括熵和灰度共生矩阵。
envi5.3纹理特征提取
最新发布
05-17
### ENVI 5.3 中的纹理特征提取方法 ENVI 5.3 提供了一套强大的工具用于纹理特征提取，主要通过灰度共生矩阵（Gray-Level Co-occurrence Matrix, GLCM）实现。以下是具体的操作流程以及注意事项： #### 工具位置与功能 在 ENVI 的 Toolbox 中可以找到 **Co-occurrence Measures** 工具[^1]。该工具能够计算多种纹理描述子，包括均值（Mean）、方差（Variance）、协同性（Homogeneity）、对比度（Contrast）、相异性（Dissimilarity）、熵（Entropy）、角二阶矩（Angular Second Moment）、相关性（Correlation），这些指标可以帮助分析图像中的空间结构和模式。 #### 数据准备 为了进行纹理特征提取，需先加载待处理的遥感影像文件。支持的数据格式广泛，涵盖了常见的卫星传感器数据和其他栅格数据类型。 #### 操作步骤说明 虽然不建议使用步骤词汇，但仍可按逻辑顺序整理如下内容： 启动 ENVI 后，在菜单栏依次点击 `Toolbox -> Textural Features -> Co-occurrence Measures` 来打开对话框。设置输入波段、方向角度（通常为 0°、45°、90° 和 135°）、距离参数（一般设为 1 表示相邻像素之间的关系）。完成后运行程序即可生成包含多个通道的结果图层，每个通道对应一种特定的纹理属性[^2]。 #### 输出结果解释 最终得到的是一个多波段浮点型数据集，每一维代表不同的统计量。如果希望单独查看某个特征，则可通过选择相应波段来显示其分布情况。另外值得注意的是，默认情况下保存下来的可能是多光谱形式的 TIFF 文件，因此后续可能需要用 Python 或其他软件进一步解析并可视化各个分量的信息[^2]。 对于编程爱好者来说，还可以借助第三方库如 OpenCV 加载上述生成的大尺寸数组，并利用 NumPy 进行高效运算。当调用函数 cv2.imread() 导入此类高精度图片资源时，推荐采用标志位 flag=2，这样既能保留原始数值范围又能转换成单一维度向量便于后期建模预测等工作开展。 ```python import cv2 image = cv2.imread('path_to_texture_image', flag=2) print(image.shape) ``` 以上代码片段展示了如何正确读取由 ENVI 创建出来的具有特殊编码方式的科学级图形素材实例。 ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值