Page 179 - 测绘新技术的理论与实践研究
P. 179
第五章 多源遥感数据获取技术研究
人类视觉感知的生理与心理研究表明，视觉皮层对位置、空间频率都比较敏
感，感受与捕捉空间位置的同时，还可以获取空间频率的局部域信息，对具有明
暗对比边缘的位置和方位有较为严格的选择性。传统的 Fourier 变换只能反映信
号的整体特性，反映整个时间与信号频率的统计特性，没有局部化分析信号的功
能。为了克服傅里叶变换在处理频率依时间变化或者局部信号时的缺陷，Gabor
于 1946 年提出将信号 f（x）在联合时频域中以离散高斯函数形式展开，即
Gabor 变换。Gabor 滤波器的频率和方向表达与人类视觉系统比较相似。Gabor
小波对于图像边缘较为敏感，能够提供较好的方向和尺度选择特性；Gabor 小波
对于光照变化不敏感，能够提供对光照变化良好的适应性。这些特点使 Gabor 小
波在地物的局部空间和频率域信息方面具有良好的识别性，因此被广泛应用于视
觉信息理解。Gabor 滤波是频率域中逐像素获取图像纹理特征的最简单和通用的
方法之一，可以有效地检测纹理基元。
Gabor 滤波器的参数决定了其性能，滤波器设计的主要任务即是确定这些参
数的合理取值。基于 Gabor 滤波器的纹理图像处理方法依据滤波器设计方法不同
可分为两类（金飞 2013）：多通道 / 多分辨率 Gabor 分解法和匹配滤波器法。
单 Gabor 滤波器可以提取特定的纹理特征，通常应用双纹理图像分割，研究
的重点在于确定“最优滤波器”的参数。匹配 Gabor 滤波器法旨在基于具体应用
对象实现相关参数的最优选取，即面向不同参数，依据简单的约束条件，采用一
定的优化策略，通过实验分析确定单滤波器的最终参数取值。由于仅使用一个滤
波器，匹配 Gabor 滤波器法提取的特征向量维数一般较低，并且可以依据不同的
图像调整相应的滤波器参数。同时，由于滤波器参数的确定首先需要对图像纹理
进行采样，在此基础上进行样本学习并估计图像的概率分布，计算过程烦琐、复
杂度高。
遥感图像地物多、纹理多，一般情况下，不同纹理的带宽和中心频率也不相
同。为了检测不同尺度、不同方向下的局部特征，通常设计多个不同的 Gabor 滤
波器构成滤波器组，每个滤波器用于检测特定方向和尺度下的图像局域特征，这
就是多通道 Gabor 滤波器。
多通道滤波器的设计目的是实现频率域的最优覆盖。通过选定若干滤波器，
将待处理图像分别与滤波器做卷积滤波，综合分析各滤波器的处理结果，通常取
滤波结果的均值和标准差构成特征向量以完成图像纹理分析。研究重点是滤波器
167
