遥感影像处理课程总结

《遥感影像处理课程总结》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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原始图像相关成果展示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

2、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Iff(x,y)Tset255Elseset0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Rob

3、erts/Prewitt/Sobel/kirschHough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图像分割区域A区域B种子像素种子像素区域生长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分裂合并阈值分割－只考虑像元本身的

4、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。图像分割(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

5、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。现有图像分割存在问题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。多尺度分割多尺度分割图像特征良好特征

6、可区分性可靠性独立性数量少颜色特征纹理特征形状特征颜色直方图颜色矩灰度共生矩阵灰度梯度共生矩阵图像自相关函数分形纹理特征欧拉数区域内部空间域分析凸凹性距离区域测量面积周长圆形度形状复杂度区域内部变换分析法矩法投影和截口区域边界的形状特征描述链码Hough变换颜色分布前三阶矩特征提取特征选择特征提取图像识别模板匹配用计算机代替人去识别图像和找出一幅图像中人们感兴趣的目标用途方法定义根据图案与一幅图像的各部分的相似度判断其是否存在，并求得对象物在图像中位置的操作叫模板匹配几何变换中检测对应点、图像配准、立

7、体影像分析、图像中对象物检测模板和图像重合部分的相似度或非相似度高速模板匹配方法基于图案轮廓特征的高精度匹配统计模式识别定义研究每一个模式的各种测量数据的统计特征，按照统计决策理论来进行分析流程方法监督分类非监督分类根据预先已知类别训练样本,求出各类在特征空间分布,再分类判别函数距离函数欧氏距离、绝对值距离、马氏等线性判别函数最大似然判别函数聚类分类K均值聚类等遥感影像分类收集地面参考信息选择适合的分类方法计算统计特征监督分类分类后处理精度评价采样方法混淆矩阵随机、分层、聚点或集群采样