图像锐化方法的研究论文

图像锐化方法的研究论文

图像锐化的两种方法：一、USM滤镜处理操作步骤人物照片看起来很模糊，照片中人物的发丝、身体上的汗水等细节都看不清楚，这样的照片很难吸引大家的注意。我们要做的是，把这样平凡的照片用PhotoShop的USM锐化滤镜处理。在PhotoShop中打开图像后，打开图层面板，选中图层面板中底层的背景图层点击右键，选择"复制副本"为照片复制一个副本图层，将图层的模式设定为"柔光"。选中副本图层，使用"滤镜"菜单下"锐化"中"USM锐化"滤镜，在滤镜设置窗口中，"数量"和"半径"参数影响图像的清晰度，数值越大清晰度越高。"阀值"参数可不用考虑，根据图像的具体情况设定好"数量"和"半径"的数值确定锐化。下面选择"图像"菜单下"模式→LAB颜色"命令，在弹出的窗口中选择"拼合"图层确定，将两个图层合并为一层。又回到图层面板，为合并后的这个图层复制一个副本图层，将面板窗口切换到"通道"界面，看到图层通道上增加了"明度"通道，选定这个通道再使用"滤镜"菜单下"锐化"中"USM锐化"滤镜，这次锐化参数的数值可以小一些，将这个通道锐化处理。最后把副本图层的模式修改为"柔光"，此时的图像不仅画面更清晰，色彩也更加绚丽，然后只要把两个图层合并为一层保存即可。不过，在修改的过程中要根据原图的质量，对各项参数的值进行仔细调整方能获得比较好的效果。控制参数锐化操作的本质是增加图像细节边缘的对比度，这有助于我们的眼睛看清楚图像细节，从而使图像显得棱角分明、画面清晰，这是所有质量好的印刷摄影作品的必需条件。而用扫描仪直接复制的图像如果没有经过修整，看起来会有些单调而模糊不清，所以我们往往需要在图像做完处理后对它作锐化处理。最专业的锐化处理方法是Photoshop中的模糊掩盖锐化处理(unsharpmasking，USM)，它提供了最完善的图像细节强调的控制方法。它提供了三种控制参数:1.半径(Radius)它用来决定作边沿强调的像素点的宽度，如果半径值为1，则从亮到暗的整个宽度是两个像素，如果半径值为2，则边沿两边各有两个像素点，那么从亮到暗的整个宽度是4个象素。半径越大，细节的差别也清晰，但同时会产生光晕。合理的半径应该设置为图像扫描分辨率除以200。例如对于200spi在扫描图就使用1:0，对于300spi图像就使用1:5的设置，这样可以在每一个边缘的附近产生1/50到1/100英寸的光晕，它大得足以提供理想的锐化效果。2.数量(Amout)该参数可以理解为锐化的强度或振幅，对于一般的印前处理，设置为200%是一个良好的开始，然后根据需要再作适当调节。数量值过大图像会变得虚假。3.阀值(Threshold)它决定多大反差的相邻像素边界可以被锐化处理，而低于此反差值就不作锐化。阀值的设置是避免因锐化处理而导致的斑点和麻点等问题的关键参数，正确设置后就可以使图像既保持平滑的自然色调(例如背景中纯蓝色的天空)的完美，又可以对变化细节的反差作出强调。在一般的印前处理中我们推荐的值为3到4，超过10是不可取的，它们会降低锐化处理效果并使图像显得很难看。总之，锐化参数调节既要能够比较好的再现图像细节，又要不至于产生新的麻烦:比如斑点和麻点。如果你是一个有经验的处理人员，还可以根据图像内容进行适当的局部锐化以达到特殊的艺术效果。二、SmartSharpen滤镜Smart Sharpen滤镜是PhotoShop CS2的新功能，它的智能锐化性能能够帮助我们有效将图像清晰处理，它将原有USM锐化滤镜的阀值功能变成高级锐化选项，添加了图像高光、阴影的锐化。我们对照一下图4，这张相片效果虽然不错，但笔者仍想把花朵的纹理显得更清晰一些，并且还不想改动花朵边缘的叶子和背景的图案。打开"滤镜"菜单下"锐化"中"Smart Sharpen"滤镜窗口，首先设置一下"Sharpen"的参数，选中Remove的模式为"镜头模糊(Lens Blur)"，同时选中"More Accurate(更准确)。然后一边调节Amount和半径的数值，一边预览画面的变化。要想不改变叶子和背景的图案，又要突出花朵的纹理，这需要打开锐化工具的高级设置选项。叶子和背景在画面中颜色暗淡正好符合"Shadow"阴影的要求，在"Shadow"设置界面把Fade Amount和Tonal Width设置为"100%"，半径值降低为"1"。这样前面设置的"Sharpen"锐化效果对画面上阴影暗淡部位的作用就不明显了。花朵在画面中是属于高光部分，因此把"Highlight"的参数值设置正好与"Shadow"的参数相反即可。 在以后的拍摄中，再碰到模糊的照片就不必非要将其拉进回收站，利用上面的技巧，一样能将其变的清晰和光亮^_^。

2种方法，USM滤镜处理图像和SmartSharpen滤镜。

平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。

在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。

扩展资料：

锐化操作的本质是增加图像细节边缘的对比度，这有助于我们的眼睛看清楚图像细节，从而使图像显得棱角分明、画面清晰，这是所有质量好的印刷摄影作品的必需条件。

而用扫描仪直接复制的图像如果没有经过修整，看起来会有些单调而模糊不清，所以我们往往需要在图像做完处理后对它作锐化处理。

阈值的设置是避免因锐化处理而导致的斑点和麻点等问题的关键参数，正确设置后就可以使图像既保持平滑的自然色调(例如背景中纯蓝色的天空)的完美，又可以对变化细节的反差作出强调。

在一般的印前处理中的值为3到4，超过10是不可取的，它们会降低锐化处理效果并使图像显得很难看。

参考资料来源：百度百科--图像锐化

概念图像锐化(image sharpening)就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。原理图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这图像锐化的相册(20张)类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。编辑本段PhotoShop图像锐化技巧时我们看到很多文章介绍的都是把清晰的照片模糊处理化，那如果拍出了比较模糊的照片，想把它变得清晰而有光彩，就不是一件容易的事了。不过，世上无难事，只怕有心人，利用PhotoShop的锐化工具就能使照片变清晰。USM滤镜处理操作步骤我们首先来看一下图1，这张人物照片看起来很模糊，照片中人物的发丝、身体上的汗水等细节都看不清楚，这样的照片很难吸引大家的注意。我们要做的是，把这样平凡的照片用PhotoShop的USM锐化滤镜处理。在PhotoShop中打开图像后，打开图层面板，选中图层面板中底层的背景图层点击右键，选择“复制副本”为照片复制一个副本图层，将图层的模式设定为“柔光”。选中副本图层，使用“滤镜”菜单下“锐化”中“USM锐化”滤镜，在滤镜设置窗口中，“数量”和“半径”参数影响图像的清晰度，数值越大清晰度越高。“阀值”参数可不用考虑，根据图像的具体情况设定好“数量”和“半径”的数值确定锐化。下面选择“图像”菜单下“模式→LAB颜色”命令，在弹出的窗口中选择“拼合”图层确定，将两个图层合并为一层。又回到图层面板，为合并后的这个图层复制一个副本图层，将面板窗口切换到“通道”界面，看到图层通道上增加了“明度”通道，选定这个通道再使用“滤镜”菜单下“锐化”中“USM锐化”滤镜，这次锐化参数的数值可以小一些，将这个通道锐化处理。最后把副本图层的模式修改为“柔光”，此时的图像不仅画面更清晰，色彩也更加绚丽，然后只要把两个图层合并为一层保存即可。不过，在修改的过程中要根据原图的质量，对各项参数的值进行仔细调整方能获得比较好的效果。控制参数锐化操作的本质是增加图像细节边缘的对比度，这有助于我们的眼睛看清楚图像细节，从而使图像显得棱角分明、画面清晰，这是所有质量好的印刷摄影作品的必需条件。而用扫描仪直接复制的图像如果没有经过修整，看起来会有些单调而模糊不清，所以我们往往需要在图像做完处理后对它作锐化处理。最专业的锐化处理方法是Photoshop中的模糊掩盖锐化处理(unsharpmasking，USM)，它提供了最完善的图像细节强调的控制方法。它提供了三种控制参数：1.半径(Radius)它用来决定作边沿强调的像素点的宽度，如果半径值为1，则从亮到暗的整个宽度是两个像素，如果半径值为2，则边沿两边各有两个像素点，那么从亮到暗的整个宽度是4个象素。半径越大，细节的差别也清晰，但同时会产生光晕。合理的半径应该设置为图像扫描分辨率除以200。例如对于200spi在扫描图就使用1：0，对于300spi图像就使用1：5的设置，这样可以在每一个边缘的附近产生1/50到1/100英寸的光晕，它大得足以提供理想的锐化效果。2.数量(Amout)该参数可以理解为锐化的强度或振幅，对于一般的印前处理，设置为200%是一个良好的开始，然后根据需要再作适当调节。数量值过大图像会变得虚假。3.阀值(Threshold)它决定多大反差的相邻像素边界可以被锐化处理，而低于此反差值就不作锐化。阀值的设置是避免因锐化处理而导致的斑点和麻点等问题的关键参数，正确设置后就可以使图像既保持平滑的自然色调(例如背景中纯蓝色的天空)的完美，又可以对变化细节的反差作出强调。在一般的印前处理中我们推荐的值为3到4，超过10是不可取的，它们会降低锐化处理效果并使图像显得很难看。总之，锐化参数调节既要能够比较好的再现图像细节，又要不至于产生新的麻烦：比如斑点和麻点。如果你是一个有经验的处理人员，还可以根据图像内容进行适当的局部锐化以达到特殊的艺术效果。Smart Sharpen滤镜Smart Sharpen滤镜是PhotoShop CS2的新功能，它的智能锐化性能能够帮助我们有效将图像清晰处理，它将原有USM锐化滤镜的阀值功能变成高级锐化选项，添加了图像高光、阴影的锐化。我们对照一下图4，这张相片效果虽然不错，但笔者仍想把花朵的纹理显得更清晰一些，并且还不想改动花朵边缘的叶子和背景的图案。打开“滤镜”菜单下“锐化”中“Smart Sharpen”滤镜窗口，首先设置一下“Sharpen”的参数，选中Remove的模式为“镜头模糊（Lens Blur）”，同时选中“More Accurate（更准确）。然后一边调节Amount和半径的数值，一边预览画面的变化。要想不改变叶子和背景的图案，又要突出花朵的纹理，这需要打开锐化工具的高级设置选项。叶子和背景在画面中颜色暗淡正好符合“Shadow”阴影的要求，在“Shadow”设置界面把Fade Amount和Tonal Width设置为“100%”，半径值降低为“1”。这样前面设置的“Sharpen”锐化效果对画面上阴影暗淡部位的作用就不明显了。花朵在画面中是属于高光部分，因此把“Highlight”的参数值设置正好与“Shadow”的参数相反即可。在以后的拍摄中，再碰到模糊的照片就不必非要将其拉进回收站，利用上面的技巧，一样能将其变的清晰和光亮^_^。编辑本段PS Lightroom技巧Photoshop Lightroom提供一些简单的控制用于锐化照片和消除杂色。我说它简单，是因为它们并不复杂，但说实话它们完成这两项任务并不出色。我建议在Photoshop CS2或CS3内完成所有锐化，并在那里完成所有杂色消除（或使用Photoshop 插件），而不是使用Lightroom 内的基本控制。然而，如果没有Photoshop，则可以使用这些基本工具（但我会购买Photoshop CS3）。锐化处理步骤第一步Photoshop Lightroom摄影师专业技法(9张)在Develop模块的右侧面板区域内，向下滚动到Detail面板，就会看到SharpeningAmount（锐化的数量）滑块（图5-9 中圆圈所示）。它只有这一个滑块，用于控制应用到照片的锐化量。其默认设置是25%，但这样的锐化很细微，因此要看到变化，必须大大提升它。现在，在增加它之前，我建议执行以下两步操作：（1）为了能够看到锐化效果，请转到Navigator 面板（位于左侧面板区域的顶部），并单击1:1 缩放视图；（2）单击工具栏内的Before/After 视图按钮，以便可以看到锐化效果以及原始效果。第二步要增加图像锐化，只要把SharpeningAmount 滑块向右拖动即可（图5-10 中所示的这个例子中， 我把它一直拖放到100%，这样在图中所示的照片的After 版本中可以看到锐化效果）。重申一遍，我自己不在Photoshop Lightroom 内做任何锐化，而是在Photoshop CS2或CS3内做锐化，把锐化作为保存文件前的最后一步操作，因为（如我在本节介绍中所提到的）它提供更多控制，更好的锐化效果。第三步如果使用高ISO，或者在低照度下拍摄照片，照片中则可能出现杂色（可见颗粒或一些恼人的红、绿、蓝斑点，或二者都有）。在Sharpening 滑块下方（在Detail面板内），可以看到两个Noise Reduction（杂色消除）滑块。这些滑块的效果如何？我只能说：“它们并不好”，只能这样说。重申一遍，我尽量在Photoshop CS2 或CS3 内消除杂色，但是，如果您只是想在Lightroom 内试一试，则可以在这里试试。首先缩放到1:1视图，这样可以看到杂色是否真正减少（低于此放大倍率很难真正看清其效果）。图中所示的照片是我的好友Matt Kloskowski在东京教学时拍摄的，它带有两种杂色。第四步在开始降低杂色之前，我们先分屏显示Before/After视图，这是又一个值得使这种视图的地方。要减少颗粒， 请把Luminance滑块向右拖（如图5-12 所示），直到杂色减少，或者再看不到为止（理想情况）。如果发现红、绿、蓝斑点，则请试试向右拖动Color 滑块。在这个例子中，要把杂色减少到不可见的程度，我必须把这些滑块拖动多一点（如图5-12 所示）。用这些滑块降低杂色时，必须注意观察两点：（1）虽然在很多情况下它们确实能够减少杂色，但同时它们也会模糊照片内的细节，因此要密切注意这一点；（2）它们也会使色彩变得不够饱和，因此要引起注意。Photoshop Lightroom 校正色差（也就是彩色镶边）我们迟早会遇到这种情况，主体周围反差强烈的边缘出现红、绿或者更可能是紫色的色晕或杂边（这些被称作“色差”）。如果使用的是廉价的数码相机（或者是用廉价广角镜头的好相机），迟早会发现这种情况（可能就在今天），但即使是好相机（和好镜头）也会不时出现这种问题。幸运的是，这在Photoshop Lightroom 内很容易校正。校色处理步骤第一步图中的照片是用廉价傻瓜相机拍摄的。仔细观察就会发现白色建筑的屋顶周围有彩色镶边或色晕。这种情况有时出现在反差强烈的边缘周围，就像这个建筑物上的白色屋顶与其后的绿色树木和草地的交汇处一样。如果发现像这样的情况，请直接转到Develop模块右侧面板区域内的Lens Corrections（镜头校正）面板。第二步单击照片放大白色屋顶。放大（这里看到的是1:1 视图）后更容易确定边缘镶边的颜色，这是解决问题的第一步（下一步需要知道镶边的颜色）。屋顶已经放大，我们可以看到沿着屋顶边缘存在红色线，就像有人用细细的红色记号笔沿着屋顶绘制过一样，这条红线就是色差。第三步一旦确定了镶边的元素（这个例子中是红色），请转到Lens Corrections 面板的Chromatic Aberration（色差）部分，在这里会看到两个滑块：一个是Red/Cyan（红色/青色），另一个是Blue/Yellow（蓝色/ 黄色）。在这个例子中，因为我们的问题是红色，因此请向左朝红色方向拖动Red/Cyan 滑块（如图5-15 所示）。正如我们所看到的，这会大大减少屋顶轮廓线周围的红边。当然，如果照片中的镶边是蓝色或黄色，则要使用下一个滑块，把它朝存在问题的颜色的方向拖动。这样就可以降低色差。第四步这里我们回到缩小的Fit 视图，可以看到现在屋顶效果变好很多，因为我们大大降低了红色镶边。提示：这个提示实际上和校正色差没有任何关系，但是，因为这里有一些空的篇幅，所以给出这个提示。要更好控制Develop模块面板内的滑块，另一种方法是增加面板的宽度，之后这些滑块变得更长，拖动它们时，滑块控制就不会那么宽。要使面板变宽，请直接在面板区域的边缘内单击，把它向Preview 区域拖动。现在请试试拖动任意一个Develop 滑块，您就会明白我的意思。

论文研究方法中的图像分析法

数字图像处理主要研究的内容有以下几个方面：1） 图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2） 图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3） 图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。4） 图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。5） 图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。6） 图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

有。根据查询论文研究方法表明，图标分析法是论文研究方法最常用的方法之一，可以更加直观的进行数据分析，解释说明。

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。实证研究法：依据现有的科学理论和实践的需要提出设计。定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

图像方面的研究论文

随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!

图像识别技术研究综述

摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。

关键词：图像处理;图像识别;成像

中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02

图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。

1 图像处理技术

图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。

1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。

2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。

3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。

4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。

5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。

2 图像识别技术

图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：

指纹识别

指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。

人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。

文字识别

文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。

3 结束语

人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。

参考文献：

[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.

[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.

[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.

[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.

[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.

[6] Sanderson C，Paliwal K Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.

点击下页还有更多>>>图像识别技术论文

图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。我整理了图像分割技术论文，欢迎阅读!

图像分割技术研究

摘要：图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。本文介绍了基于阈值的分割方法和图像分割的图像分割性能的评价、应用现状;最后总结出图像分割的发展趋势。

关键词：图像分割、阈值、边缘检测、区域分割

中图分类号： 文献标识码： A

1引言

随着图像分割技术研究的深入，其应用日趋广泛。凡属需要对图像目标进行提取、测量的工作都离不开图像分割。图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割结果的好坏直接影响对计算机视觉中的图像理解。现有的方法多是为特定应用设计的，有很大的针对性和局限性，到目前为止还不存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，对图像分割的研究目前还缺乏一个统一的理论体系，使得图像分割的研究仍然是一个极富有挑战性的课题。

2图像分割方法

图像分割(Image Segmentation)，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等。而任何相邻区域之间其性质具有明显的区别。

基于灰度特征的阈值分割方法

阈值分割技术是经典的、流行的图象分割方法之一，它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个物体。

这类方法主要包括以下几种：

(1)单阈值法，用一个全局阈值区分背景和目标。当一幅图像的直方图具有明显的双峰时，选择两峰之间的谷底作为阈值。

(2)双阈值法，用两个阈值区分背景和目标。通过设置两个阈值，以防单阈值设置阈值过高或过低，把目标像素误归为背景像素，或把背景像素误归为目标像素。

(3)多阈值法，当存在照明不均，突发噪声等因素或背景灰度变化较大时，整幅图像不存在合适的单一阈值，单一阈值不能兼顾图像不同区域的具体情况，这时可将图像分块处理，对每一块设一个阈值。

边缘检测分割法

基于边缘检测技术可以按照处理的顺序分为并行边缘检测和串行边缘检测两大类。常见的边缘检测方法有：差分法、模板匹配法及统计方法等。由于边缘灰度变化规律一般体现为阶梯状或者脉冲状。边缘与差分值的关系可以归纳为两种情况，其一是边缘发生在差分最大值或者最小值处;其二是边缘发生在过零处。

基于区域的分割方法

基于区域的分割方法利用的是图像的空间性质。该方法认为分割出来的某一区域具有相似的性质。常用的方法有区域生长法和区域分裂合并法。该类方法对含有复杂场景或自然景物等先验知识不足的图像进行分割，效果较好。

区域生长方法是把一幅图像分成许多小区域开始的，这些初始的小区域可能是小的邻域甚至是单个像素，在每个区域中，通过计算能反映一个物体内像素一致性的特征，作为区域合并的判断标准。区域合并的第一步是赋给每个区域一组参数，即特征。接下来对相邻区域的所有边界进行考查，如果给定边界两侧的特征值差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。没有可以消除的弱边界时，区域合并过程结束，图像分割也就完成。

结合特定工具的图像分割技术

20世纪80年代末以来，随着一些特殊理论的出现及其成熟，如数学形态学、分形理论、模糊数学、小波分析、模式识别、遗传算法等，大量学者致力于将新的概念、新的方法用于图像分割，有效地改善了分割效果。产生了不少新的分割算法。下面对这些算法做一些简单的概括。

基于数学形态学的分割算法

分水岭算法是一种经典的借鉴了数学形态理论的分割方法。该方法中，将一幅图像比为一个具有不同高度值的地形，高灰度值处被认为是山脊，底灰度值处被认为是山谷，将一滴水从任一点流下，它会朝地势底的地方流动，最终聚于某一局部最底点，最后所有的水滴会分聚在不同的吸引盆地，由此，相应的图像就被分割成若干部分。分水岭算法具有运算简单、性能优良，能够较好提取运动对象轮廓、准确得到运动物体边缘的优点。但分割时需要梯度信息，对噪声较敏感。

基于模糊数学的分割算法

目前，模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方法相结合，形成一系列的集成模糊分割技术，例如模糊聚类、模糊阈值、模糊边缘检测技术等。

这类方法主要有广义模糊算子与模糊阈值法两种分割算法。

(1)广义模糊算子在广义模糊集合的范围内对图像处理，使真正的边缘处于较低灰度级，但还有一些不是边缘的像素点的灰度也在较低灰度级中，虽然算法的计算简明，且边缘细腻，但得到的边缘图会出现断线问题。

(2)模糊阈值法引入灰度图像的模糊数学描述，通过计算图像的模糊熵来选取图像的分割阈值，后用阈值法处理图像得到边界。

基于遗传算法的分割方法

此算法是受生物进化论思想提出的一种优化问题的解决方法，它使用参数编码集而不是参数本身，通过模拟进化，以适者生存的策略搜索函数的解空间，它是在点群中而不是在单点进行寻优。遗传算法在求解过程中使用随机转换规则而不是确定性规则来工作，它唯一需要的信息是适应值，通过对群体进行简单的复制、杂交、变异作用完成搜索过程。由于此法能进行能量函数全局最小优化搜索，且可以降低搜索空间维数，降低算法对模板初始位置的敏感，计算时间也大为减少。其缺点是容易收敛于局部最优。

基于神经网络分割算法

人工神经网络具有自组织、自学习、自适应的性能和非常强的非线性映射能力，适合解决背景知识不清楚、推理规则不明确和比较复杂的分类问题，因而也适合解决比较复杂的图像分割问题。原则上讲，大部分分割方法都可用 ANN(attificial neural network)实现。ANN 用于分割的研究起步较晚，只有多层前馈NN，多层误差反传(BP)NN，自组织NN，Hopfield NN以及满足约束的NN(CSNN-Const raint Satisfaction Neurat Network)等得到了应用。使用一个多层前向神经网络用于图象分割，输入层神经元的数目取决于输入特征数，而输出层神经元的数目等同于分类的数目。

图像分割中的其他方法

前面介绍了4大类图像分割较常用的方法，有关图像分割方法和文献很多，新方法不断产生，这些方法有的只对特定的情形有效，有的综合了几种方法，放在一起统称为第5类。

(1)标号法(labeling)是一种基于统计学的方法，这种方法将图像欲分割成的几个区域各以一个不同的标号来表示，用一定的方式对图像中的每一个像素赋以标号，标号相同的像素就合并成该标号所代表的区域。

(2)基于Snak模型的分割方法，基于Snake模型的分割是通过对能量函数的动态优化来逼近图像目标的真实轮廓的

(3)纹理分割，由于新的数学工具的引入，纹理分割技术取得了一些进展，张蓬等人将小波分析应用于纹理基元提取。

(4)基于知识的图像分割方法，直接建立在先验知识的基础上，使分割更符合实际图像的特点。该方法的难度在于知识的正确合理的表示与利用。

3图像分割性能的评价

图像分割评价主要有两个方面的内容：一是研究各分割算法在不同情况下的表现，掌握如何选择和控制其参数设置，以适应不同需要。二是分析多个分割算法在分割同一图像时的性能，比较优劣，以便在实际应用中选取合适的算法。分割评价方法分为分析法和实验法两大类。分析法是直接分析分割算法本身的原理及性能，而实验法是通过对测试图像的分割结果来评价算法的。两种方法各有优劣，由于缺乏可靠理论依据，并非所有分割算法都能够通过分析法分析其性能。每种评价方法都是出于某种考虑而提出来的，不同的评价方法只能反映分割算法性能的某一性能。另一方面，每一种分割算法的性能是由多种因素决定的，因此，有可能需要多种准则来综合评价。

4图像分割技术的发展趋势

随着神经网络、遗传算法、统计学理论、小波理论以及分形理论等在图像分割中的广泛应用，图像分割技术呈现出以下的发展趋势：(1)多种特征的融合。(2)多种分割方法的结合。(3)新理论与新方法。

参考文献

[1] [美]RC冈萨雷斯.数字图像处理(第二版)[M].阮秋琦，等译.北京：电子工业出版社，2003

[2] 章毓晋.图像分割[M].北京：科学出版社，2001.

[3] 李弼程，彭天强，彭波等.智能图像处理技术[M].北京：电子工业出版社，2004.

[4] 杨晖，曲秀杰.图像分割方法综述[J].电脑开发与应用。2005，18(3)：21-23.

点击下页还有更多>>>图像分割技术论文

遥感图像融合方法研究论文

【关键词】 图像配准; 多源传感器; 位置约束; 特征提取; 多种特征组合 【摘要】 随着遥感技术迅速发展和新型传感器的不断涌现,人们获取遥感图像数据的能力不断提高。在利用这些多源遥感图像进行数据融合、目标变化检测、目标识别等多源协同处理工作之前,必须进行多源图像配准工作,配准精度的高低直接影响到后续应用效果的好坏。为此,本文主要研究了多源遥感图像间的配准技术,作为协同系统中的关键技术,要求配准方法在运算能力和配准精度方面都能够达到较好的效果。首先,本文对现有的多源图像配准技术进行原理上的分析与介绍。通过对多种配准方法的分类与比较,指出了遥感图像配准的通用技术环节与技术要点。并在研究过程中分析关键技术环节的难点与所面临问题。其次,本文针对传统多源配准方法在进行控制点对应时运算量大,误配情况多的现状,提出了一种基于位置约束的多源遥感影像配准技术。该方法首先利用人工粗略选取少量控制点对,得到粗略位置映射关系,之后利用位置信息以及分辨率信息建立局部窗函数进行搜索匹配,对两幅图像中提取的Harris角点进行筛选,最终得到的控制点对作为求取配准参数的控制点输入,并利用此方法进行了多组图像的实验来证明方法的通用性。然后,本文针对传统配准方法需要人工参与,并且仅使用单一特征进行匹配效...更多果差的缺点,提出了一种基于多特征组合的多源遥感图像自动配准技术。这种方法利用了由粗至精的配准思想,结合使用点、线、面特征分别进行粗配准及精细配准两个过程。重点解决了其中少量初始控制点对的匹配和更多控制点对的获取。完成了存在闭合区域的多源遥感图像间的自动配准过程,并实验验证了方法的配准精度。最后,为了对配准后的遥感图像进行直观的视觉评价,本文介绍了配准后图像间的镶嵌以及融合等简单应用。通过实验,可以很直观的看出配准的效果,完成配准的定性评价。

一、资料的收集与分析 遥感制图所需的资料范围较广，一般需要收集如下资料 1、编制地区的普通地图 、 （1）比例尺最好与成图比例尺一致或稍大于成图比例尺 （2）选用面积变形较小的地图投影 2、遥感资料 后几年的影像 在选择遥感图像时，要遵循以下几个原则： （1）空间分辨率及制图比例尺的选择 空间分辨率指像素 代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元。 空间分辨率指像素所代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元的地面范围的大小 由于遥感制图是利用遥感图像来提取专题制图信息的，因此在选择遥感图像空间分辨率时要考虑以 下两点要素：一是判读目标的最小尺寸，二是地图成图比例尺。遥感图像的空间分辨率与地图比例尺有 密切关系：空间分辨率越高图像可放大的倍数越大，地图的成图比例尺也越大。 遥感图像的比例尺应与成图比例尺一致或象片比例尺稍大于成图比例尺，这样可以避免成图比例尺 大尺度变换的繁琐技术问题。但对于专题要素的判读、分类、描绘来说，往往要选择大于地图比例尺的 象片为宜。 （2）波谱分辨率与波段的选择 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔 波谱分辨率，是由传感器所使用的波段数目，也就是选择的通道数，以及波段的波长和宽度所决定。各 遥感器波普分辨率在设计时， 都是有针对性的， 多波段的传感器提供了空间环境不同的信息。 TM 为例： 以 TM1 蓝波段：对叶绿素和夜色素浓度敏感，用于区分土壤与植被、落叶林与针叶林、近海水域制图。 TM2 绿波段：对无病害植物叶绿素反射敏感 TM3 红波段：对叶绿素吸收敏感，用于区分植物种类。 TM4 近红外波段：对无病害植物近红外反射敏感，用于生物量测定及水域判别。 TM5 中红外波段：对植物含水量和云的不同反射敏感，可判断含水量和雪、云。 TM6 远红外波段：作温度图，植物热强度测量 TM 图象的性质 波段 1 2 3 4 5 6 7 光谱范围 （微米） — — — — — — — 光谱性质 蓝 绿 红 近红外 中（近）红外 热（中）红外 中红外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 应 用 地壤与植被分类 健康植物的绿色反射率 探测不同植物的叶绿素吸收 生物量测量，水体制图 植物湿度测量，区分云与雪 植物热强度测量，其它热制图 水热法制图，地质采矿 包括航空象片、卫星象片及它们的底片和磁带、航空象片镶辑图、若为动态监测还需要前 （3）时间分辨率与时相的选择 遥感图像是某一瞬间地面实况的记录，而地理现象是变化、发展的。因此，在一系列按时间序列成像的 遥感图像 多时相遥感图像中，必然存在着最能揭示地理现象本质的“最佳时相”图像 把传感器对同一目标进行重复探测时， 相邻两次探测的时间间隔称为遥感图像的时间分辨率。 Landsat 如 1、2、3 的图像最高时间分辨率为 18 天，Landsat4、5、7 为 16 天，SPOT-4 为 26 天，而静止气象卫星的 时间分辨率仅为半小时。 遥感图像的时间分辨率对动态监测尤为重要。如：天气预报、灾害监测等需要短周期的时间分辨率，因 此常以“小时”为单位。植物、作物的长势监测、估产等需要用“旬”或“日”为单位。 显然只有气象卫星的图像信息才能满足这种要求；研究植被的季相节律、农作物的长势，目前以选择 landsat-TM 或 SPOT 遥感信息为宜。 3、其他资料 土地现状图、土地利用报告 、编图地区的统计资料、政府文件、地方志等 二、确立专题要素的分类系统 三、遥感图像处理 1、遥感图像处理方法的选择 、 （1）光学处理法 常用的方法有：假彩色合成（加色法、减色法）、等密度分割、图像相关掩膜。 （2）数字图像校正 方法：辐射校正、几何校正 （3）数字图像增强的方法： A. 对比度变换 B.空间滤波：是指在图像空间或空间频率对输入图像应用若干滤波函数而获得改进的输出图像的技术。 空间滤波 常用的空间滤波的方法有：平滑和锐化。 ：平滑和锐化 平滑：图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化， 平滑 使亮度平缓或去掉不必要的“噪声”点。具体方法有：均值平滑、中值滤波 均值平滑、 均值平滑 锐化：为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。常用的几种方法：罗伯特 锐化 梯度、索伯尔梯度、拉普拉斯算法、定向检测 C.彩色变换 彩色变换就是将黑白图像转换成彩色图像的方法。主用的方法有单波段彩色变换、多波段彩色变换、 彩色变换: 彩色变换 HLS 变换等。 D.图像运算 E.多光谱变换 多光谱变换: 多光谱变换 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息 或去掉某些不必要信息的目的。方法：差值运算、比值运算 多光谱变换就是指用某种变换把信息集中于较少（一般为 3 个）波段内。常用的方法有：主成分分 主成分分 变换） 缨帽变换（ 、缨帽变换 变换） 、沃尔什—哈达玛变换、傅立叶变换、植被指数变换、斜变 析（K-L 变换） 缨帽变换（K-T 变换） 、 换、余弦变换等等。 主成分分析（ 变换） 主成分分析（K-L 变换）的主要特性有二： a．能够把原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中。 b．还能够使新的组分图像中的组分之间互不相关，也就是说各个组分包含的信息内容是不重叠的。 K-L 变换的缺点 的缺点是不能排除无用以至有碍的噪声和干扰因素。 的缺点 缨帽变换（ 变换） ：它是 Kauth 和 Thomas（1976 年）通过分析 MSS 图像反映农作物或植被生长过程的数据结 缨帽变换（K-T 变换） 构后，提出的正交线性变换。 K-T 变换的特点：a．能够把原来多个波段中的有用信息压缩到较少的新的波段内。 b．要求新波段正交或近似正交。 c．分离或削弱无用的干扰因素。 （4）多源信息复合 ） 四、遥感图像的判读 1、遥感图像目视判读 遥感图像的判读标志： 遥感图像的判读标志：是指图像上反映出的地物和现象的图像特征，是以深浅不同的黑白色调（灰阶） 或不同的色彩构成的各种各样图形现象出来的。 遥感图像的判读标志可概括为：颜色、形状、空间位置 ：颜色、形状、 颜色——色调、 颜色、 颜色——色调、 颜色、阴影 ——色调 形状——形状、纹理、 大小 、 形状 、 位置——位置、图型、相关布局 位置 2、目视解译的方法 （1）直接判读法（2）对比分析法 （3）信息复合法（4）综合推理法（5）地理相关分析法 （1）直接判读法：是根据遥感影像目视判读直接标志，直接确定目标地物属性与范围的一种方法。 直接判读法 例如，在可见光黑白像片上，水体对光线的吸收率强，反射率低，水体呈现灰黑到黑色，根据色调可以从影像 上直接判读出水体，根据水体的形状则可以直接分辨出水体是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被颜色为红色，根据地物颜色色调，可以直接区别植物与背景。 （2）对比分析法 此方法包括同类地物对比分析法、空间对比分析法和时相动态对比法。 A.同类地物对比分析法 同类地物对比分析法是在同一景遥感影像上，由已知地物推出未知目标地物的方法。 同类地物对比分析法 B.空间对比分析法 空间对比分析法是根据待判读区域的特点，选择另一个熟悉的与遥感图像区域特征类似的影像，将两个影像相互 空间对比分析法 对比分析，由已知影像为依据判读未知影像的一种方法。 C.时相动态对比法，是利用同一地区不同时间成像的遥感影像加以对比分析，了解同一目标地物动态变化的一种解 .时相动态对比法 译方法。 （3）信息复合法：利用透明专题图或者透明地形图与遥感图像重合，根据专题图或者地形图提供的多种辅助信息， 信息复合法 识别遥感图像上目标地物的方法。 （4）综合推理法：综合考虑遥感图像多种解译特征，结合生活常识，分析、推断某种目标地物的方法。 综合推理法 （5）地理相关分析法：根据地理环境中各种地理要素之间的相互依存，相互制约的关系，借助专业知识，分析推断 地理相关分析法 某种地理要素性质、类型、状况与分布的方法。 3、目视解译的基本步骤 （1）准备工作 •选择合适波段与恰当时相的遥感影像 •相关专题地图的准备 •工具材料准备 •熟悉地理概况 •确定专题分类系统 （2）室内初步解译与判读区的野外考察 室内建立初步判读标志 •初步解译的主要任务是掌握解译区域特点，确立典型解译样区，建立目视解译标志，探索解译方法，为全面解译 奠定基础。 •在室内初步解译的工作重点是建立影像解译标准，为了保证解译标志的正确性和可靠性，必须进行解译区的野外 调查。野外调查之前，需要制定野外调查方案与调查路线。 野外考察验正判读标志 在野外调查中，为了建立研究区的判读标志，必须做大量认真细致的工作，填写各种地物的判读标志登记表， 以作为建立地区性的判读标志的依据。在此基础上，制订出影像判读的专题分类系统，根据目标地物与影像特征之 间的关系，通过影像反复判读和野外对比检验，建立遥感影像判读标志。 （3）室内详细判读 在详细判读过程中，要及时将解译中出现的疑难点、边界不清楚的地方和有待验证的问题详细记录下来，留待野 外验证与补判阶段解决。 （4）野外验证与补判 野外验证指再次到遥感影像判读区去实地核实解译的结果。主要内容包括两方面： •检验专题解译中图斑的内容是否正确。 •验证图斑界线是否定位准确，并根据野外实际考察情况修正目标地物的分布界线。 （5）目视解译成果的转绘与制图 遥感图像目视判读成果，一般以专题图或遥感影像图的形式表现出来。 五、遥感图像计算机解译 图像分类方法 监督分类 1.(1) 最小距离法 最小距离法（minimum distance classifier） •以特征空间中的距离作为像素分类的依据。 •在遥感图象上对每一类别选取一个具有代表意义的统计特征量；计算待分像元与已知类别之间的距离，将其归 属于距离最小的一类。 •最小距离分类法原理简单，分类精度不很高，但计算速度快，它可以在快速浏览分类概况中使用。 (2) 分级切割分类法 分级切割分类法（multi-level slice classifier） 多级切割法（multi-level slice classifier）是根据设定在各轴上的值域分割多维特征空间的分类方法。 (3) 特征曲线窗口法 •特征曲线窗口法分类的依据是：相同的地物在相同的地域环境及成像条件下，其特征曲线是相同或相近的，而不 同地物的特征曲线差别明显。 •特征曲线窗口法分类的效果取决于特征参数的选择和窗口大小。各特征参数窗口大小的选择可以不同，它要根据 地物在各特征参数空间里的分布情况而定。 (4) 最大似然法 最大似然法（maximum likelihood classifier） •地物图象可以以其光谱特征向量 X 作为亮度在光谱特征空间中找到一个相应的特征点，来自于同类地物的各种特 征点在特征空间中将形成一种属于某种概率分布的集群。 • 判别某一特征点类属的合理途径是对其落进不同类别集群中的条件概率进行比较， 相应于条件概率大的那个类别， 应是该特征点的归属。 2、监督分类步骤 （1）选择有代表性的训练场，确定各类地物的范围界线。 （2）对各类地物光谱值统计，提取各地物的数值特征。 （3）确定分类判别函数：最小距离法、马氏距离法等。 （4）分类参数、阈值的确定；各类地物像元数值的分布都围绕一个中心特征值，散布在空间的一定范围，因此需要 给出各类地物类型阈值，限定分布范围，构成分类器。 （5）分类：利用分类器分类。 （6）检验：对初步分类结果精度进行检验（分类精度、面积精度、位置精度等） 对分类器进行调整。 （7）待分类影象分类。 （8）分类结果的矢量化。 非监督分类 前提：遥感影象上同类物体在同样条件下具有相同的光谱信息特征，依靠影象上不同类地物光谱信息（或纹理信息） 进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的个别类进行确认。 非监督分类方法是在没有先验类别（训练区）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度 非监督分类方法 的大小进行归类合并（将相似度大的像元归为一类）的方法。主要有： （1）分级集群法（2）动态聚类法 第二节 从影像生成专题地图一、目视解释的专题地图（1）影像预处理 包括遥感数据的图像校正、图像增强，有时还需要实验室提供监督或非监督分类的图像。（2）目视解译 经过建立影像判读标志，野外判读，室内解译，得到绘有图斑的专题解译原图。（3）地图概括 按比例尺及分类的要求，进行专题解译原图的概括。专题地图需要正规的地理底图，所以地图概括的同时也进行图斑向地理底图的转绘。（4）地图整饰 在转绘完专题图斑的地理底图上进行专题地图的整饰工作。二、数字图像处理的专题制图（1）影像预处理 同目视解译类似，影响经过图像校正、图像增强，得到供计算机分类用的遥感影像数据。（2）按专题要求进行影像分类。（3）专题类别的地图概括 包括在预处理中消除影像的孤立点，依成图比例尺对图斑尺寸的限制进行栅格影像的概括。（4）图斑的栅格/矢量变换。（5）与地理底图叠加，生成专题地图。三、遥感系列制图系列地图，简单说就是在内容上和时间上有关联的一组地图。我们所讨论的系列地图，是指根据共同的制图目的，利用同一的制图信息源，按照统一的设计原则，成套编制的遥感专题地图。地理底图的编制程序：采用常规的方法编制地理底图时，首先选择制图范围内相应比例尺的地形图，进行展点、镶嵌、照像，制成地图薄膜片，然后将膜片蒙在影像图上，用以更新地形图的地理要素。经过地图概括，最后制成供转绘专题影像图的地理底图，其比例尺与专题影响图相同。遥感系列制图的基本要求1.统一信息源2.统一对制图区域地理特征的认识3.制定统一的设计原则4.按一定的规则顺序成图

摄影测量与遥感技术发展论文主要通过对摄影技术与遥感技术的发展进行了研究，并对其在各个方面的运用进行了论述。

摄影测量与遥感技术发展论文【1】

摘要：随着经济的不断发展，科学的不断进步，摄影测量与遥感技术因其运用范围广、作用大而走上了逐渐发展的道路，并且对国民经济生活起着重要的影响。

关键词：摄影测量;遥感技术;发展;应用

摄影测量与遥感技术被划分在地球空间信息科学的范畴内，它在获取地球表面、环境等信息时是通过非接触成像传感器来实现的，并对其进行分析、记录、表达以及测量的科学与技术。

3S技术的应用、运用遥感技术以及数字摄影测量是其主要研究方向。

在多个领域内都可以运用遥感技术与摄影测量，比如：自然灾害、勘查土木工程、监测环境以及国土资源调查等。

随着我国经济的不断发展，运用到遥感技术与摄影测量的领域也在逐渐的增多。

在人类认识宇宙方面，遥感技术与摄影测量为人类提供了新的方式与方法，也为人类对地球的认知以及和谐共处提供了新的方向。

遥感技术和摄影测量可以提供比例不同的地形图以服务于各种工作，并且还能实现基础地理信息数据库的建立;遥感技术与摄影测量与地图制图、大地测量、工程测量以及卫星定位等构成了一整套技术系统，是测绘行业的支柱。

一、摄影测量与遥感技术的发展

从摄影测量与遥感技术的发展来看，摄影测量与遥感技术在近30年的时间里已经涉及到城市建设、水利、测绘、海洋、农业、气象、林业等各个领域，在我国的经济发展中起着至关重要的作用。

摄影测量从20世纪70年代后期从模拟摄影中分离出来，并逐渐步入数字摄影阶段，摄影测量正在逐渐的转变为数字化测绘技术体系。

(一)摄影测量与遥感技术有利于推动测绘技术的进步

我国的摄影测量从上世纪70年代后期经历一个系统的转变。

在经历了模拟摄影测量以及解析摄影测量阶段之后，摄影测量终于步入了数字摄影测量的阶段，这也成为我国传统测绘体系解体，测绘技术新体系兴起的标志。

首先，从数字影像的类型来看，当前我国已经建立了数字栅格图、数字高程模型以及数字正射影像，土地利用与地名数据库也随之建立起来，摄影测量与数据库的多样性在一定程度上为生产运用提供了可能，从而进一步推动了测绘技术的发展。

其次，由于摄影测量与遥感技术的飞速发展，也逐渐被国家所重视，并利用这两项技术来完成了各种地理比例尺地形图的绘制。

此外，还推动了诸多具有全国界别的基础地理信息数据库的建立。

比如：比例尺级别为1：50000，1：1000000等的国家级地理信息数据库;除开国家级的，还有省级、县级等的地理信息数据库等。

(二)摄影测量与遥感技术有利于提升空间数据的获取能力

我国获取空间数据的能力在经过五十年的发展，有了较大的提升。

对具有自主知识产权的处理遥感数据平台进行了研发，从而推动了国产卫星遥感影像地面处理系统的建立，并在摄影测量方面积极进行研究和探索，为我国独立处理信息、获取观测体系的建立提供了坚实的基础。

首先，从获取数据的能力方面来看，传感器在国家863以及973计划的支持上成功被研制出来，成功发射了对地观测的包括通信卫星、海洋卫星、气象卫星以及资源卫星等五十多颗卫星，并推动了资源、风云、环境减灾以及海洋四大民用对地观测卫星体系的建立，实现了从太阳和地球同步轨道对地球多传感器、多平台的观测以及对地球表面分辨率不同的雷达和光学图像的获取，并将这些获取的数据用于对海洋现象、大气成分、自然灾害以及水循环等各个方面的监测。

其次，从数据储备方面来看，数据积累已经成功的覆盖了全国海域、陆地以及我国周围国家和地区的包括一千五百万平方公里的地球表面数据。

二、摄影测量与遥感技术在国民经济各项领域中的运用

(一)摄影测量与遥感技术在应对自然灾害中的运用

在发生自然灾害时，为了能够第一时间了解灾情的具体分布，获取高分辨率灾区遥感影像，可以采用低空无人遥感、航天、航空遥感等方式，对灾区原有的地理信息以及尺度进行整合，推动地理信息服务平台的建立，将多尺度影像地图制作出来，及时、有效的提供地理信息以及地图数据支持，为及时制定出应对自然灾害的措施提供了依据。

比如在汶川地震时，在灾区道路交通与通信严重受损的情况下，通过摄影测量与遥感技术在第一时间获取了灾区的详细信息与资料，并利用航空遥感技术和无人机连续、动态的实现对灾区的监测，并对道路交通以及房屋倒塌等情况进行分析，建立起灾区地理信息综合服务平台，将灾区的地理信息数据进行整合，比如水系、居民地以及交通等，为各级抗震救灾指挥部门作出正确的决策以及救援人员的搜救工作提供了及时有效的灾情信息。

在灾区的救援工作中，发挥着至关重要的作用。

(二)摄影测量与遥感技术在气象中的运用

在气象方面中，摄影测量与遥感技术主要运用在对各种气象灾害的.预报和监测两方面。

在热带天气系统的监测方面，气象卫星发挥着极其重要的作用，尤其是对于台风的预报和监测。

在我国的春、夏季中，雷雨、暴雨等作为多发性的灾害性天气，在监测和分析方面，如果运用常规的气象观测资料是非常困难的。

利用具有高空间分辨率和高时间密度特点的卫星云图以及卫星产品，可以对对流系统的演变、发生、移动以及发展过程进行全方位的监测，从而为对流天气的分析和提前预警提供了非常重要的信息。

三、结语

摄影测量与遥感技术的应用已经逐渐步入信息化阶段。

随着我国航空航天技术的不断发展，如何将各行各业的发展与摄影测量和遥感技术相结合从而推动我国经济的发展，已经成为未来摄影测量和遥感技术发展的主要方向。

【参考文献】

[1]张景雄.地理信息系统与科学[M].武汉：武汉大学出版社，2010：108―114

[2]张剑清.潘励.王树根.摄影测量学[M].武汉：武汉大学出版社，2009：89―93

[3]李德仁.王树根.周月琴.摄影测量与遥感概论[M].北京：测绘出版社，2008：131―137

[4]乔瑞亭.孙和利.李欣.摄影与空中摄影学[M].武汉：武汉大学出版社，2008：178―182

[5]窦超.李兆钧.浅谈摄影测量与遥感的发展应用[M].青海国土经略，2011(06)：29―31

摄影测量与遥感技术的新特点及技术【2】

摘要：本文主要分析了近年来我国摄影测量与遥感技术表现出的许多新的特点，分别从航空摄影自动定位技术、近景摄影测量、低空摄影测量、SAR数据处理、多源空间数据挖掘等方面进行了总结与论述。

关键词：电子科技论文发表,科技论文网,自动定位技术,近景摄影测量,低空摄影测量,SAR数据处理,多源空间数据挖掘

前言：摄影测量与遥感是从摄影影像和其他非接触传感器系统获取所研究物体，主要是地球及其环境的可靠信息，并对其进行记录、量测、分析与应用表达的科学和技术。

随着摄影测量发展到数字摄影测量阶段及多传感器、多分辨率、多光谱、多时段遥感影像与空间科学、电子科学、地球科学、计算机科学以及其他边缘学科的交叉渗透、相互融合，摄影测量与遥感已逐渐发展成为一门新型的地球空间信息科学。

1、航空摄影自动定位技术

近年来，随着卫星导航和传感器技术的进步，遥感对地目标定位逐步摆脱了地面控制点的束缚，向少控制点甚至是无控制点的方向发展。

利用基于载波相位测量的GPS动态定位技术测定航空影像获取时刻投影中心的3维坐标，以此为基础研究了GPS辅助空中三角测量理论和质量控制方法，在加密区四角布设地面控制点的GPS辅助光束法区域网平差的精度可满足摄影测量规范的精度要求，大量减少了航空摄影测量所需的地面控制点。

研究成果已大规模用于国家基础测绘，产生了显著的社会和经济效益。

开展利用在飞机上装载IMU和GPS构成的POS系统直接获取航摄像片6个外方位元素的多传感器航空遥感集成平台研究，可实现定点航空摄影和无地面控制的高精度对地目标定位。

研究成果表明，在1：5万及以下比例尺的4D产品生产中，可直接使用POS系统测得的像片外方位元素进行影像定向，基本无需地面控制点和摄影测量加密，从而改变了航空摄影测量的作业模式，并使无图区、困难地区的地形测绘和空间信息数据的实时更新成为可能。

2、近景摄影测量技术

近景摄影测量的研究应用领域已涉及空间飞行器制造、航空工业、船舶工业、汽车工业、核能工业、化学工业以及医学、生物工程、公安刑事侦破、交通事故及其他事故现场处理、古建筑建档和恢复、大型工程建设监测等方面。

利用数字相机与实时数字近景摄影测量技术相结合建立相应的工业零件检测系统。

该类系统使用高重叠度序列图像作为影像数据源，利用较多同名特征的冗余观测值成功地进行粗差剔除，根据2维序列图像导出物体不同部位的3维信息，然后将这些3维信息融为统一的表面模型，实现了高精度3维重建。

利用数码相机与全站仪集成形成一个全新的测量系统——摄影全站仪系统。

尽管传统近景摄影测量近年来得巨大发展，但必须在被测物体表面或周围布设一定数量的控制点，摄影测量工作者心中的“无接触测量“没有真正实现。

全站仪作为一种高精度测量仪器在工程测量中被广泛接受，本质上它是一种基于”点“的测量仪器。

将它与基于”面“的摄影测量有机地结合起来，形成一个全新的测量系统——摄影全站仪系统。

在该系统中，量测数码相机安装在全站仪的望远镜上，测量时利用全站仪进行导线测量，在每个导线点利用量测数码相机对被测物体进行摄影。

每张影像对应的方位元素可以由导线测量与全站仪的读数中获取。

3、低空摄影测量技术

近年来随着低空飞行平台(固定翼模型飞机、飞艇、直升机、有人驾驶小型飞机)及其辅助设备的进一步完善、数码相机的快速普及和数字摄影测量技术的日趋成熟，由地面通过无线电通讯网络，实现起飞、到达指定空域、进行遥感飞行以及返回地面等操作的低空遥感平台为获取地面任意角度的清晰影像提供了重要途径。

建立基于无人驾驶飞行器的低空数字摄影测量与遥感硬件系统。

硬件平台包括无人驾驶遥控飞行平台，差分GPS接收机，姿态传感器，高性能数码相机和视频摄像机，数据通讯设备，影像监视与高速数据采集设备，高性能计算机等等。

需要深入研究无人驾驶飞行平台的飞行特性，并研制三轴旋转云台、差分GPS无线通讯、视频数据的自动下传、自动曝光等关键技术。

研究无人驾驶飞行平台的自动控制策略。

在飞行器上搭载飞控计算机，由差分GPS数据得到飞艇(相机)的精确位置，在此基础上对较低分辨率的视频序列影像进行匹配，结合姿态传感器的输出信号实时自动确定飞行器的姿态，从而进行飞行自动控制，并将所有数据同时下传到地面监控计算机。

研究多基线立体影像中连接点的多影像匹配方法与克服影像几何变形的稳健影像匹配方法。

数字表面模型与正射影像的自动获取及立体测图。

4、SAN数据处理技术

SAR成像具有全天时、全天候的工作能力，它与可见光红外相比具有独特的优势。

随着我国SAR传感器研制技术的进一步发展，先后研制了不同波段，不同极化方式，空间分辨率达到 In的传感器，并在SAR立体测绘方面设计了不同轨道和相同轨道的重复观测，为我国开展SAR技术的相关研究奠定了数据基础。

根据不同应用目的的SAR图像与可见光图像的融合。

利用SAR和可见光反映地物不同特性的特点，在提取不同土壤性质以及洪水监测和灾害评估方面采用不同的融合方法，取得了一定的理论成果，并完成了国家和部门的科研课题。

SAR图像噪声去除方法。

由于SAR的成像特点，造成了SAR图像的信噪比低，噪声严重。

提出了自适应滤波思想，基于图斑的去噪方法以及噪声去除方法的评价等。

机载和星载重复轨道的SAR立体测图技术以及星载的InSAR技术和D—InSAR的突破。

完成了星载InSAR生成DEM及D—InSAR形变检测的相关软件开发，利用极化SAR数据提取地物目标，开展极化干涉测量的研究。

5、多源空间数据挖掘技术

多源空间数据挖掘技术主要研究应用数学方法和专业知识从多源对地观测数据中，提取各种面向应用目的的地学信息。

从遥感图像数据中挖掘GIS数据。

在统计模式识别的基础上，通过神经网络、模糊识别和专家系统等技术实现图像光谱特征自动分类。

基于纹理分析的分类识别。

包括基于统计法的纹理分析、基于分形法的纹理分析、基于小波变换的纹理分析、基于结构法的纹理分析、基于模型法的纹理分析和空间/频率域联合纹理分析等。

遥感图像的解译信息提取。

把计算机自动识别出来的影像，结合GIS数据库或解译员的知识，确定其对应的地学属性。

包括基于GIS数据的图像信息识别、基于地学知识辅助的图像信息识别、基于专家知识辅助的图像信息识别、基于立体观察的图像信息识别、基于矢量栅格转化的信息提取和基于多源数据融合的信息识别等。

摄影测量与遥感的现状及发展趋势【3】

摘 要：随着信息时代的来临，人类社会步入全方位信息时代，各种新兴的科学技术迅猛发展，并广泛应用于人类生活中去。

摄影测量与遥感技术被广泛应用于我国测绘工作去，本文探讨了我国摄影测量与遥感的发展现状以及展望了发展趋势。

关键词：摄影测量;遥感;现状

随着信息时代的来临，人类社会步入全方位信息时代，各种新兴的科学技术迅猛发展，并广泛应用于人类生活中去。

摄影测量经历了模拟摄影测量、解析摄影测量和数字摄影测量三个阶段。

而在这期间，从遥感数据源到遥感数据处理、遥感平台和遥感器以及遥感的理论基础探讨和实际应用，都发生了巨大的变化。

数字地球(digitalearth)的概念是基于信息高速公路的假设和地理空间信息学的高速发展而产生的，数字地球为摄影测量与遥感学科提供了难得一遇的机会和明确的发展方向，与此同时，也向摄影测量和遥感技术提出了一些列的挑战。

而摄影测量和遥感学科是为数字地球提供空间框架图像数据及从数据图像中获得相关信息惟一技术手段

一、国内外摄影测量与遥感的现状

(一)摄影测量现状

摄影测量经历了漫长的发展过程，随着计算机技术以及自动控制技术的高数发展，进入20世纪末期的时候，基于全数字自动测图软件的完成，数字摄影测量工作站获得了迅猛发展并普遍存在于测量工作中。

进入21世纪后，科学技术的提升帮助摄影测量进入了数字化时代，数字摄影测量学学科与计算机科学有了大面积的知识交叉，摄影测量工具也变为较为经济的计算机输入输出设备，这种革命性的变革，使得数字摄影测量提升到了另一个台阶，数字摄影测量的语义信息提取、影像识别与分析等方面均产生了从质到量的变化。

目前我国各省测绘局均已广泛应用了数字摄影测量，建立了数字化测绘生产基地，实现了全数字化摄影测量与全球定位系统之间的有机合成，并且应用与测量实际工作中。

(二)遥感技术现状

目前遥感技术主要应用在日常的天气、海洋、环境预报及灾害监测、土地利用、城市规划、荒漠化监测、环境保护等方面，为社会带来了巨大的经济利益。

尤其要提出的是航天遥感，是利用卫星遥感获取各种信息是目前最有效的方法。

在实现数字地球概念，卫星遥感技术具有很重要的地位。

数字地球的实际意义就是将地球转为一个虚拟的球体，以数字形式来表达地球上的不同种类的信息，实现三维式和多分辨形式的地球描述。

数字地球是一个数量庞大的工程，从长远来看，信息量的更新一集信息的收取都需要卫星遥感技术提供可靠的信息源，换句话说，卫星遥感是实现数字地球的必要手段，也是其他手段不能够替代的。

二、摄影测量与遥感的应用与主要技术

(一)摄影测量与遥感在地籍测量中的应用

应用数字摄影测量与遥感模式进行地籍测量前景非常广阔。

航空航天事业的飞速发展，为高分辨率卫星遥感影像技术为空间地理信息提供主要的数据元。

主要以激光成像雷达、双天线SAR系统等三维数字摄影测量系统。

利用卫星遥感进行土地资源调查和土地利用动态监测，为快速及时的变更地籍测量做好参照，同时还能顺利的完成地籍线画图的测绘，还可以得到正射影像地籍图、三维立体数字地籍图等附属产品。

数字摄影测量主要以大比例尺航空像片为数据采集对象，利用该技术在航片上采集地籍数据，实行空三加密。

数字摄影测量与模式得到的地籍图信息丰富，实时性强;大部分工作均在室内完成，降低劳动强度与人工成本，还能大幅度提高工作效率，是一种非常实用的地籍测量模式。

(二)摄影测量在三维模型表面重建的应用

三维物体的重建技术可广泛应用于古建筑重建和文物保护、医学重建、工业量测、人脸重建、人体重建及程勘察等方面，这种技术主要通过手持量测数码相机进行操作，得到一组具有短基线和多度重叠的图片，通过立体匹配获取可靠的模型点数据。

基于短基线多影像数字摄影测量的快速三维重建技术能够解决静静摄影测量中不能同时兼顾变形早点近景和远景的问题，在操作过程中采用量测数码相机以及手持拍摄方式，使得这种技术简单快速，并且具有高度自动化的有点。

(三)遥感自动定位技术的应用

遥感自动定位技术能够确定影响目标的实际位置，并且准确的解译影响属性，在GPS空中三角测量的基础上，利用惯性导航系统，形成航空影响传感器，实现高精度的定点摄影成像。

在卫星遥感条件下，精度甚至可以达到米级。

遥感自动定位技术的应用，有助于实现实时测图和实时数据更新的作业流程，能够大量减少野外像控测量的工作量。

三、摄影测量与遥感发展展望

目前，摄影测量与遥感技术在数据获取与处理、信息服务和数据分析方面都有了新的进展，数据获取装备发展迅猛，数据处理系统自动化程度相应的提高，航空摄影测量软件实现模块化和标准化，实现了内外一体化的航空摄影测量方法，遥感影像信息管理能力增强。

除此之外，还可以看到测绘领域的全球化进程日益加剧。

四、结语

虽然现在摄影测量与遥感技术相对发展迅速，并且已经广泛应用与测绘工作中，逐步实现数字化与智能化。

在我国目前，摄影测量与遥感装备存在产品种类单一、生产效率低等实际生产问题，这是与飞速发展的信息产业背道而驰的，达不到国际水平。

需要国家发展测绘仪器制造业和专业软件开发能力，跨学科展开合作，集中优势力量，通过政府出台政策来引导市场发展，我国想要在摄影测量与遥感上取得更大的飞跃，还有一段很长的路要走。

参考文献：

[1]李德仁等.地球空间信息学与数字地球[C].空间数据基础设施与数字地球论文集，1999.

[2]刘经南.激光扫描测高技术的发展与现状[M].武汉大学学报，2003(2)：132-137.

[3]郑立中，陈秀万.中国卫星遥感与定位技术应用的现状和发展[A].中国遥感奋进创新二十年学术论丈集[C].北京：气象出版社，2001.

基于图像融合方法研究论文

图像融合是多传感器信息融合领域的一个重要分支[1],它是指将来自同一目标的不同传感器的信息通过一定的算法融合到一幅图上,从而获得比在单幅图上更完整、更精确的信息。图像融合在军事(如军事侦察、识别伪装)和非军事(如医疗诊断、遥感、计算机技术等)领域得到广泛的应用。就遥感图像融合而言,目前大致分4种类型:多种分辨率的融合处理、多时相的融合处理、多种传感器类型的融合处理、多波段大容量的融合处理。本文研究的对象属于最后一种,即不同光谱获得的图像。这里使用基于小波变换的塔式结构的优点是小波变换具有紧凑性、正交性、很好的方向性,这使得小波变换可以很好地提取不同尺度上的显著特征,相对于高斯—拉普拉斯金字塔技术而言,不仅可以产生更好的融合结果,而且进行反向变换时稳定性更好;另外小波变换的塔式结构还使得不管原图像的长度是否2的幂次方,最终变换后的图像与原图像尺寸相同,这使得开发实用的并行算法系统成为可能。本文正是基于这点,在对图像小波多分辨分解叙述的基础上,构造了一种图像融合算法,最后对算法进行了仿真,并对结果进行了分析。1图像的小波变换定义1多分辨分解设fj+1∈V2j+1,由V2j+1=V2j W2j可得,存在fj∈V2j,gj∈W2j,有fj+1=fj+gj对于图像f(x,y)而言,由文献[2]可得图像的Mallat二进小波的塔式分解为fj+1(x,y) =∑k,mCj,k,mj,k,m+∑ε=1,2,3∑k,mDεj,k,mΨεj,k,m(1)式中:Cj,k,m=∑l,nhl-2khn-2mCj+1,l,n;D1j,k,m=∑l,nhl-2kgn-2mCj+1,l,nD2j,k,m=∑l,ngl-2khn-2mCj+1,l,n;D3j,k,m=∑l,ngl-2kgn-2mCj+1,l,n在图像小波分解的表达式中Cj,k,m, D1j,k,m, D2j,k,m, D3j,k,m,分别对应图像的低频子带及水平、垂直与对角线3个方向的高频子带, Cj,k,m为图像在aj分辨率下的离散逼近,D1j,k,m, D2j,k,m, D3j,k,m为2j分辨率下的离散细节。{hk}k∈z可看作低通滤波器系数, {gk}k∈z可看作高通滤波器系数,为尺度函数,Ψ为正交小波函数。{j,k,m|k,m,∈z}构成Vj2的规范正交基,{Ψεj,k,m|j,k,m∈z}构成W2j的规范正交基。另外,通过小波分解,除了低频子带都是一些正的变换值外,其它的3个高频子带都包含了一些在零附近的变换值,在这些子带中,较大的变换值对应着亮度急剧变化的点,也就是图像中的显著特征,如边缘、亮线及区域轮廓。既然小波变换具有很好的空域及频域局部性,融合的效果就是:对来自同一目标的两个不同传感器所获解的图象A和B,融合前在图像A中若比图像B中显著,融合后图像A中的目标就被保留,图像B中的目标就被忽略;对不同的场景,比如图像A中的目标的外部轮廓比较明显,图像B中目标的内部轮廓比较明显,这种情况,图像A、B中目标的小波变换系数将在不同的分辨率水平上占统治地位,从而在最终的融合图像中,图像A中的外部结构与图像B中的内部结构都被保留。因此通过融合可以实现在单幅图像上的片面的、不完整、不精确的信息得到更一致更精确的体现。最后对组合后的变换系数进行反向小波变换,就可得到融合后的图像。2基于区域的图像增强算法在图像的融合算法中,图像不同,图像的数据表征不同,融合算法也各不相同,目前采用的融合方法主要有[3]:基于像素的代数组合法、统计/数值法以及与颜色有关的技术。但是我们知道图像中的有用特征通常大于1个像素,因此基于像素的选择方法可能不是最适合的,近几年又提出了基于区域的选择方法,比较有代表性的是文献[4]中提出的基于区域的均值选择法,该方法用一M×N的窗口对图像块进行求方差运算,计算结果作为与窗口中心像素对应的一种度量方法,中心像素的选择方法为:如果两幅图像方差在对应位置上的度量值相近,取2者的均值作为输出的新值,否则取较大的值作为输出。文献[5]中提出利用不同的特征选择算子,有方向的计算对应细节图像的局域能量,由局部能量构造匹配度及加权因子,从而对图像进行加权运算。这里以均值、方差、相关等统计参量构造一种新的区域融合算法。以下计算以两幅图像为例,对3幅以上的图像融合算法与此类似,具体步骤如下:首先,利用M×N (一般选M,N为奇数,常用的窗口为3×5或5×5)窗口计算小波分解各子带系数的均值和方差,子带中以(x,y)位置为中心的区域均值与方差分别为mi(x,y) =1M×N∑Mm=1∑Mn=1fi(x+ m -M+12,y+ n -N+12) (2)σ2i(x,y) =1M×N∑Mm=1∑Mn=1(fi(x+ m -M+12,y+ n -N+12)- mi(x,y))2(3)图像1以(x,y)位置为中心与图像2对应区域的协方差为β2(x,y)=1M×N∑Mm=1∑Mn=1(fi(x+m-M+12,y+n-N+12)-m1(x,y))×(f2(x+m-M+12,y+n-N+12)-m2(x,y))(4)构造匹配度ρ及加权系数W:ρ=β2σ1σ2;Wmax=1-12ρ;Wmin=1-Wmax然后,利用下式对两幅图像中的对应子带像素进行融合计算f(x,y)=Wmax·MAX(f1(x,y),f2(x,y))+Wmin·MIN(f1(x,y),f2(x,y)) (5)这里f1(x,y),f2(x,y)是上述对应窗口中心位置的两幅图像的像素灰度值。这样就完成了2j分辨率下的数据融合,最后对融合后的子带系数进行反变换就可得到融合后的图像。需要的话给我你的邮箱，发到你邮箱！

融合算法fusion algorithm 如：（多传感器单目标位置融合算法）经纬仪引导数据的数据融合可以采用参数估计融合算法，即对8组引导数据，按照某种估计准则函数其研究热点在于有效可行的多传感器融合算法，特别是在非线性及非平稳、非正态分布的情形下的多传感器融合算法。

【关键词】 图像配准; 多源传感器; 位置约束; 特征提取; 多种特征组合 【摘要】 随着遥感技术迅速发展和新型传感器的不断涌现,人们获取遥感图像数据的能力不断提高。在利用这些多源遥感图像进行数据融合、目标变化检测、目标识别等多源协同处理工作之前,必须进行多源图像配准工作,配准精度的高低直接影响到后续应用效果的好坏。为此,本文主要研究了多源遥感图像间的配准技术,作为协同系统中的关键技术,要求配准方法在运算能力和配准精度方面都能够达到较好的效果。首先,本文对现有的多源图像配准技术进行原理上的分析与介绍。通过对多种配准方法的分类与比较,指出了遥感图像配准的通用技术环节与技术要点。并在研究过程中分析关键技术环节的难点与所面临问题。其次,本文针对传统多源配准方法在进行控制点对应时运算量大,误配情况多的现状,提出了一种基于位置约束的多源遥感影像配准技术。该方法首先利用人工粗略选取少量控制点对,得到粗略位置映射关系,之后利用位置信息以及分辨率信息建立局部窗函数进行搜索匹配,对两幅图像中提取的Harris角点进行筛选,最终得到的控制点对作为求取配准参数的控制点输入,并利用此方法进行了多组图像的实验来证明方法的通用性。然后,本文针对传统配准方法需要人工参与,并且仅使用单一特征进行匹配效...更多果差的缺点,提出了一种基于多特征组合的多源遥感图像自动配准技术。这种方法利用了由粗至精的配准思想,结合使用点、线、面特征分别进行粗配准及精细配准两个过程。重点解决了其中少量初始控制点对的匹配和更多控制点对的获取。完成了存在闭合区域的多源遥感图像间的自动配准过程,并实验验证了方法的配准精度。最后,为了对配准后的遥感图像进行直观的视觉评价,本文介绍了配准后图像间的镶嵌以及融合等简单应用。通过实验,可以很直观的看出配准的效果,完成配准的定性评价。