遥感影像处理课程总结.pptVIP

课程总结 面向对象的遥感影像分类 面向对象遥感影像分类系统功能 相关成果展示 相关成果展示 图像复原 图像分割 区域生长 分裂合并 阈值分割－只考虑像元本身的灰度值，没有考虑空间特征，对噪声敏感。 边缘检测－对噪声敏感,受起始点影响。 区域生长－需人为确定种子点，对噪声敏感，区域内可能有空洞。串行算法，当目标较大时，分割速度慢。 分裂合并－算法较复杂，计算量大，分裂可能破坏区域边界。 (1) 大多数分割方法还是针对中、低分辨率遥感影像或SAR影像而提出，对高分辨率影像具有很大的局限性； (2) 遥感影像主要是全色或单波段、多光谱的研究较少； (3) 分割算法的复杂度较大，时间效率较低 (4) 主要利用影像的光谱信息，很少利用空间上下文信息，对于空间信丰富的高分辨率影像是不适应的。 (5) 分割局限在单一尺度下，不能满足不同地物的多尺度特性。 影像分析的不同主题都有其特定的空间尺度，每一个主题都需要分割所生成的影像对象用最恰当的尺度来描述与传递影像的最佳信息，因此在影像分析中总是希望在适宜的尺度上进行。 多尺度分割中采用不同的分割尺度值生成不同尺度影像对象层，使得具有固定分辨率的影像数据可由不同尺度的数据结构组成，从而构建了一个与地表实体相似的层次等级结构，实现了原始象元信息在不同空间尺度间的传递，以适应特定的应用需要。 * * 原始图像 不同尺度分割结果 不同尺度分类结果 图像代数运算 图 像 复 原 定义 流程 方法 将降质的图像以最大的保真度恢复图像 弄清退化原因 建立退化模型 反向推演 恢复图像 频率复原 逆滤波 辐射校正 传感器的灵敏度特性 太阳高度角及地形 大气的影响 大气粗略校正 图像空间复原技术 几何校正 粗校正 精校正 共线方程 多项式校正 像素坐标变换 灰度重采样 间接法 直接法 分割技术两种取向 知识驱动：自顶向下特定目标提取 先验知识－建立模型－提取目标 数据驱动：自底向上影像对象分类 影像数据－分割无意义对象－实体对象 分割技术发展中存在的矛盾 分割需求上 分割结果好、速度快 分割技术上 分割方法千差万别，没有统一的、广泛适用的分割标准 图像分割 基 于 灰 度 值 的 不 连 续 性 基 于 区 域 内 部 灰 度 相 似 性 边界分割法 边缘连接分割法 点、线、边的检测 对做过边缘检测的图像进行 用于连接中断的边 阈值分割法 区域增长 区域分裂与合并 If f(x,y) ? T set 255 Else set 0 直方图 P参数法 最大方差自动取值法 通过选择阈值，找到灰度值相似的区域 先找到点、线（宽度为1）、边（不定宽度） 再确定区域 各种梯度算子用于进行边缘检测 如Roberts/Prewitt/Sobel/kirsch Hough变换和广义Hough变换 进行线的检测 高通滤波器进行孤立点的检测 确定区域的数目 选择有意义的特征 确定相似性准则 单一型 质心型 混合型 基于四叉树的思想不断的进行分裂与合并， 直到不能有新的分裂与合并为止。 事先不了解区域的形状和数目 区域A 区域B 种子像素 种子像素 1）对图像中灰度级不同的区域，均分为四个子区域 2）如果相邻的子区域所有像素的灰度级相同，则将其合并 3）反复进行上两步操作，直至不再有新的分裂与合并为止 图像分割 现有图像分割存在问题 多尺度分割 多尺度分割