1、課程總結(jié),面向?qū)ο蟮倪b感影像分類(lèi),圖像復(fù)原,圖 像 復(fù) 原,定義,流程,方法,將降質(zhì)的圖像以最大的保真度恢復(fù)圖像,弄清退化原因,建立退化模型,反向推演,恢復(fù)圖像,圖像空間復(fù)原技術(shù),頻率復(fù)原,幾何校正,粗校正,精校正,共線(xiàn)方程,多項(xiàng)式校正,像素坐標(biāo)變換,灰度重采樣,逆濾波,間接法,直接法,分割技術(shù)兩種取向 知識(shí)驅(qū)動(dòng)：自頂向下特定目標(biāo)提取 先驗(yàn)知識(shí)建立模型提取目標(biāo) 數(shù)據(jù)驅(qū)動(dòng)：自底向上影像對(duì)象分類(lèi) 影像數(shù)據(jù)分割無(wú)意義對(duì)象實(shí)體對(duì)象 分割技術(shù)發(fā)展中存在的矛盾 分割需求上 分割結(jié)果好、速度快 分割技術(shù)上 分割方法千差萬(wàn)別，沒(méi)有統(tǒng)一的、廣泛適用的分割標(biāo)準(zhǔn),圖像分割,基 于 灰 度 值 的 不 連 續(xù) 性,基

2、 于 區(qū) 域 內(nèi) 部 灰 度 相 似 性,邊界分割法,邊緣連接分割法,點(diǎn)、線(xiàn)、邊的檢測(cè),對(duì)做過(guò)邊緣檢測(cè)的圖像進(jìn)行,用于連接中斷的邊,閾值分割法,區(qū)域增長(zhǎng),區(qū)域分裂與合并,If f(x,y) T set 255 Else set 0,直方圖,P參數(shù)法,最大方差自動(dòng)取值法,通過(guò)選擇閾值，找到灰度值相似的區(qū)域,先找到點(diǎn)、線(xiàn)（寬度為1）、邊（不定寬度） 再確定區(qū)域,各種梯度算子用于進(jìn)行邊緣檢測(cè) 如Roberts/Prewitt/Sobel/kirsch,Hough變換和廣義Hough變換 進(jìn)行線(xiàn)的檢測(cè),高通濾波器進(jìn)行孤立點(diǎn)的檢測(cè),確定區(qū)域的數(shù)目,選擇有意義的特征,確定相似性準(zhǔn)則,單一型,質(zhì)心型,混合型

3、,基于四叉樹(shù)的思想不斷的進(jìn)行分裂與合并， 直到不能有新的分裂與合并為止。,事先不了解區(qū)域的形狀和數(shù)目,圖像分割,區(qū)域A,區(qū)域B,種子像素,種子像素,區(qū)域生長(zhǎng),1）對(duì)圖像中灰度級(jí)不同的區(qū)域，均分為四個(gè)子區(qū)域,2）如果相鄰的子區(qū)域所有像素的灰度級(jí)相同，則將其合并 3）反復(fù)進(jìn)行上兩步操作，直至不再有新的分裂與合并為止,分裂合并,閾值分割只考慮像元本身的灰度值，沒(méi)有考慮空間特征，對(duì)噪聲敏感。 邊緣檢測(cè)對(duì)噪聲敏感,受起始點(diǎn)影響。 區(qū)域生長(zhǎng)需人為確定種子點(diǎn)，對(duì)噪聲敏感，區(qū)域內(nèi)可能有空洞。串行算法，當(dāng)目標(biāo)較大時(shí)，分割速度慢。 分裂合并算法較復(fù)雜，計(jì)算量大，分裂可能破壞區(qū)域邊界。,圖像分割,(1) 大多數(shù)分割

4、方法還是針對(duì)中、低分辨率遙感影像或SAR影像而提出，對(duì)高分辨率影像具有很大的局限性； (2) 遙感影像主要是全色或單波段、多光譜的研究較少； (3) 分割算法的復(fù)雜度較大，時(shí)間效率較低 (4) 主要利用影像的光譜信息，很少利用空間上下文信息，對(duì)于空間信豐富的高分辨率影像是不適應(yīng)的。 (5) 分割局限在單一尺度下，不能滿(mǎn)足不同地物的多尺度特性。,現(xiàn)有圖像分割存在問(wèn)題,影像分析的不同主題都有其特定的空間尺度，每一個(gè)主題都需要分割所生成的影像對(duì)象用最恰當(dāng)?shù)某叨葋?lái)描述與傳遞影像的最佳信息，因此在影像分析中總是希望在適宜的尺度上進(jìn)行。 多尺度分割中采用不同的分割尺度值生成不同尺度影像對(duì)象層，使得具有固定

5、分辨率的影像數(shù)據(jù)可由不同尺度的數(shù)據(jù)結(jié)構(gòu)組成，從而構(gòu)建了一個(gè)與地表實(shí)體相似的層次等級(jí)結(jié)構(gòu)，實(shí)現(xiàn)了原始象元信息在不同空間尺度間的傳遞，以適應(yīng)特定的應(yīng)用需要。,多尺度分割,多尺度分割,圖 像 特 征,良 好 特 征,可區(qū)分性 可靠性 獨(dú)立性 數(shù)量少,顏色特征,紋理特征,形狀特征,顏色直方圖,顏色矩,灰度共生矩陣,灰度梯度共生矩陣,圖像自相關(guān)函數(shù),分形紋理特征,歐拉數(shù),區(qū)域內(nèi)部空間域分析,凸凹性,距離,區(qū)域測(cè)量,面積,周長(zhǎng),圓形度,形狀復(fù)雜度,區(qū)域內(nèi)部變換分析法,矩法,投影和截口,區(qū)域邊界的形狀特征描述,鏈碼,Hough變換,顏色分布前三階矩,特征提取 特征選擇,特征提取,圖 像 識(shí) 別,模板匹配,用計(jì)算機(jī)代替人去識(shí)別圖像和找出一幅圖像中人們感興趣的目標(biāo),用途,方法,定義,根據(jù)圖案與一幅圖像的各部分的相似度判斷其是否存在， 并求得對(duì)象物在圖像中位置的操作叫模板匹配,幾何變換中檢測(cè)對(duì)應(yīng)點(diǎn)、圖像配準(zhǔn)、立體影像分析、圖像中對(duì)象物檢測(cè),模板和圖像重合部分的相似度或非相似度,高速模板匹配方法,基于圖案輪廓特征的高精度匹配,統(tǒng)計(jì)模式識(shí)別,定義,研究每一個(gè)模式的各種測(cè)量數(shù)據(jù)的統(tǒng)計(jì)特征，按照統(tǒng)計(jì)決策理論來(lái)進(jìn)行分析,流程,方法,監(jiān)督分類(lèi),非監(jiān)督分類(lèi),根據(jù)預(yù)先已知類(lèi)別訓(xùn)練樣本,求出各類(lèi)在特征空間分布,再分類(lèi),判別函數(shù),距離函數(shù),歐氏距離、絕對(duì)值距離、馬氏等,線(xiàn)性判別函數(shù),最大似然判別函數(shù),聚類(lèi)分類(lèi),