温州大学瓯江学院WENZHOU UNIVERSITY OUJIANG COLLEGE
本科毕业设计（论文）
任务书
题目数码相机图像标定方法的研究及实现
专业电子信息工程班级07电信一班学生姓名学号07202053143 指导教师李方洲职称副教授
温州大学瓯江学院教务部制
温州大学瓯江学院本科毕业设计（论文）任务书
注：任务书必须由指导教师和学生互相交流后，由指导老师填写并交教学承担单位毕业设计（论文）领导小组审核后发给学生，最后同学生毕业设计（论文）其它材料一起存档。
2、电机速度测量及无线数据传输系统的设
计
一、主要任务与目标：
熟练掌握电机速度的测量的原理及实现方法，熟练掌握单片机系统的软硬件设计方法,尤其是串行通信的实现。设计制作一个可以通过单片机对电机速度测量装置，并可以将所测速度数据通过串行口，利用无线传输模块进行通信，完成满足指标要求的完整系统样机。
二、主要内容与基本要求：
1、系统的功能性能指标：
速度测量及显示：5位有效数字；
精度：±1%；
2、设计制作包括键盘、显示等在内的单片机系统。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成单片
机对电机速度测量任务。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。进一步完成串
行通信部分内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
3、电炉温度测量及串行数据传输系统的设
计
一、主要任务与目标：
熟练掌握电炉温度测量的原理及实现方法，熟练掌握单片机系统的软硬件设计方法,尤其是串行通信的实现。设计制作一个可以通过单片机对电炉温度测
量的装置，并可以将所测速度数据通过串行口进行通信。可以通过串行口接收采样时间数据，改变系统的采样时间。完成满足指标要求的完整系统样机。
二、主要内容与基本要求：
1、系统的功能性能指标：
温度测量及显示：4位有效数字，其中分辨率0.5度；
精度：±1%；
2、设计制作包括键盘、显示等在内的单片机系统。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成单片
机对温度测量任务。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。进一步完成串
行通信部分内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
4、基于PC机的PID控制算法的仿真分析系
统设计
一、主要任务与目标：
熟练掌握VC或VB程序设计方法，以PC机为平台，设计一个PID控制算法仿真系统的图形界面。系统通过串行输入作为温度或电机速度数据，可以在界面中打开图形显示窗口，观察变化曲线，同时也可显示数据内容。通过控件可以改变PID相应参数，对输入数据进行相关控制算法的仿真。同时还可以通过串口向数据发送方发送采样时间数据，控制采样间隔。
二、主要内容与基本要求：
系统的功能性能指标：
能够分别仿真P、I、D，也可将几种算法任意组合；
能够将传输数据保存为数据文件，并可打开数据文件进行数据分析；
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉PID控制方法。完成外文文献翻译，撰写文献综
述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，初步完成
系统界面的设计任务。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。进一步完成串
行通信部分内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
5、便携式扩音机的设计及制作
一、主要任务与目标：
熟练掌握音频信号放大器的设计方法，尤其是音频功率放大器，熟练音频信号的特性，掌握音频功率放大器的调试方法。设计制作一个具有音调调节的音频功率放大器，能够将话筒输入的音频信号进行放大，通过扬声器播放。能够提供满足指标要求的完整系统样机。
二、主要内容与基本要求：
系统的功能性能指标：
最大输出功率为8W；
负载电阻8欧姆；
-3dB的频率范围是80HZ-6KHZ,即BW=6KHZ;
输入信号源为话筒，幅度为5mv，输入阻抗不小于50K欧姆。
具有音调控制功能，输出显示功能。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成单片
机对温度测量任务。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。进一步完成串
行通信部分内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
6、简易家用报警器的设计及制作
熟练掌握一般报警器系统的工作原理及设计方法，熟练掌握单片机系统的设计方法；设计家庭报警器中常用的门磁、光电、红外等多种盗情检测电路，以及声音报警电路；同时对利用单片机为主控单元的家用电视机的视频监控系统进行初步的探讨。完成满足指标要求的完整系统样机。
二、主要内容与基本要求：
1、设计制作门磁检测电路；
2、设计红外方式的监测方式；
3、完成单片机对系统的管理功能。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成几种
监测电路的设计及制作。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。完成系统联调。2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
7、基于单片机的信号频谱分析仪的设计
一、主要任务与目标：
熟练掌握FFT快速傅立叶变换的算法原理，掌握利用单片机实现FFT算法的基本方法。设计单片机的数据采集电路以及利用普通示波器实现频谱显示的电
路。整个电路较复杂，要求学生能够将理论与实际紧密结合，软件与硬件结合，培养学生的综合应用能力，使学生具备电子信息专业的一般设计能力。
二、主要内容与基本要求：
输入信号为：10mv，最大频率10KHZ；
FFT点数可选：16、32、64、128、256;
可通过数码管显示频率和幅度；
可通过单片机D/A转换将频谱图在示波器上显示。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成单片
机对温度测量任务。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。进一步完成串
行通信部分内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
8、一种精密电子秤的设计与实现
一、主要任务与目标：
熟练掌握电子秤的原理及设计方法，熟练掌握单片机系统的软硬件设计方法,熟练掌握小信号放大器电路的设计方法。设计制作一个以单片机为主控单元的电子秤。完成满足指标要求的完整系统样机。
二、主要内容与基本要求：
1、称重范围0-10Kg，精度优于1%；
2、能够实时显示重量，能够输入单价，并计算出价格；
3、能够设置超重门限，并对超重进行报警。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成传感
器、放大器电路以及A/D转换电路的设计及制作。2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。完成电子秤其
他功能内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
9、基于V/F变换的隔离放大器的设计
熟练掌握隔离放大器的工作原理及设计方法，熟练掌握V/F变换电路的工作原理，能够利用V/F变换的方式实现隔离放大器的设计。同时要求放大器要有足够的功率放大能力。完成满足指标要求的完整系统样机。
二、主要内容与基本要求：
1、输入信号：频率小于100KHZ，幅度为10mV；
2、输入阻抗：50欧姆；
3、输出阻抗：50欧姆；
4、输出电压：10V；
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉V/F变换电路的设计方法。完成外文文献翻译，
撰写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成小信
号放大器的设计以及V/F变换电路的设计及制作。2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。完成完整系统
内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
10、简易数控恒流电路的设计制作
熟练掌握数控系统的工作原理及设计方法，熟练掌握恒流源电路的工作原理，分析比较多种常见恒流源电路，总结其不同特性；利用单片机为主控单元对恒流源进行数控，形成一种简易数控恒流源系统。完成满足指标要求的完整系统样机。
二、主要内容与基本要求：
1、输出电流：200-2000mA；
2、可以设置并显示输出电流给值，要求误差小于给定值的1%+10mA；
3、具有“+”、“-”步进功能，步进小于10mA。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成几种
常见电流源电路的设计及制作。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。完成单片机系
统部分内容。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
11、一种无线识别装置的设计
一、主要任务与目标：
设计制作一套无线识别装置。该装置由阅读器、应答器和耦合线圈组成，其方框图参见图1。阅读器能识别应答器的有无、编码和存储信息。
装置中阅读器、应答器均具有无线传输功能，频率和调制方式自由选定。不得使用现有射频识别卡或用于识别的专用芯片。装置中的耦合线圈为圆形空芯线圈，用直径不大于1mm的漆包线或有绝缘外皮的导线密绕10圈制成。线圈直径为6.6±0.5 cm（可用直径6.6 cm左右的易拉罐作为骨架，绕好取下，用绝缘胶带固定即可）。线圈间的介质为空气。两个耦合线圈最接近部分的间距定义为D。
阅读器、应答器不得使用其他耦合方式。
二、主要内容与基本要求：
（1）应答器所需电源能量全部从耦合线圈获得（通过对耦合到的信号进行整流滤波得到能量），不允许使用电池及内部含有电池的集成电路。阅读器能正确读出并显示应答器上预置的四位二进制编码。显示正确率≥80%，响应时间≤5秒，耦合线圈间距D≥5cm。
（2）阅读器采用单电源供电，在识别状态时，电源供给功率≤2W。在显示编码正确率≥80%、响应时间≤5秒的条件下，尽可能增加耦合线圈间距D。
（3）应答器增加信息存储功能，其存储容量大于等于两个四位二进制数。装置断电后，应答器存储的信息不丢失。无线识别装置具有在阅读器端写入、读出应答器存储信息的功能。
三、计划进度：
2011.09.1～2011.10.07 了解课题背景，查阅文献资料，学习相关知识和技术，
整理和分析方案。
2011.10.08～2011.10.31 熟悉单片机系统的设计方法。完成外文文献翻译，撰
写文献综述。
2011.11.01～2011.11.30 撰写开题报告。进一步深入研究课题内容，完成阅读
器部分主要任务。
2011.12.01～2011.12.15 开题报告、文献综述、外文翻译定稿。完成应答器部
分主要任务。
2011.12.16～2011.12.31 系统完善，准备实物检查。
2012.01.01～2012.03.11 论文撰写、修改、定稿，准备论文答辩。
图像处理基础知识点 1、Ps的作用：调色、修复图片、艺术创作等等 2、Ps的启动：开始>>所有程序>>ps 3、Ps的退出：关闭按钮、文件>>退出、ctrl+q 4、图像间的显示关系：窗口>>排列（层叠、水平平铺、垂直平铺、排列图标） 5、Ps：标题栏、菜单栏、属性栏、工具条（左侧可移、过去单列工具条，现在ps3单双列）、图像编辑窗口、面板组合窗口（右侧可移）、状态栏 6、1）位图图像：图像由一个一个带有颜色值的小点组成的。称这些小点为像素。图像由像素组成横向*纵向 2）矢量图像：不是由像素点组成的，例如：flash等等 7、新建文件： 1）快捷键——ctrl+n>>名称（保存的默认名称）、预设（可以将设置保存为日后使用：存储预设）、宽度（单位：像素（图像最小单位）、高度、分辨率（单位面积上像素的多少，像素越多图像越精细）、颜色模式、背景内容（背景颜色：白色、背景色、透明））>>确定2）文件>>新建 3）Ctrl并在空白处双击 8、打开文件： （资源管理器：我的电脑右键资源管理器寻找素材）1）将图像往PS中拖（可以拖动多张）2）文件>>打开 3）在空白位置双击4）ctrl+o 9、存储：文件>>存储ctrl+s 文件>>另存储为ctrl+shit+s 10、关闭图像文件：文件>>关闭Ctrl+w或ctrl+F4 窗口右上角的关闭按钮 窗口>>文档>>关闭全部：可关闭全部打开的图像 11、工具箱按Tab可以打开和关闭（右下角有黑三角证明为一个工具组）：第一组：选择、移动、裁切等第二组：修复、绘画、模糊、加深、减淡等第三组：路径的设置、文字的操作等第四组：附注工具等 12、Alt+delete:用前景色填充Ctrl+delete：用背景色填充 13、Ctrl+d:取消选区选择>>取消选区右键>>取消选区
数字图像处理知识点总结
数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段）， 按空间坐标和亮度的连续性（模拟和数字）。3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0 称为采样。采样间隔和采样孔径的大小是两个 很重要的参数。采样方式:有缝、无缝和重叠。 9.将像素灰度转换成离散的整数值的过程叫量化。 10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。 11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。 12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分 辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图 像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。 中北大学 课程设计说明书 学生：王瑞学号：39 学院：信息商务学院 专业：电子信息工程 题目：图像伪彩色处理方法研究 指导教师：英亮平职称: 副教授 2013 年12 月26 日 中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：王瑞学号：39 学生姓名：齐学号：36 学生姓名：穆志森学号：26 课程设计题目：专业综合实践之多维信息处理部分： 图像伪彩色处理方法研究 起迄日期：2013年12月16 日～2013年12月27日 课程设计地点：电子信息工程专业实验室 指导教师：英亮平 系主任：王浩全 下达任务书日期: 2013年12月15 日课程设计任务书 课程设计任务书 目录 1.1伪彩色图像处理原理 (1) 1.2伪彩色增加的目的 (2) 1.3伪彩色图像处理增强的方法 (2) 2.1 源程序执行原理 (4) 2.2 源程序 (5) 2.3实验结果 (6) 3.1学习心得 (7) 参考文献 (8) 1.1伪彩色图像处理原理 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术，又称为计算机图像处理。扩展了人眼的视觉围，使之跳出传统的可视界限，在人类生活发展的各个方面至关重要。如何用计算机系统解释图像，形成了图像的理解或称为计算机视觉的理解外部世界。 所谓伪彩色图像处理，就是将图像中的黑白灰度级编程不同的彩色，如过分层越多，人眼所能提取的信息也多，从而达到图像增强的效果。这是一种视觉效果明显，又不太复杂的图像增强技术。伪彩色图像处理技术不仅适用于航空摄影和遥感图片，也可用于x光片及云母的判读等处理中。实现伪彩色处理的主要方法主要有密度分割法、灰度级-伪彩色变换法、频域伪彩色处理等多种方法。我 图像匹配的主要方法分析 在我国的图像处理中，有很多的关键技术正在不断的发展和创新之中。这些相关技术的发展在很大程度上推动了我国图像处理事业的发展。作为图像处理过程中的关键技术，图像匹配技术正在受到越来越多的关注。文章针对图像匹配的主要方法进行详细的论述，希望通过文章的阐述和分析能够为我国的图像匹配技术的发展和创新贡献微薄力量，同时也为我国图像处理技术的发展贡献力量。 标签：图像处理；图像匹配；特征匹配；方法 在我国的图像处理技术中，图像的匹配技术不仅仅是其中的重要组成部分，同时还是很多图像技术的发展创新的技术基础。例如图像技术中的立体视觉技术；图像技术中的运动分析技术以及图像技术中的数据融合技术等。通过上述内容可以看出，在我国的图像技术中，图像匹配技术具有非常广泛的应用。随着我国的相关技术不断的创新和发展，对于图像匹配技术的要求也是越来越高。这样就要求我国的图像匹配技术有更深层次的研究和发展。我国现阶段的研究主要是针对图像匹配过程中的匹配算法进行研究，希望借助研究能够更加有效的提升在实际的工作应用中的图像质量，同时也能够在很大程度上提升图像处理的图像分别率。文章的主要陈述点是通过图像匹配技术的具体方法进行优点和缺点的分析，通过分析优点和缺点来论述我国图像处理技术中的图像匹配技术的发展方向以及改进措施。近些年出现了很多的图像匹配方法，针对现阶段的新方法以及新的研究思路我们在实际的应用过程中要有一个非常清醒的选择。文章针对这一问题主要有三个内容的阐述。第一个是图像匹配技术的算法融合；第二个是图像匹配技术中的局部特征算法；最后一个是图像匹配技术中的模型匹配具体算法。 1 现阶段在世界范围内较为经典的图像匹配技术的算法 关于现阶段在世界范围内的较为经典的图像匹配技术的算法的阐述，文章主要从两个方面进行分析。第一个方面是ABS图像匹配算法。第二个方面是归一化相互关图像匹配算法。下面进行详细的论述和分析。 （1）算法一：ABS图像匹配算法。ABS图像匹配算法最主要的原理就是要使用模板的图像以及相应的匹配图像的搜索用窗口之间的转换差别来显示两者之间的关联性。图像匹配的大小在数值上等同于模板图像的窗口滑动顺序。窗口的每一次滑动都会引起模板图像的匹配计算。现阶段ABS的算法主要有三个，如下： 在选择上述三种计算方法的过程中要根据实际情况社情相应的阀值，否则会出现很高的失误率。上述的三种算法使用范围较狭窄。只使用与等待匹配的图像在模板影像的计算。 （2）算法二：归一化相互关图像匹配算法。归一化相互关的图像匹配算法在现阶段是较为经典的算法。通常专业的称法为NC算法。此计算方法主要是采 摘要 本文给出了一种基于小波变换的图像融合方法，并针对小波分解的不同频率域，分别讨论了选择高频系数和低频系数的原则。高频系数反映了图像的细节，其选择规则决定了融合图像对原图像细节的保留程度。本文在选择高频系数时，基于绝对值最大的原则，低频系数反映了图像的轮廓，低频系数的选择决定了融合图像的视觉效果，对融合图像质量的好坏起到非常重要的作用。图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。 MATLAB小波分析工具箱提供了小波分析函数，应用MATLAB进行图像融合仿真，通过突出轮廓部分和弱化细节部分进行融合，使融合后的图象具有了两幅或多幅图象的特征，更符合人或者机器的视觉特性，有利于对图像进行进一步的分析和理解，有利于图像中目标的检测和识别或跟踪。 关键词小波变换；融合规则；图像融合 Image Fusion Algorithm Based on Wavelet Transform Abstract In this paper, the image fusion method based on wavelet transform, and for the wavelet decomposition of the frequency domain, respectively, discussed the principles of select high-frequency coefficients and low frequency coefficients. The high-frequency coefficients reflect the details of the image, the selection rules to determine the extent of any reservations of the fused image on the original image detail. The choice of high-frequency coefficients, based on the principle of maximum absolute value, and consistency verification results. The low-frequency coefficients reflect the contours of the image, the choice of the low frequency coefficients determine the visual effect of the fused image, play a very important role in the fused image quality is good or bad. MATLAB Wavelet Analysis Toolbox provides a wavelet analysis function using MATLAB image fusion simulation, highlight the contours of parts and the weakening of the details section, fusion, image fusion has the characteristics of two or multiple images, more people or the visual characteristics of the machine, the image for further analysis and understanding, detection and identification or tracking of the target image. Keywords Wavelet transform; Fusion rule; Image Fusion 遥感 第一章 1遥感数字图像；遥感数字图像的分类方式和对应类别。 （1）定义：遥感数字图像是数字形式的遥感图像。不同的地物能够反射或辐射不同波长的电磁波，利用这种特性，遥感系统可以产生不同的遥感数字图像。 （2）可见图像和不可见图像 单波段和多波段，超波段 数字图像和模拟图像 2遥感图像的成像方式（三大种：摄影、扫描、雷达）。 （1）摄影，扫描属于被动遥感 雷达属于主动遥感 （2）摄影：根据芦化银物质在关照条件下回发生分解这一机制，将卤化银物质均匀涂在片基上，制成感光胶片 扫描：扫描类遥感传感器逐点逐行地以时序方式获取的二维图像 雷达：由发射机向侧面发射一束窄波段，地物反射的脉冲，由无线接收后被接收机接收 3遥感图像的数字化（模数转换）过程——两大过程：采样、量化，名词解释。 采样：将空间上连续的图像变换成离散点的操作称为采样，即：图像空间位置的数字化。采样是空间离散。 量化：遥感模拟图像经离散采样后，可得到由Ｍ×Ｎ个像素点组合表示的图像，但其灰度（或彩色）仍是连续的，还不能用计算机处理。它们还要进一步离散并归并到各个区间，分别用有限个整数来表示，这称之为量化，即：图像灰度的数字化。量化属于亮度属性离散。 遥感图像数字化过程两个特点：亮度和空 4遥感数字图像的存储空间大小的计算。 图像的灰度级有：2,64,128,256 存储一幅大小为M*N，灰度量化位数G的图像，所需要的存储空间（图像数据量）为M*N*G(bit) 1B=8bit 1KB=1024B 1MB=1024KB 1GB=1024MB TM空间分辨：1,2,3,4,5,7为30米，6为120米 5遥感数字图像的分辨率（时间、空间、光谱、辐射分辨率）； （1）时间分辨率：指对同一地点进行遥感采样的时间间隔即采样的时间频率，也称重访周期空间分辨率：指图像像素所代表的相应地面范围的大小，空间分辨率愈高，像素所代表的范围愈小 光谱分辨率：光谱分辨率是指成像的波段范围，分得愈细，波段愈多，光谱分辨率愈高 辐射分辨率：是传感器区分反射或发射的电磁波辐射强度差异的能力。高辐射分辨率可以区分信号强度的微小差异。 （2）常见传感器和空间分辨率书17-18页 6遥感数字图像的数据（数据级别、数据存储格式、元数据定义） （1）数据级别： 0级产品：未经过任何校正的原始图像数据 1级产品：经过了初步辐射校正的图像校正 2级产品：经过了系统级的几何校正，即根据卫星的轨道和姿态等参数以及地面系统中的有关参数对原始数据进行几何校正。产品的几何精度由上述参数和处理模型决定。 3级产品：经过几何精校正，即利用地面控制点对图像进行了校正，使之具有了更精确的地理坐标信息。产品的几何精度要求在亚像素量级上。 不同点：不同级别的产品使用条件不同，但是他们都是数据的集合，是信息量的汇总。一般来说，都是由元数据和图像基本数据两部分数据汇总的结果。 图像匹配与拼接 分匹配和拼接两部分 一、匹配 当然匹配的方法，有sift，surf什么的，这里主要就介绍一下我自己的方法啦！ 特征点提取是必须的，不然搜索范围太大哇！并且可能不可靠，所以特征点提取是必须的。什么点适合做特征点呢？这方面的论文很多啦，主要还是看你用什么方法匹配了，如果是用互相关作为相似性准则的话，那自相关系数随各个方向变化大的点就适合作特征点了，当然还要考虑稳定性，即特征点应该不太受光照、噪声、缩放、旋转等的影响，这样的才是好的特征点。当然，如果确定了应用坏境，不一定要满足不受上四个因素影响的，比如平行的双目匹配、全景图的匹配等，具体问题具体分析吧！角点特征是个人比较喜欢的特征。这里我自己定义了一种局部特征，效果还行，匹配采用互相关为准则的匹配，大概效果如下： 目测这几个匹配点还是正确的哇！在一些应用中，可能需要的匹配点数相当多，这就需要较密集的匹配了。密集的匹配可以根据初始的匹配结果估计搜索范围，这可以加速搜索，同时也要提取更多的特征点呀！话不多说了，下面是密集的匹配： 虽然这样的密度对于三维重构来说还不够，但对于一般的图像拼接来说足够了。匹配完了，下面就要将第二步了。 二、矫正 匹配好两幅图像了，接下来干啥呢？把它们对准呗。可惜了，两幅图像之间不但存在平移，还存在旋转缩放什么的，更复杂的，可能还存在所谓的3D变换，那就复杂啦！不管怎么样，所谓的对准，也就是矫正，总是基于一定的模型的，即基于相机拍摄两幅图像的相对姿态。对于全景图拼接（个人觉得是最简单的且较实用的拼接），需要根据相机焦距或者视场角投影到柱面上，然后两幅图像间的位置就只有一维的平移关系了。但是这对拍摄的相机也是有要求的，就是要保证拍摄两幅图像时，物防焦点是重合的，这样才能根据稀疏的几个点确定所有重叠区域内点的相对位置呀！但实际中很难做到物方焦点重合，比如数码相机或者所谓的智能手机的全景图拍摄，一般人都是拿着相机或者手机绕人旋转，而非绕物方焦点旋转拍摄的，这样拼接起来是绝对有误差的呀！特别是拼接近景，误差就更大了，远景还好。怎么克服这个缺点呢？简单的改进方法就是绕着摄像头旋转吧，虽然这也不是严格绕物方焦距旋转，但起码误差小得多啦，拼接的效果当然也就好得多了，可以试一试哦！ 不扯了，第二种模型就是认为两幅图像间存在的变换关系是有2D旋转、缩放、平移的，可以通过一个旋转、缩放、平移矩阵来矫正，这个也不难，但是应用范围却相当有限，不详说了。 第三种模型就是不用模型，或者说认为两幅图像间的对应点存在的是一种线性变换关系，这样只要解一个线性方程组就可以了，似乎也挺简单的。但可惜的是，不是任给的两幅图像间都只存在线性变换呀！它可能是一个3D的线性变换，那就麻烦了，这个必须需要密匹配呀！不然就一定是有误差的，即不能通过稀疏的匹配点来矫正两幅图像的所有对应点的。 还有更多的模型，比如各方位的全景图，需要投影到球面上的哇！不过这个模型也不难。最难的当然是拍摄两幅图像时，相机不同，相机姿态也不同了，这个是很有挑战的，我也很惧怕这个。下面展示三种矫正结果： 1、2D线性模型： 2D矫正，认为匹配点之间存在线性变换，X=ax+by+c，Y=dx+ey+e这样的模型，业内称之放射变换，其中x，y是第一幅点的坐标，X,Y是对应的第二幅图像中的点坐标，使用最小二乘法计算a、b、c、d、e、f，第二幅图相对于第一幅图矫正的结果就是这样的了 1、点运算是否会改变图像内像素点之间的空间位置关系？ 点运算是一种像素的逐点运算，它与相邻的像素之间没有运算关系，点运算不会改变图像内像素点之间的空间位置关系。 2、对图像灰度的拉伸，非线性拉伸与分段线性拉伸的区别？ 非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。 3.图像获取即图像的数字化过程，包括扫描、采样和量化。 4.图像获取设备由5个部分组成：采样孔，扫描机构，光传感器，量化器和输出存储体。 5.采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应 6.采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大 7.量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大 8.量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小. 9.三种灰度插值方法—最近邻法、双线性插值法和三次内插法 10.图像增强的目的： 采用某种技术手段，改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息。 11.空间域平滑滤波器方法分类： 1）局部平滑法 2) 超限像素平滑法 3) 灰度最相近的K个邻点平均法 4) 空间低通滤波法 12.图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 13.图像恢复和图像增强一样，都是为了改善图像视觉效果，以及便于后续处理。只是图像增强方法更偏向主观判断，而图像恢复则是根据图像畸变或退化原因，进行模型化处理 14. (1)成象系统的象差、畸变、带宽有限等造成图像图像失真； (2)由于成象器件拍摄姿态和扫描非线性引起的图像几何失真； (3)运动模糊，成象传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊； 图像处理技术的研究现状和发展趋势 庄振帅 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学过程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开 遥感图像分类方法的国内外研究现状与发展趋势 遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台 上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要 研究配准进两年的时间，有幸看到一个技术文档，做了一下的总结，如有不妥之处敬请大家谅解，多提出意见 废话不多说，书归正传！ 这里主要讲解的是多模态或者说是多序列MRI图像配准。采用的图片是人体膝盖图。配准暂且分为五部 Step1. 下载图片 Step2. 初始配准（粗配准） Step3. 提高配准精度 Step4. 利用初始条件提高配准精度配准 Step5. 结果满意不满意，你说了算 下面一一详细说明以上几个步骤！ 一，下载图片 这里采用的图片是matlab子带的两张MR膝盖图， “knee1.dcm”作为参考图像，"knee2.dcm"为浮动图像！ Plain Text code ? 1 2 fixed = dicomread('knee1.dcm'); % 读参考图像fixed moving = dicomread('knee2.dcm'); % 读浮动图像moving 可能接下来大家关注的问题就是这两幅图像到底有什么区别，这种区别又有多大的可视化程度，下面就为推荐两个比较好用的函数用于观测两幅图像的区别。Plain Text code ? 1 2 figure, imshowpair(moving, fixed, 'method'); title('Unregistered'); imshowpair函数就是指以成双成对的形式显示图片，其中一个重要的参数就是‘method’，他又4个选择 （1）‘falsecolor’字面意思理解就是伪彩色的意思了，其实就是把两幅图像的差异用色彩来表示，这个是默认的参数。 （2）‘blend’这是一种混合透明处理类型，技术文档的翻译是 alpha blending，大家自己理解吧。 （3）‘diff’这是用灰度信息来表示亮度图像之间的差异，这是对应 ‘falsecolor’的一种方式。 （4）参数‘monotage’可以理解成‘蒙太奇’，这是一种视频剪辑的艺术手法，其实在这里我们理解成拼接的方法就可以了。 为什么在这里罗里吧嗦的说这么多的显示呢，大家知道"人靠衣装，美靠...."(就不多说了吧)，总之就是一个好的视觉效果能给人以耳目一新的效果。 浅谈多源图像融合方法研究 图像融合已成为图像理解和计算机视觉领域中的一项重要而有用的新技术，多源遥感图像数据融合更是成为遥感领域的研究热点，其目的是将来自多信息源的图像数据加以智能化合成，产生比单一传感器数据更精确、更可靠的描述和判决，使融合图像更符合人和机器的视觉特性，更有利于诸如目标检测与识别等进一步的图像理解与分析。遥感图像融合的目的就在于集成或整合多个源图像中的冗余信息和互补信息，利用优势互补的数据来提高图像的信息可用程度，同时增加对研究对象解译（辨识）的可靠性。 标签：遥感图像图像融合几何纠正空间配准图像去噪 1前言 多源遥感图像融合就是将多个传感器获得的同一场景的遥感图像或同一传感器在不同时刻获得的同一场景的遥感图像数据或图像序列数据进行空间和时间配准，然后采用一定的算法将各图像数据或序列数据中所含的信息优势互补性的有机结合起来产生新图像数据或场景解释的技术。 2多源图像融合的预处理 预处理的主要目的是纠正原始图像中的几何与辐射变形，即通过对图像获取过程中产生的变形、扭曲和噪音的纠正，以得到一个尽可能在几何和辐射上真实的图像。 2.1图像的几何纠正 图像几何校正一般包括两个方面，一是图像像素空间位置互换，另一个是像素灰度值的内插。故遥感图像几何校正分为两步，第一步是做空间几何变换，这样做的目的是使像素落在正确的位置上；第二步是作像素灰度值内插，重新确定新像素的灰度值，重采样的方法有最临近法、双线性内插法和三次卷积内插法。数字图像几何校正的主要处理过程如图1所示。 2.2图像的空间配准 图像数据配准定义为对从不同传感器、不同时相、不同角度所获得的两幅或多幅影像進行最佳匹配的处理过程。其中的一幅影像是参考影像数据，其它图像则作为输入影像与参考影像进行相关匹配。图像配准的一般过程是在对多传感器数据经过严密的几何纠正处理、改正了系统误差之后，将影像投影到同一地面坐标系统上，然后在各传感器影像上选取少量的控制点，通过特征点的自动选取或是计算其各自间的相似性、配准点的粗略位置估计、配准点的精确确定以及配准变换参数估计等的处理，从而实现影像的精确配准。 The research of digital image processing technique 1 Introduction Interest in digital image processing methods stems from two principal application areas: improvement of pictorial information for human interpretation; and processing of image data for storage, transmission, and representation for autonomous machine perception. This chapter has several objectives: (1)to define the scope of the field that we call image processing; (2)to give a historical perspective of the origins of this field; (3)to give an idea of the state of the art in image processing by examining some of the principal area in which it is applied; (4)to discuss briefly the principal approaches used in digital image processing; (5)to give an overview of the components contained in a typical, general-purpose image processing system; and (6) to provide direction to the books and other literature where image processing work normally is reporter. 1.1What Is Digital Image Processing? An image may be defined as a two-dimensional function, f(x, y), where x and y are spatial (plane) coordinates, and the amplitude of f at any pair of coordinates (x, y) is called the intensity or gray level of the image at that point. When x, y, and digital image. The field of digital image processing refers to processing digital images by means of a digital computer. Note that a digital image is composed of a finite number of elements, each of which has a particular location and value. These elements are referred to as picture elements, image elements, pels, and pixels. Pixel is the term most widely used to denote the elements of a digital image. We consider these definitions in more formal terms in Chapter2. Vision is the most advanced of our senses, so it is not surprising that images play the single most important role in human perception. However, unlike human who are limited to the visual band of the electromagnetic (EM) spectrum, imaging machines cover almost the entire EM spectrum, ranging from gamma to radio waves. They can operate on images generated by sources that human are not accustomed to associating with image. These include ultrasound, electron microscopy, and computer-generated images. Thus, digital image processing encompasses a wide and varied field of application. There is no general agreement among authors regarding where image processing stops and other related areas, such as image analysis and computer vision, start. Sometimes a distinction is made by defining image processing as a discipline in which both the input and output of a process are images. We believe this to be a limiting and somewhat artificial boundary. For example, under this definition, even the trivial task of computing the average intensity of an image (which yields a single number) would not be considered an image processing operation. On the other hand, there are fields such as computer vision whose ultimate goal is to use computer to 图像特征特点及常用的特征提取与匹配方法 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1） 颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2） 颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡 的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3） 颜色矩 摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多 光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清 第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像 空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像 空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing） 利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势） （1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的 （1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果； （2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容 （1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化 （2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声 （3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。 （5）图像的重建 a.由二维图像重建三维图像（如CT） （6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。 （7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。 （8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。 （9）图像通信图像伪彩色处理方法研究
图像匹配的主要方法分析
基于小波变换的图像融合算法研究
遥感数字图像处理考试知识点整理
图像匹配与拼接方法
数字图像处理知识点
图像处理技术的研究现状和发展趋势
遥感图像分类方法的国内外研究现状与发展趋势
图像匹配
浅谈多源图像融合方法研究
外文翻译----数字图像处理方法的研究
(完整版)图像特征特点及常用的特征提取与匹配方法
三种图像融合方法实际操作与分析
数字图像处理基础知识总结
相关主题
文本预览