实验五图像复原及图像特征分析
一实验目的
1．了解图像退化的原因，掌握二维离散图像的退化模型。
2．图像复原的主要目的是依据退化图像，恢复图像的本来面目。要求掌握常用的图像复原方法。
3．掌握图像的颜色、形状、纹理特征的基本理论知识。
4．掌握七个不变矩在图像处理中的应用。
二实验原理
三实验内容
（编写MATLAB文件,要求调试通过，并给出程序清单及代码各个部分的说明，源代码中主要的变量、函数、循环结构等要有注释。）
1. 建立由于运动所造成的退化图像，并去除模糊。
2. 编程实现逆滤波、维纳滤波和约束最小二乘滤波复原。
3.利用deconvwnr函数对有噪声模糊图像进行复原重建。
4. 求出图像的七阶矩。
四思考题
1. 图像复原和图像增强的异同点在哪里？
2. 如果需要对图像进行复原和增强操作，正确的处理顺序是什么？为什么？
3. 图像的七阶矩在图像发生旋转、镜像及尺度变化时，具有什么特点？
上次课主要内容 4.4简单自然地物可识别性分析 4.5复杂地物识别概率(重点理解) ①要素t 的价值②要素总和（t 1，t 2，…，t m ）t 的价值 K -K E ∑ = ③复杂地物识别概率的计算理解p70~71例子
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 5.2 遥感图像特征与解译标志的关系 5.3 遥感图像的时空特性 5.4 遥感图像中的独立变量 5.5 地物统计特征的构造
第五章遥感图像特征和解译标志 地物特征 电磁波特性 影像特征 遥感图像记录过程 n 图像解译就是建立在研究地物性质、电磁波性质 及影像特征三者的关系之上 n 图像要素或特征，分“色”和“形”两大类：?色：色调、颜色、阴影、反差； ?形：形状、大小、空间分布、纹理等。“形”只有依靠“色”来解译才有意义。
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 n两个定义： ?解译标志定义：遥感图像光谱、辐射、空间和时间特征决定 图像的视觉效果、表现形式和计算特点，并导致物体在图像上 的差别。 l给出了区分遥感图像中物体或现象的可能性； l解译标志包括：色调与色彩、形状、尺寸、阴影、细部（图 案）、以及结构（纹理）等； l解译标志是以遥感图像的形式传递的揭示标志； ?揭示标志定义：在目视观察时借以将物体彼此分开的被感知 对象的典型特征。 l揭示标志包括：形状、尺寸、细部、光谱辐射特性、物体的阴 影、位置、相互关系和人类活动的痕迹； l揭示标志的等级决定于物体的性质、他们的相对位置及与周围 环境的相互作用等；
第五章遥感图像特征和解译标志 5.1 解译标志的定义和分类 n解译标志和揭示标志的关系： ?解译标志是以遥感图像的形式传递的揭示标志； ?虽然我们是通过遥感图像识别地物目标的，但是大多数情况 下，基于遥感图像识别地物并作出决定时，似乎并不是利用解 译标志，而是利用揭示标志。 例如，很多解译人员刚看到图像就差不多在脑海中形成地物的形象， 然后仅仅分析这个形象就能作出一定的决定。实际上，有经验的解译人 员，在研究图像的解译标志并估计到传递信息的传感系统的影响以后， 思想中就建立起地物的揭示标志，并在这些标志的基础上识别被感知物 体。解译人员在实地或图像上都没见过的地物或现象是例外。 n解译标志和揭示标志可以按两种方式进行划分：?直接标志和间接标志； ?永久标志和临时标志；
一、颜色特征 1 颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、 G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0～1 或者在 0～255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度,H表示色调,描述颜色的属性,如黄、红、绿,用角度 0～360度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在 0～1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0～1。 1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、明暗和色调的直观感觉来定义颜色, 其中H (Hue)代表色度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比RGB 系统更接近于人们的经验和对彩色的感知, 因而被广泛应用于计算机视觉领域。 已知RGB 颜色模型, 令M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为RGB 颜色模型中R、 G、 B 三分量的最大和最小值, RGB 颜色模型到HSV 颜色模型的转换公式为: S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) R = M A X 120+ 60*(B – R)/(M A X - M IN) G= M A X 240+ 60*(R – G)/(M A X - M IN) B = M A X V = M A X 2 颜色特征提取算法 2.1 一般直方图法 颜色直方图是最基本的颜色特征表示方法,它反映的是图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率。其函数表达式如下: H(k)= n k/N (k=0,1,…,L-1) (1) 其中,k 代表图像的特征取值,L 是特征可取值的个数,n k是图像中具有特征值为 k 的象素的个数,N 是图像象素的总数。由上式可见,颜色直方图所描述的是不同色彩在整幅图像中所占的比例,无法描述图像中的对象或物体,但是由于直方图相对于图像以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的,而且对于图像质量的变化也不甚敏感,所以它特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。 由于计算机本身固有的量化缺陷,这种直方图法忽略了颜色的相似性,人们对这种算法进行改进,产生了全局累加直方图法和局部累加直方图法。 2.2 全局累加直方图法 全局累加直方图是以颜色值作为横坐标,纵坐标为颜色累加出现的频数,因此图像的累加直方空间 H 定义为:
遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义 波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强
3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念 方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点 ?计算图像经过下列操作后，其中心象元的值： –3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 –Sobel边缘检测 –Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用
实验五图像复原处理技术 实验目的 1 了解图像降质退化的原因，并建立降质模型。 2 理解反向滤波图像复原的原理 3 理解维纳滤波图像复原的原理实验原理图像复原处理一定是建立在图像退化的数学模型基础上的，这个退化数学模型应该能够 反映图像退化的原因。图像降质过程的模型如图5－1所示，其表达式为 g(x,y)=h (x,y)*f (x,y) +n (xy) （5.1） 图5－1图像降质模型 1、 滤波图像复原 逆滤波法是最简单的图像恢复方法。对5.1式两边作二维傅立叶变换，得到 G (u , v ) =H (u ,v) F (u ,v) + N (u ,v) H (u ,v) 为成像系统的转移函数。估算得到的恢复图像的傅立叶变换F ? (u ,v) 为 ()()()()()() ,,?,,,,G u v N u v F u v F u v H u v H u v ==+ (5.2) 若知道转移函数H (),u v ,5.2式经反变换即可得到恢复图像，其退化和恢复的全过程用图5-2表示。 图5－2频域图像降质及恢复过程
逆滤波恢复法会出现病态性，若H (),u v ，而噪声N(u,v) ≠0，则()(),,N u v H u v 比F (x,y)大很多，使恢复出来()?,f x y 与(),f x y 相差很大，甚至面目全非。一种改进的方法是在H (u , v ) =0 的频谱点及其附近，人为仔细设置()1,H u v -的值，使得在这些频 谱点附近，()(),,N u v H u v 不会对()?,F u v 产生太大影响。二种方法是考虑到降质系统的转移函数(),H u v 的带宽比噪声要窄的多，其频率特性也具有低通性质，因此可令逆滤波的转移函数()1,H u v 为 ()()()()1 222 11 2220 1,,0H u v u v D H u v u v D ?+≤?=??+>? （2）维纳滤波复原 逆滤波简单，但可能带来噪声的放大，而维纳滤波对逆滤波的噪声放大有抑制作用。 维纳滤波是寻找一个滤波器，使得复原后图像()?,f x y 与原始图像(),f x y 的方差最小，即 ()(){ }2 ?min ,,E f x y f x y ??=-?? 如果图像(),f x y 和噪声(),n x y 不相关，且(),h x y 有零均值，则可导出维纳滤波器的传递函数为 ()() () () () 2 2 ,1 ,,,,,w n f H u v H u v P u v H u v H u v P u v = ? + 式中(),n P u v 和(),f P u v 分别为噪声和原始图像的功率谱。实际上(),n P u v 和(),f P u v n 往往是未知的，这时常用常数K 来近似 () () ,,n f P u v P u v 。 【实验】产生一模糊图像，采用维纳滤波图像复原的方法对图像进行处理。 clear; %清除变量 d=15 %设定长度
遥感图像处理与分析作业 一、名词解释 1.辐射亮度：辐射源在某一方向的单位投影表面在单位立体角内的辐射通量。 2.光谱反射率：被物体反射的光通量与入射到物体的光通量之比。 3.合成孔径雷达：合成孔径雷达就是利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据处理的方法合成一较大的等效天线孔径的雷达。利用遥感平台的移动，将一个小孔径的天线安装在平台侧方，以代替大孔径的天线，提高方位分辨率的雷达。 4.假彩色遥感图像：根据加色法合成原理，选择遥感影像的某三个波段分别赋予红、绿、蓝三种原色，就可以合成彩色影像。 5.大气窗口：由于大气层的反射、散射和吸收作用，使得太阳辐射的各波段受到衰减的作用轻重不同，因而各波段的透射率也各不相同。把受到大气衰减作用较轻、透射率较高的波段叫大气窗口 6.图像空间分辨率：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。 7.NDVI: (Normal Differential Vegetation Index)归一化植被指数。被定义为近红外波与可见光红波段图像灰度值之差和这两个波段图像灰度值之和的比值。 8.像点位移：地形的起伏和投影面的倾斜会引起航片上像点的位置的变化，叫像点位移。 9.后向散射：在两个均匀介质的分界面上，当电磁波从一个介质中入射时，会在分界面上产生散射，这种散射叫做表面散射。在表面散射中，散射面的粗糙度是非常重要的，所以在不是镜面的情况下必须使用能够计算的量来衡量。通常散射截面积是入射方向和散射方向的函数，而在合成孔径雷达及散射计等遥感器中，所观测的散射波的方向是入射方向，这个方向上的散射就称作后向散射。 10.大气校正：大气校正就是指消除由大气散射引起的辐射误差的处理过程。 11.漫反射：当一束平行的入射光线射到粗糙的表面时，表面会把光线向着四面八方反射，所以入射线虽然互相平行，由于各点的法线方向不一致，造成反射光线向不同的方向无规则地反射，这种反射称之为“漫反射”或“漫射”。 12.中心投影：把光由一点向外散射形成的投影，叫做中心投影。 13.瞬时视场角：扫描镜在一瞬时时间可以视为静止状态，此时接收到的目标地物的电磁波辐射，限制在一个很小的角度之内，这个角度称为瞬时视场角。 14.亮度温度：若实际物体在某一波长下的光辐射度 (即光谱辐射亮度) 与绝对黑体在同一波长下的光谱辐射度相等,则黑体的温度被称为实际物体在该波长下的亮度温度。 15.红外遥感：（infrared remote sensing）是指传感器工作波段限于红外波段范围之内的遥感。探测波段一般在0.76——1000微米之间。是应用红外遥感器（如红外摄影机、红外扫描仪）探测远距离外的植被等地物所反射或辐射红外特性差异的信息，以确定地面物体性质、状态和变化规律的遥感技术。 二、简述题
实验五图像复原解决技术 实验目 1 理解图像降质退化因素，并建立降质模型。 2 理解反向滤波图像复原原理 3 理解维纳滤波图像复原原理实验原理图像复原解决一定是建立在图像退化数学模型 基本上，这个退化数学模型应当可以 反映图像退化因素。图像降质过程模型如图5－1所示，其表达式为 g(x,y)=h (x,y)*f (x,y) +n (xy) （5.1） 图5－1图像降质模型 1、 滤波图像复原 逆滤波法是最简朴图像恢复办法。对5.1式两边作二维傅立叶变换，得到 G (u ，v ) =H (u ,v) F (u ,v) + N (u ,v) H (u ,v) 为成像系统转移函数。估算得到恢复图像傅立叶变换F ? (u ,v) 为 ()()()()()() ,,?,,,,G u v N u v F u v F u v H u v H u v ==+ (5.2) 若懂得转移函数H (),u v ,5.2式经反变换即可得到恢复图像，其退化和恢复全过程用图5-2表达。
图5－2频域图像降质及恢复过程 逆滤波恢复法会浮现病态性，若H (),u v ，而噪声N(u,v) ≠0，则()(),,N u v H u v 比F (x,y)大诸多，使恢复出来()?,f x y 与(),f x y 相差很大，甚至面目全非。一种改进办法是在H (u ，v ) =0 频谱点及其附近，人为仔细设立()1,H u v -值，使得在这些频谱点附 近，()(),,N u v H u v 不会对()?,F u v 产生太大影响。二种办法是考虑到降质系统转移函数(),H u v 带宽比噪声要窄多，其频率特性也具备低通性质，因而可令逆滤波转移函数 ()1,H u v 为 ()()()()1 222 11 2220 1,,0H u v u v D H u v u v D ?+≤?=??+>? （2）维纳滤波复原 逆滤波简朴，但也许带来噪声放大，而维纳滤波对逆滤波噪声放大有抑制作用。维纳 滤波是寻找一种滤波器，使得复原后图像()?,f x y 与原始图像(),f x y 方差最小，即 ()(){ }2 ?min ,,E f x y f x y ??=-?? 如果图像(),f x y 和噪声(),n x y 不有关，且(),h x y 有零均值，则可导出维纳滤波器传递函数为 ()() ()()()() 2 2 ,1 ,,,,,w n f H u v H u v P u v H u v H u v P u v = ? + 式中(),n P u v 和(),f P u v 分别为噪声和原始图像功率谱。事实上(),n P u v 和(),f P u v n 往往是未知，这时惯用常数K 来近似 () () ,,n f P u v P u v 。
基于MATLAB的运动模糊图像恢复技术 王洪珏 （温州医学院，浙江，温州） 摘要：MATLAB是当今流行的科学计算软件，它具有很强的数据处理能力。在其图像处理工具箱中有四个图像复原函数，本文就这些函数的算法原理、运用和恢复处理效果结合实力效果作简要对比讨论。 0前言 图像复原时图像处理中一个重要的研究课题。图像在形成、传输和记录的过程中，由于传感器的噪声、摄像机未对好焦、摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响，使图像往往不是真实景物的完善影像。这种图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像质量下降的过程称为图像的退化。图像复原就是通过计算机处理，对质量下降的图像加以重建或恢复的过程。 图像复原过程一般为：找退化原因→建立退化模型→反向推演→图像复原 1算法产生概述 开发算法时，首先要创建图像退化的线性数学模型，接着选择准则函数，并以适当的数学形式表达，然后进行数学推演。推演过程中通常要进行表达形式（即空域形式、频域形式、矩阵-矢量形式或变换域形式）的相互转换，最后得到图像复原算式。 退化数学模型的空域、频域、矢量-矩阵表达形式分别是： g(x,y)=d(x,y)*f(x,y)+n(x,y) G(u,v)=D(u,v)〃F(u,v)+N(u,v) g=HF+n 其中：g(x,y)、d(x,y)、f(x,y)、n(x,y)分别为观测的退化图像、模糊函数、原图像、加性噪声，*为卷积运算符，（x=0,1,2，…，M-1），（y=0,1,2，…，N-1）。 2运动模糊的产生 景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。对于线性移不变模糊，退化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。 由du/dt=0,文献[5]将这种运动模糊过程描述为波动方程：
图像特征提取 摘要本文着重阐述了图像的纹理特征、灰度共生矩阵及其特点，进行了基于灰度共生矩阵的纹理特征提取实验，并采用最小距离判别函数，对图像的特征值进行分类识别。实验表明，对于具有显著纹理特征的图像，基于纹理特征的图像分类识别具有一定的准确性、可靠性和实用性。 关键词特征提取；灰度共生矩阵；最小距离判别法 1 引言图像识别是随计算机的发展而兴起的一门学科，现已渗透各个领域。如生物学中的色体特性研究；天文学中的望远镜图像分析；医学中的心电图分析、脑电图分析、医学图像分析；军事领域中的航空摄像分析、雷达和声纳信号检测和分类、自动目标识别等等。当前，对图像分类识别的常用方法是先提取图像特征，再进行特征值的归类。图像特征包括几何特征、形状特征、颜色特征、纹理特征等等。本文主要针对图像的纹理特征进行提取、分析，最后实现具有显著纹理特性的图像的分类识别。 2 图像的纹理特征纹理是景物的一个重要特征。通常认为纹理是在图像上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同特点。纹理大致可分为两类：一类是规则纹理，它由明确的纹理基本元素（简称纹理基元）经有规则排列而成，常被称为人工纹理。另一类是准规则纹理，它们的纹理基元没有明确的形状，而是某种灰度或颜色的分布。这种分布在空间位置上的反复出现形成纹理，这样的重复在局部范围内往往难以体察出来，只有从整体上才能显露。这类纹理存在着局部不规则和整体规律性的特点，常被称为自然纹理。纹理特征可用来描述对象物表面的粗糙程度和它的方向性，也可用来分析生物材料组织，或者用来进行图像分割。纹理特征提取的方法随纹理类别的不同而不同，一般，规则纹理采用结构分析方法，准规则纹理采用统计分析方法。 3 灰度共生矩阵由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。3.1 灰度共生矩阵生成灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。取图像(N×N)中任意一点（x，y）及偏离它的另一点（x+a，y+b），设该点对的灰度值为（g1，g2）。令点（x，y）在整个画面上移动，则会得到各种（g1，g2）。值，设灰度值的级数为，则（g1，g2）。的组合共有k2种。对于整个画面，统计出每一种（g1，g2）值出现的次数，然后排列成一个方阵，在用（g1，g2）出现的总次数将它们归一化为出现的概率P（g1，g2），这样的方阵称为灰度共生矩阵。距离差分值（a，b）取不同的数值组合，可以得到不同情况下的联合概率矩阵。（a，b）取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分值。 当a=1，b=0时，像素对是水平的，即0度扫描；当a=1，b=0 时，像素对是垂直的，即90度扫描；当 a=1，b=1时，像素对是右对角线的，即45度扫描；当a=-1，b=-1时，像素对是左对角线，即135度扫描。这样，两个象素灰度级同时发生的概率，就将（x，y）的空间坐标转化为“灰度对” （g1，g2）的描述，形成了灰度共生矩阵。实验中对灰
图像分割概念：图像分割就是把图像分成各特性的区域并提取出感兴趣目标的技术和过程。这些区域互相不交叉，每一个区域都满足特定区域的一致性。医学图像的特点:成像设备的局限性、组织的蠕动-----伪影和噪声局部体效应------组织边缘模糊病变组织---------病变边缘不明确不均匀的组织器官-------灰度不均匀模糊、不均匀、个体差异、复杂多样医学图像分割方法的特点1、分割算法一般面向具体的分割任务，没有通用的方法2、重视多种分割算法的有效结合3、需要利用医学中大量领域的知识4、交互式分割方法受到日益重视图像分割算法基于区域的分割方法基于边缘的分割方法基于数学形态学的分割方法灰度阈值法:灰度值域法是把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界. 令f(x,y)原始图像 阈值的选取:1直方图法（极小值点阈值） 2 最小误差阈值 3 迭代阈值分割 4 最大方差阈值分割边缘检测（Edge Detection）:基本思想是先检测图像中的边缘点，再按照某种策略将边缘沿点连接成轮廓，从而构成分割区域。边缘：指图像局部亮度变化显著的部分. 边缘的检测方法:最简单的边缘检测方法是并行微分算子法。利用相邻区域的像素值不连续的性
质，采用一阶或二阶导数来检测边缘点。一阶导数求极值点，二阶导数求过零点。一阶梯度算子:Roberts交叉算子Sobel算子 Priwitt 算子二阶拉普拉斯算子:在此基础上LoG 算子 Canny算子 :推导了最优边缘检测算子区域生长(region growing) 基本思想：将具有相似性质的像素集合起来构成区域。具体步骤：先对每个需要分割的区域找一个种子象素作为生长的起点，然后将种子象素周围邻域中与种子象素具有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子象素所在的区域中。将这些新象素当作新的种子象素继续进行上面的过程，直到在没有满足条件的像素可被包括进来。这样一个区域就生长了。解决的问题：① 如何选择一组能正确代表所需区域的种子象素； ② 如何确定在生长过程中能将相邻象素包括近来的准则；③如何确定生长终止的条件或规则例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。起始第二步第三步558655865586 48974897 4897 228322832283 333333333333 分裂合并(splitting and merging) 基本思想：从整幅图像开始通过不断分裂得到各个区域．具体步骤：先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足
遥感软件 PCI遥感图像处理软件简介 PCI GEOMATICA是PCI公司将其旗下的四个主要产品系列，也就是PCI EASI/PACE、（PCI SPANS，PAMAPS）、ACE、ORTHOENGINE，集成到一个具有同一界面、同一使用规则、同一代码库、同一开发环境的一个新产品系列，该产品系列被称之为 PCI GEOMATICA。对于20多年来一直致力于向地学界提供全方位解决方案的PCI公司来说，始终坚持领先一步的原则，地理咨讯永远在变迁，而地理咨讯软件更处于变迁的前沿。在今天，随着用户需求广度与深度的不断拓宽与加深，越来越多的人希望软件是一个可以满足用户所有需求的良好的工具。由于对这一点的正确把握，经过4年努力，PCI公司将原有的四个产品系列整合在一起，产生了一个使用简单、灵巧的工作平台----PCI GEOMAITCA。该系列产品在每一级深度层次上，尽可能多的满足该层次用户对遥感影像处理、摄影测量、GIS空间分析、专业制图功能的需要，而且使用户可以方便地在同一个应用界面下，完成他们的工作。在这之前，用户需用多个软件来实现，并且需要面对多个软件经销商、多个软件技术支持、多次的培训、对多个软件的维护，以及不得不投入相当大的精力来在多种数据格式间，进行数据转换。产品模块功能介绍 PCI Geomatica FreeView ( PCI地理咨讯通用视窗) FreeView是PCI公司为用户提供的一个免费的影像浏览工具，用户可以从PCI的网址上直接下载。用于浏览、显示各种数据，如矢量、位图、卫星影像（如LANDSAT, SPOT, RADARSAT, ERS-1/2, NOAA A VHRR等）、航片以及与GIS矢量数据叠加显示、进行属性查询等。FreeView 还具有影像增强，任意漫游、缩放、影像灰度值矩阵显示等功能 PCI Geomatica GeoGateway （PCI通用数据转换工具）PCI Geomatica GeoGateway包含PCI Geomatica FreeView的所有功能。 PCI Geomatica Fundamentals (PCI 地理咨讯基础版) PCI Geomatica Fundamentals包含PCI Geomatica GeoGateway的所有功能。主要包括以下部件： Focus 浏览环境 OrthoEngine FLY!（演示模式）软件许可管理器 PCI Geomatica Prime （PCI地理咨讯专业版） PCI Geomatica Prime包含PCI Geomatica Fundamentals（见上一节）的所有功能。此外，增加了PCI Modeler、EASI、FLY!、算法库等模块。 Geomatica Prime 是强大的、低成本解决方案，提供的工具可用于影像几何校正、数据可视化与分析以及专业标准地图生产。 PCI Productivity Tools （PCI地理咨讯生产工具）该软件是PCI公司为了提高PCI软件的生产能力和效率而专门设计的，其主要功能是为用户提供一系列自动或批处理操作的导向功能。该软件是PCI GEOMATICA PRIME或FUNDAMENTALS功能的扩展。主要提供影像自动镶嵌功能及针对ORTHOENGINE 系列产品的航片，光学卫星影像，雷达卫星的自动同名点收集功能。同时提供影像控制点库及库管理功能。 PCI AIRPHOTO MODEL （PCI地理咨讯系统航空正射影像处理器）是一个与PCI Geomatica Fundamentals或Geomatica Prime模块一起使用的功能强大的航空照片正射校正工具。该模块运用了特殊的算法模型将已经扫描的或由数字摄像机得到的照片制作成精确的正射影像图。所生成的图像可以转化为多种文件形式，作为许多GIS/CAD/MAP软件的数据源。同时用户可选择附加的DEM自动提取、3DVIEW 和三维特征提取模块（OrthoEngine Airphoto DEM）来构造自己的数字摄影测量软件包。该软件具有如下功能：项目工程文件建立（含
图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 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。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。
设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的
数字图像复原技术中运动模糊图像相关问题研究【摘要】随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一，运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程；建立运动模糊退化模型；用维纳滤波复原方法对模糊图像进行复原；根据维纳滤波运动模糊图像复原方法中的不足之处，引入介绍了一种新的方法，降低了原有算法的复杂度，改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进，其他复原方法有待我们进一步研究。 【关键词】数字图像复原处理技术；运动模糊图像复原；维纳滤波复原；改进维纳滤波复原 图像成像的过程中存在很多的退化源，数字图像在获取、传输和存储过程中受各种原因的影响，会造成图像质量的退化，典型的表现有图像模糊、失真、有噪声等。运动模糊图像是由于相机和被拍摄对象之间的相对运动而造成的模糊现象，这一现象在日常生活中经常遇到，因此运动模糊图像复原技术便成为目前图像复原技术的研究热点之一，运动模糊图像复原是数字图像处理中的一个重要课题。它研究的主要目的是改善给定的图像质量并尽可能复原图像。图像复原的目的就是尽可能恢复被退化图像的本来面目。 运动模糊图像的复原方法研究非常具有现实意义。无论在日常生活还是在国防军工领域，运动造成图像模糊现象普遍存在，这给人
们生活和航空侦察等造成很多不便，所以很有必要对运动模糊图像的恢复做深入研究。在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦查和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。通过对于运动模糊图像的复原，使图像变的清晰，便于更好地提取相应信息。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 一、图像复原的基本概念 图像复原技术，也称为图像去卷积技术，它是按着图像模糊的反过程进行，其目的是获取清晰的，未被污染的图像的近似值，从而我们可以使用相关信息来正确解读图像所包含的有效信息。要想复原图像，其中必须要知道的是模糊是空域不变的还是空域变化的：空域不变意味着模糊和位置无关。也就是说，一个模糊的物体无论从图像的那个位置看都是一样的。空域变化意味着模糊和位置有关。也就是说，模糊图像中的物体因位置变化而看起来有所不同。 二、维纳滤波图像复原 从噪声中提取信号波形的各种估计方法中，维纳滤波是一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号，而不只是它的几个参量。 设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方，即为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小，关键在于求冲
面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。
影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。
图像复原技术研究背景及现状 1研究背景 数字图像处理(Digital Image Processing)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。第一台可以执行有意义的图像处理任务的大型计算机出现在20世纪60年代早期，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、图像复原、图像编码、图像压缩等。 图像复原是一种改善图像质量的处理技术，是图像处理研究领域中的热点问题，在科学研究和工程领域中被广泛应用。在获取图像过程中，由于光学系统的像差、光学成像的衍射、成像系统的非线性畸变、记录介质的非线性、成像过程的相对运动、大气的湍流效应、环境随机噪声等原因的影响，会使观测图像和真实图像之间不可避免地存在偏差和失真。这种图像质量下降的情况在很多实际应用中都会遇到，如宇航卫星、航空测绘、遥感、天文学中所得的图片，由于大气湍流、光学系统的像差及摄像机与物体之间的相对运动会使图像降质;X射线成像系统由于X射线散布会使医学上所得的射线照片分辨率和对比度下降;电子透镜的球面像差往往会降低电子显微照片的质量等等。因此，为了消除或减轻这种退化造成的影响，尽可能使图像恢复本来面貌，就需要使用图像复原技术川。 图像复原试图利用退化图像的某种先验知识来重建或复原被退化的图像，因此图像复原可以看成是图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或原始图像的最优估值，从而改善图像质量。典型的图像复原方法往往是在假设系统的点扩散函数(PSF)为己知，并且常需假设噪声分布也是己知的情况下进行推导求解的，采用各种反卷积处理方法，如逆滤波等，对图像进行复原。然而随着研究的进一步深入，在对实际的图像进行处理时，许多先验知识(包括图像的及成像系统的先验知识)往往并不具备，于是就需要在系统点扩散函数未知的情况下，从退化图像自身抽取出退化信息，仅仅根据退化图像数据来复原真实图像，这就是盲目图像复原(Blind Image Restoration)所要解决的问题。由于缺乏足够的信息来唯一确定真实图像的估计值，盲目图像复原方法需要利用有关图像信号、点扩散函数和高斯噪声的己知息和先验知识，结合一些附加条件，对6噪声模糊图像的盲复原及振铃的消除问题的解形成约束条件，而盲目图像复原就
遥感图像处理方法 随着遥感技术的快速发展，人们已经从遥感集市中获得了大量的遥感影像数据，如何从这些影像中提取人们感兴趣的对象已成为人们越来越关注的问题。但是传统的方法不能满足人们已有获取手段的需要，另外GIS的快速发展为人们提供了强大的地理数据管理平台，GIS数据库包括了大量空间数据和属性数据，以及未被人们发现的存在于这些数据中的知识。将GIS技术引入遥感图像的分类过程，用来辅助进行遥感图像分类，可进一步提高了图像处理的精度和效率。如何从GIS数据库中挖掘这些数据并加以充分利用是人们最关心的问题。GIS支持下的遥感图像分析特别强调RS和GIS的集成，引进空间数据挖掘和知识发现（SDM&KDD）技术，支持遥感影像的分类，达到较好的结果，专家系统表明了该方法是高效的手段。 遥感图像的边缘特征提取观察一幅图像首先感受到的是图像的总体边缘特征，它是构成图像形状的基本要素，是图像性质的重要表现形式之一，是图像特征的重要组成部分。提取和检测边缘特征是图像特征提取的重要一环，也是解决图像处理中许多复杂问题的一条重要的途径。遥感图像的边缘特征提取是对遥感图像上的明显地物边缘特征进行提取与识别的处理过程。目前解决图像特征检测/定位问题的技术还不是很完善，从图像结构的观点来看，主要是要解决三个问题:①要找出重要的图像灰度特征；②要抑制不必要的细节和噪声；③要保证定位精度图。遥感图像的边缘特征提取的算子很多，最常用的算子如Sobel算子、Log算子、Canny算子等。 1）图像精校正 由于卫星成像时受采样角度、成像高度及卫星姿态等客观因素的影响，造成原始图像非线性变形，必须经过几何精校正，才能满足工作精度要求一般采用几何模型配合常规控制点法对进行几何校正。 在校正时利用地面控制点(GCP)，通过坐标转换函数，把各控制点从地理空间投影到图像空间上去。几何校正的精度直接取决于地面控制点选取的精度、分布和数量。因此，地面控制点的选择必须满足一定的条件，即：地面控制点应当均匀地分布在图像内；地面控制点应当在图像上有明显的、精确的定位识别标志，如公路、铁路交叉点、河流叉口、农田界线等，以保证空间配准的精度；地面控制点要有一定的数量保证。地面控制点选好后，再选择不同的校正算子和插值法进行计算，同时，还对地面控制点(GCPS)进行误差分析，使得其精度满足要求为止。最后将校正好的图像与地形图进行对比，考察校正效果。 2）波段组合及融合 对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。 3）图像镶嵌 如果工作区跨多景图像，还必须在计算机上进行图像镶嵌，才能获取整体图像。镶嵌时，除了对各景图像各自进行几何校正外，还需要在接边上进行局部的高精度几何配准处理，并且使用直方图匹配的方法对重叠区内的色调进行调整。
图像常见xx方法简介 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xx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 这种方法的数学基础在于： 图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是： 将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 （5）颜色相关图 二纹理特征 （一）特点： 纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行