考虑以下两个灰度图像:
第一张图片显示了蜿蜒的河流格局。第二张图片显示了随机噪声。
我正在寻找一种统计量,可以用来确定图像是否可能显示河流图案。
河流图像有两个区域:河流=高价值,其他地方=低价值。
结果是直方图是双峰的:
因此,具有河流图案的图像应具有较高的方差。
但是上面的随机图像也是如此:
River_var = 0.0269, Random_var = 0.0310
另一方面,随机图像具有较低的空间连续性,而河流图像具有较高的空间连续性,这在实验方差图中清楚显示:
就像方差“汇总”一个数量的直方图一样,我正在寻找一种空间连续性的度量,以“汇总”实验方差图。
我希望这种度量可以在较小的滞后比较大的滞后更“惩罚”高半方差,因此我想出了:
如果我仅从滞后= 1到15加起来,我得到:
River_svar = 0.0228, Random_svar = 0.0488
我认为河流图像应该具有较高的方差,但空间方差较低,因此我引入了方差比:
结果是:
River_ratio = 1.1816, Random_ratio = 0.6337
我的想法是使用该比率作为图像是否为河流图像的决策标准。高比率(例如> 1)=河流。
关于如何改善事物有什么想法吗?
预先感谢您的任何回答!
编辑:遵循whuber和Gschneider的建议,这是使用Felix Hebeler的Matlab函数使用15x15逆距离权重矩阵计算的两个图像的Morans I :
我需要将每个图像的结果汇总为一个数字。根据Wikipedia:“值的范围是从-1(表示完美分散)到+1(完全相关)。零值表示随机的空间模式。” 如果我对所有像素的Morans平方求和:
River_sumSqM = 654.9283, Random_sumSqM = 50.0785
这里有一个巨大的差异,所以Morans我似乎是衡量空间连续性的一个很好的方法:-)。
这是河流图像的20000排列的此值的直方图:
显然River_sumSqM值(654.9283)不太可能,因此River图像在空间上不是随机的。