小恺工作室•遥感数字图像处理教程第一章(2)

植被指数可用于检测特定区域内作物的生长，并在此基础上建立作物产量估算模型，以进行的作物产量估算。7.颜色转换：RGB是一种更常用的颜色模型，但是当图像各个波段之间的相关性较高时，图像的饱和度将较低。这时，可以将RGB模型转换为HSI模型（即HSI正变换），颜色变换主要用于融合不同分辨率的图像，增强合成图像的饱和度，通过对强度的处理来增强图像我组件，并全面显示多源数据。 （P144)第7章图像滤波1.图像滤波：包括空间域滤波（卷积运算）和频域滤波（傅里叶变换）。（P150) 2.空间频率：像素的灰度度（P151，第三段）第8页，共13页Xiaokai Studio•遥感数字图像处理教程3.低通滤波：在频域滤波中，图像的低频部分得以保留，并且高频部分被抑制，高频部分的处理起平滑作用，相反，它变成高频滤波器并起锐化作用，都是傅立叶变换中的滤波器（P151，第四段） 4.空间域滤波：①平滑：抑制噪声并提高图像质量的处理（P152，第一段）噪声：影响人类视觉器官对图像信息的理解或分析的各种因素，常见的噪声包括高斯噪声n噪声以及盐和胡椒噪声（脉冲噪声），周期性噪声。

（P152，第二段）均值过滤：对于窗口中的每个像素，将相邻像素值的平均值作为像素的新值。均值滤波算法简单，计算速度快，但是消除了尖锐的噪声，同时使图像模糊。随着邻域的扩展，去噪能力增强，模糊程度更加严重。为了增强细节，可以通过添加阈值来优化算法。当计算出的图像的像素值与原始像素值之差小于阈值时，保留原始像素值，否则，取新值。 （P154，第四段）中值过滤器：按大小对窗口中的所有像素值进行排序后，将中值作为中心像素的新值。与均值滤波器相比，中值滤波器可以在抑制噪声的同时有效地抑制噪声。保留边缘并减少模糊，特别适用于处理盐和胡椒粉噪声。 （P156，第一段）高斯低通滤波，倒数梯度加权方法，选择性蒙版平滑等，请参阅教科书P158。 ②锐化：图像处理，用于突出显示图像中的边缘，轮廓或线性对象。 （P161，第五段）线性高通滤波器：滤波器（即卷积模板）的中心系数为正，其他系数为负。计算完成后，需要进行灰度转换（因为结果可能会产生负数）。线性高通滤波可以通过从原始图像中减去低通图像来获得。 （P161，第六段）渐变方法：渐变反映了相邻像素之间的灰度变化率。图像中的边缘具有较大的渐变；相应的模板为：（P163，第三段）Page 9共有13页Xiaokai Studio•遥感数字图像处理教程1 -11 00 0-1 0（输出图像是第一个模板的绝对值加上第二个模板的绝对值）罗伯特·梯度（Robert Gradient）：使用交叉方法要检测像素与其顶部和底部或左侧和右侧或倾斜方向之间的差异，模板为：（P163，第三段）0 -11 01 00- 1（输出图像是第一个模板的绝对值加上第一个模板的绝对值）这两个模板的绝对值均被省去，请参阅教科书P164。

方向检测：用于提取特定方向上的边缘或线性特征的处理。 （P169，第三段）5.频域滤波：高通滤波，低通滤波，带通滤波（仅保留指定频率范围内的滤波，并且阻止该范围内；带阻滤波器：特定频率范围内的块信息；自定义过滤器：根据频域图像中的频率分布人为定义。同态滤波：降低低频并增加高频，从而减少照明变化并锐化边缘或细节。步骤是：（P175，第五段）输入图像→取对数→快速傅立叶变换（FFT）→定义滤波器→傅立叶逆变换（IFFT）→指数变换→输出图像；第10页（共13页）Xiaokai Studio•遥感数字图像处理教程如果图像中的照明均匀，请继续进行。同态滤波效果不佳。如果照明明显不均匀，则同态滤波有助于显示图像暗部的细节。 （P177，第五段）第8章图像分割1.图像分割：将图像划分为具有各种特征的区域并提取感兴趣对象的技术和过程。

（P179，第四段）①分割原理：分割基于像素灰度值的不连续性；分割基于相同区域内像素的灰度值的相似性。 （P180，第四段）②常用方法：灰度阈值方法（P181)，梯度方法（P185)，区域增长方法（P190)），区域分割方法（P192)），数学形态学方法（ P194)。2.灰色阈值方法：阈值的选择是核心，算法如下：1，f（x，y）Tg（x，y）0，f（x， y）T在实际工作中，图像也可以被多个阈值分割，公式如下：g（x，y）k（Tf（x，y）T，k 1,2， ，N）k1k①分类：全局阈值法（将阈值设置为常数），自适应阈值法（阈值随位置变化而缓慢变化）（P183，第一段）②最佳阈值的选择：直方图法（P183)，自适应阈值方法（P184)，分水岭算法（P185)）。直方图方法：在图像中，如果将背景与目标区分开来，则图像的直方图通常是双峰结构。其中，两个尖峰对应较大的目标内部和外部像素的数量，并且谷底对应于目标边缘附近相对少量的点。此时，如果将阈值设置在谷底，则可以使面积统计误差最小。但是如果图像有噪点，则不容易确定谷底，在这种情况下，可以在对图像进行平滑处理后在峰上设置阈值。

省略了自适应阈值方法和分水岭算法。第11页，共13页Xiaokai Studio•遥感数字图像处理教程3.数学形态学方法：①腐蚀：消除目标所有边界点的过程，结果是目标沿其边界的面积为比原始尺寸小一个像素。腐蚀通常用于从分割的图像中删除小的无意义的对象。 （P197，第四段）②扩展：将与目标接触的所有背景点合并到目标中的过程，结果是目标沿其边界增大。分割后通常使用膨胀来填充目标中的孔。 （P199，第三段）③打开操作：使用相同的结构元素腐蚀图像，然后扩展操作；其功能是消除小目标，在细微的点处分离目标，并平滑大目标的边界，而不会明显改变其面积。 （P201，第四段）④密闭操作：使用相同的结构元素先扩大图像，然后再进行腐蚀操作；功能是在目标中填充小孔，连接相邻目标并平滑它们，而不会显着改变目标区域。边界。 （P202，第三段）第9章遥感图像的分类1.遥感图像的计算机分类：根据图像上每个像素的接近程度给出相应的类别，以达到大致区分各种特征的目的，包括监督分类和非监督分类。 （P208)2.监督分类：预先知道类别信息的一部分（即类别的先验知识）然后对样本进行分类的方法；常见算法包括并行管线方法（P228 ，第五段），最小距离法（P229，第五段），最大似然法（P230，第二段）等。

（P209，第七段）3.无监督分类：一种在不事先知道该类别的先验知识的情况下对样本进行分类的方法，然后由计算机自动判断该样本；常见的算法包括迭代自组织数据分析算法IsoData，P222，第一段），K均值算法（K-Mean，P219，第七段）。 （P209，第8段）第12页，共13页Xiaokai Studio•遥感数字图像处理教程图1 ENVI中的无监督分类图2 ENVI中的无监督分类第10章省略第13页，共13页

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-350698-2.html