图像的特征统计

1.图像基本统计分析量

设$f(i,j)$表示大小为$M\times N$的数字图像，则该图像的基本统计量如下。

图像的信息量

一幅图像如果共有k种灰度值，并且各灰度值出现的概率分别为p₁，p₂，···，p_k，根据香农定理，图像的信息量可采用如下公式计算：
$$H=-\sum _{i=1}^k{p}_{i}lo{g}_2{p}_i$$
H称为熵，当图像各灰度值出现概率彼此相等时，图像的熵最大。

图像灰度平均值

灰度平均值指一幅图像中所有的像素灰度值的算术平均：
$$\bar{f}=\frac{{\sum }_{i=0}^{M-1}{\sum }_{j=0}^{N-1}f(i,j)}{MN}$$
图像灰度平均值反映了图像中不同物体的平均反射强度。

图像灰度众数

图像灰度众数是指图像中出现次数最大的灰度值，物理意义是一幅图像中面积占优的物体的灰度信息。

图像灰度中值

数字图像全部灰度级中处于中间的值，当灰度级数为偶数时，取中间两个值的平均值。

图像灰度方差

灰度方差反应各像素灰度值与图像平均灰度值的离散程度：
$$S=\frac{{\sum }_{i=0}^{M-1}{\sum }_{j=0}^{N-1}[f(i,j)-\bar{f}{]}^2}{MN}$$
与熵类似，图像灰度方差同样是衡量图像信息量大小的主要度量指标，是图像统计特性中最重要的统计量之一，方差越大，图像信息量越大。

图像灰度值域

图像灰度值域是指图像最大灰度值与最小灰度值的差：
$$f_{range}(i,j)=f_{max}(i,j)-f_{min}(i,j)$$

2.数字图像直方图

直方图是统计应用中经常使用的一种工具，主要特点是直观、方便、可视性好。数字图像处理中常常应用灰度直方图表示图像有关的特征信息。灰度直方图指图像中所有灰度出现的次数或频率。

3.多维图像

一幅RGB包含3个波段的灰度图像，一幅遥感图像可包含多达7个波段的灰度图像。对于多波段图像处理，不仅考虑单个波段图像统计特性，还需考虑波段间存在的关联特征。图像波段间的关联特征不仅是图像分析的重要参数，也是图像彩色合成方案的主要依据之一。

协方差

设$f(i,j)$和$g(i,j)$表示大小为$M\times N$的两幅图像，则两者之间的协方差计算公式为：
$$S_{gf}^2=S_{fg}^2=\frac{1}{MN}\sum _{i=0}^{M-1}\sum _{j=0}^{N-1}[f(i,j)-\bar{f}][g(i,j)-\bar{g}]$$
其中，$\bar{f}$和$\bar{g}$分别表示$f(i,j)$和$g(i,j)$的均值。N个波段互相间的协方差矩阵用$\sum$表示，其定义形式如下：
$$\sum =\left[\begin{array}{cccc}{S}_{11}^2& S_{12}^2& \dots & S_{1N}^2\\ S_{21}^2& S_{22}^2& \dots & S_{2N}^2\\ ⋮& ⋮& \ddots & ⋮\\ S_{N1}^2& S_{N2}^2& \dots & S_{NN}^2\end{array}\right]$$

相关系数

相关系数放映了两个不同波段图像所含信息的重叠程度，它是表示图像不同波段间相关程度的统计量。如果两个波段的相关系数较大，则表明两个波段具有较高的相关性。一个波段与其本身的相关系数为1，表明相关性达到最大值。当相关系数非常大时，仅选择其中一个波段就可以表示两个波段的信息。相关系数计算公式为：
$$r_{fg}=\frac{S_{fg}^2}{S_{ff}{S}_{gg}}$$
$S_{ff}$、$S_{gg}$分别表示图像$f(i,j)$、$g(i,j)$的标准差，$S_{fg}^2$为图像$f(i,j)$、$g(i,j)$的协方差。N个波段的相关系数矩阵R定义如下：
$$R=\left[\begin{array}{cccc}1& r_{12}& \dots & r_{1N}\\ r_{21}& 1& \dots & r_{2N}\\ ⋮& ⋮& \ddots & ⋮\\ r_{N1}& r_{N2}& \dots & 1\end{array}\right]$$