改进的基于梯度场的遥感图像拼接缝消除算法分析-analysis of improved remote sensing image seam removal algorithm based on gradient field.docxVIP

摘要图像镶嵌技术在陆、海、空等各个领域都有广泛的应用。遥感图像的镶嵌是指将在不同条件下得到的图像拼接在一起，消除多余信息，构成一幅大幅面的操作者所需图像的技术过程。通常为了得到大范围的地面影像，需将在不同时间、空间上的多景遥感图像拼接在一起。这样在拼接的边界上，因灰度差异会不可避免的出现拼接缝。拼接缝不仅无法呈现完整和真实的画面效果，而且可能会改变地物的性质，影响后期的研究。因此，如何消除几何拼接后图像上因灰度或颜色差异而出现的拼接缝，进而满足用户视觉上和研究上的需求是亟待解决的问题。目前，遥感图像拼接缝消除算法及评价还不太完善，另外图像拼接质量的评价问题也一直没有得到很好的解决。针对遥感图像镶嵌及其拼接缝消除的问题，本文主要研究了以下内容：首先概括和总结了现有图像拼接缝消除方法的优点和不足；介绍了梯度场算法的相关知识、研究现状及背景意义；详细讲解了梯度场算法的原理和求解过程。其次介绍了TM图像的预处理，并给出了流程图；介绍了TM数据相关波段的特性；给出了最小二乘逼近法和两点扩域法，确定图像重叠区域的两种算法及各自的应用条件。从而梯度场算法的实现奠定了基础。最后在现有的梯度场消除图像拼接缝算法的基础上，对梯度场算法的能量函数采用二阶差分格式进行了离散，同时对梯度场算法得到的拼接图像和迭代匹配算法、强制改正法得到的拼接图像进行了对比，也对梯度场算法进行的一阶、二阶差分格式的离散后得到的图像进行了比较研究，结果可以看出经过梯度场算法处理得到的图像效果比较好。同时，为了兼顾人眼的视觉特性和地物真实灰度值，进而满足用户对图像拼接的视觉评价和客观评价需求，本文给出了图像评价的主观和客观评价方法及图像拼接的主客观评价法，并对客观评价法做了进一步完善，使用变异系数的计算方法检验该准则的有效性，并结合图像的灰度直方图呈现图像效果，结果显示该方法得到的评价更有效。关键词：拼接缝的消除梯度场质量评价重叠区域的确定变异系数AbstractImagemosaictechnologyhaveawiderangeofapplicationsinLand,seaandairfieldandotherfields.Remotesensingimagemosaicistostitchtogethertwoormoreimages,comingfromdifferentconditions,eliminatingredundantinformation,constituteacompleteimageneededfortheoperator.Inordertoobtainawiderrangeofgroundimage,needingtosplicemanyscenesintoanimage,intheremotesensingimageprocessing,duetothegraydiscrepancy,thereinevitablyexistsaseam-lineonthesplicingboundary.Itisnotonlyunabletopresentcompleteandactualpictureeffectiveness,butthenatureoftheterrainmaybechanged,thusaffectingthelate-stagestudy.Therefore,howtoeliminatetheseam-linecausedbygraylevelorcolordifferenceaftertheimageisstitchedfromthegeometrydesiderates.Atpresentthealgorithmandevaluationoftheseameliminationofremotesensingimagearenotperfect,andtheevaluationproblemoftheeffectsofsplicinghasn’tbeensolvedexcellently.Accordingtoremotesensingimageandflat-fellseamtoeliminateproblem,thispapermainlystudiesthefollowingcontents:Atfirst,thispapersumsupandsummarizestheexistingimagespellseameliminationmethodsandexpoundstheiradvantagesanddisadvantages;Introducedtherelevantknowledge,theresearchstatusquoofgradientalgorithmanditsbackgroundsignificanc