数字图像处理复习提纲.docx

数字图像处理复习提纲.docx

《数字图像处理复习提纲.docx》由会员分享，可在线阅读，更多相关《数字图像处理复习提纲.docx（6页珍藏版）》请在冰点文库上搜索。

数字图像处理重点内容提要

第一章概述

1什么是图像？

图像--是人类认识世界最主要的信息源。

人类所获得信息的约70%以上是以图像的形式通过人的视觉系统得到的。

粗略地讲，图像是某一个二维或三维景物呈现在人们心目中的影像；

确切地讲，图像是光辐射能量照在物体上，经过物体的反射或透射，或由发光物体本身发出的光能量，在人的视觉器官中所重现出的物体的视觉信息。

2数字图像：

最小单位，两个特征（空间位置特征、属性特征）

数字图像的最小单位是像素（像元）。

像素（像元）具有空间位置特征和属性特征

3采样和量化的定义

模拟图像数字化

包括采样和量化两个过程

采样--将空间上连续的图像变换成离散点的操作，即位置的离散化

将模拟图像按纵横两方向分割为若干个形状、大小相同的像元，各像元的位置由其所在的行和列表示

量化--将像素灰度转换成离散的数值的过程,即灰度的离散化

量化参数--灰度级数

一幅数字图像中不同灰度值的个数称为灰度级数，用K表示。

4数字图像处理过程的几个特点：

信息量大、数据量大、重复性运算大、处理技术综合性强

5什么是遥感？

根据遥感平台，可以分为哪几类？

遥感--遥远的感知

在远离地面的不同运载工具上（高塔、气球、飞机、火箭、人造卫星、宇宙飞船、航天飞机等）,运用探测仪器（传感器），对地表各种物体的电磁波信息进行探测成像，并且经过信息数据的传输、处理、分析,对地球资源与环境进行探测和监控的综合性技术。

根据遥感平台分类

航天遥感--通过卫星、载人飞船、航天飞机等在太空中进行；

航空遥感--通过飞机、气球等在空中进行；

地面遥感--通过遥感车、铁塔等在地面进行。

第二章遥感图像数据基础

1遥感图像的基本原理：

反映地物的平均电磁波辐射水平、数值大小变化由于地物类型变化引起。

遥感的基本原理就是通过分析遥感图像数据数值的大小与变化规律，来有效地识别不同的地物。

2电磁波谱的定义

电磁波谱--不同的电磁波其波长各不相同，将各种电磁波按照波长的大小范围，依次排列成图谱，这个图谱就是所谓的电磁波谱。

3地物波谱曲线区分地物的原理

不同地物不同波段在遥感图像上呈现不同的色调，这就是判读和识别各种地物的基础和依据；

4遥感数字图像的三大信息特征：

时间特征、空间特征、光谱特征

1）波谱信息---不同地物亮度值存在差异，同一地物在不同波段上的辐射值也存在差异，遥感图象上的这两种差异就构成了波谱特征信息，又称波谱信息。

2）空间（结构）信息----是亮度在空间上的变化特征，如图象上的点、线、边缘、纹理等，它们是地物识别的辅助标志。

影响遥感图象空间信息的重要因素是遥感影象的几何分辨率，图象的几何分辨率越高，图象的纹理细节越清晰，图象的空间结构信息越丰富。

3）时间特征信息--不同时相遥感图象特征信息的差异。

许多地物具有时相变化，通常选择遥感信息表现最好的时相图象。

不同时相图象的处理比较可用来进行动态监测及作物生长状况研究。

第三章图像校正

1辐射畸变产生的原因：

传感器性能的影响、地物光照条件、大气对辐射传输的影响

2几何畸变产生的原因：

传感器内部畸变、遥感平台位置和运动状态变化、地球本身对遥感影像的影响

3几何校正的两个方法：

系统几何校正、几何精校正

1）系统性校正

根据引起几何畸变的原因，推导出理论校正公式

把该式中所含的与遥感器构造有关的校准数据（焦距等）及遥感器的位置、姿态等的测量值代入到理论校正式中进行几何校正。

然而在很多情况下，遥感器的位置及姿态的测量值精度不高，所以外部畸变的校正精度也不高。

2）几何精校正

不考虑引起畸变的原因

建立畸变图像空间与标准参照空间的对应关系

利用数学模型来近似描述成像的几何畸变过程

4地面控制点GCP的选取标准

1）图像上易分辨且较精细的特征点

如道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。

2）不随时间变化的区域

3）数量要有保证

4）控制点要在图像上均匀分布，尽可能满幅均匀选取

5）边缘部分也要选取

第四章图像增强

1图象增强的目的和意义：

对图像的某些特征进行强调或尖锐化，以便于显示、观察和进一步分析处理

2点运算的特点：

针对孤立象元点的运算，人为地改善图像的灰度和对比度

3点运算的两个方法包括：

灰度变换、直方图变换

1）灰度变换法

通过变换函数使图像的灰度值发生变化

调整图像的灰度动态范围或图像对比度

是图像增强的重要手段之一

2）直方图均衡化

将原图象的直方图通过变换函数修正为均匀的直方图，即各种灰度出现的概率是近似均匀的直方图

自动调节图像对比质量，产生唯一结果

4空域模板滤波增强的特点：

强调与周围相邻像元点的关系，对图像进行平滑或锐化

5频域增强：

傅立叶变换（空域-频域），保留高频或低频

傅立叶变换Fourier

f（x）为连续函数，则有如下关系：

我们称F（u）为f（x）的连续频谱，简称为频谱

由f（x）求出F（u）的过程称为频谱分析

低通滤波：

图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域，高频分量则表征图像中物体的边缘和随机噪声等信息。

低通滤波是指保留低频分量，而通过滤波器函数H（u，v）减弱或抑制高频分量的过程。

低通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声，减弱边缘效应，起到平滑图像的作用。

高通滤波

图像中的边缘或线条与图像频谱中的高频成分相对应

采用高通滤波器让高频顺利通过，使图像的边缘或线条变得清楚，实现图像的锐化

6假彩色合成方法对于分量图像的要求：

信息量最大，相关性最小

以合成后的信息量最大和波段之间的信息相关最小作为合成的最佳目标。

7彩色变换的两种方法：

HIS变换和RGB变换

两种彩色空间

RGB空间：

由红（Red）、绿（Green）、蓝（Blue）三原色组成

HSI空间：

由色调（Hue）、饱和度（Saturation）以及亮度（Intensity）构成

彩色变换

两种色彩模式的相互转换（两种坐标系的变换）

通常把由RGB向HSI变换称为HSI变换

由HSI向RGB变换称为RGB变换

1）RGB彩色空间

RGB空间是图像处理中最常用的彩色空间。

坐标原点代表黑色，（1,1,1）代表白色，落在坐标轴上的顶点代表三个基色。

2）HSI彩色空间

色调：

表示颜色的类别。

饱和度：

对于同一色调的彩色光，饱和度越深，颜色越鲜明，相反则越淡。

亮度：

同一物体因受光不同，会产生亮度上的变化。

照射的光越强，反射光也越强，看起来越亮。

在遥感数字图象处理中，常常要把RGB转换为HSI。

HSI变换：

将图像转换到HSI空间

对指定色调值H进行处理H’=H+/-△h

对指定饱和度值S进行处理S’=S*△S

对指定亮度值I进行处理I’=I*△I

8差值法增强的两个作用：

利用光谱差异区分地物类别、动态监测

根据光谱差异区分某些地类；

确定某一时间内的变化，进行动态监测（如森林火灾或皆伐前后的变化）。

9植被指数的定义

植被指数（NDVI）：

利用不同波段探测数据组合的比值，能反映植物生长状况的指数

常用的植被指数有：

MSS4/MSS2

TM4/TM3

（TM4-TM3）/（TM4+TM3）

第五章图像分类

1遥感图像的分类依据：

依据地物光谱信息和空间信息差异，将图像特征空间划分为互不重叠的子空间。

基本原理：

同类地物在相同的条件下（光照、地形等），应具有相同或相似的光谱信息和空间信息特征。

不同类的地物之间，其光谱信息和空间信息特征具有差异。

根据这种差异，将图像中所有的像素按其性质分为若干类别（class）的过程，称为图像的分类。

2自动分类方法包括哪两种？

对比分析

非监督分类：

不依赖先验知识

监督分类：

需要先验知识

1）方法一：

非监督分类法

没有先验类别知识，根据图像本身的统计特征及分布来划分地物类别；

分类结果只区分差异，不能确定类别

2）方法二：

监督分类法

前提：

已知图像样本区的类别（训练区）；

通过选择代表各类别的已知样本的象元光谱特征，根据类别的先验知识确定判别函数，然后将未知类别的样本值代入判别函数。

3）监督分类法与非监督分类法的比较

根本区别在于是否利用训练区域来获取先验类别知识

[非监督分类]不要先验知识，直接根据地物的光谱统计特性进行分类，因此，非监督分类方法简单，当光谱类别能够和唯一的地物类型相对应时，非监督分类可以取得较好的分类效果。

[监督分类]根据训练区域提供的样本选择特征参数，建立判别函数，从而进行分类，因此训练区域的选择是监督分类的关键，对于不熟悉地域情况的人来说，选择足够数量的训练区域工作量很大。

图像计算与分析

参考第四章作业，掌握以下内容：

1.图像的直方图和累积直方图；

2.根据给定的模板，进行图像的中值或均值滤波；

3.根据变换函数，对图像进行分段线性拉伸；

4.对图像进行罗伯特（Robert）和索伯尔（Sobel）滤波，并描述分析过程。