《地理信息系统应用》教案-如何实现不同图像之间的转换和融合,.
教案
模块三空间数据处理
知识点不同图像之间的转换、融合和裁剪
在工作中经常要对图像进行预处理（图像之间的转换、融合与裁剪等），以提高工作效率以及满足软件对特定数据格式的要求。
一、图像格式的转换
图像之间的转换主要是指对图像进行不同格式的转换。常见的图像格式有如下几种: Tiff、Jpg、BMP、GRD、MSI等格式(如下图3.1)。
在MapGIS K9软件中，遥感影像处理平台下“数据转换”提供了MapGIS专用的影像文件格式(*.msi)与常用的各种影像数据格式文件(如Tiff，GeoTiff，Raw，Bmp，Jpeg，Jpeg2000，hdf5等)的输入输出转换，以及其他格式类型影像文件如HDF4文件与MSI文件的转换；提供了将其它格式的矢量数据导入为MapGIS的矢量数据格式，也可以将MapGIS的矢量数据格式导出为其它格式的矢量数据；提供了将文件格式的影像导入数据库的功能，也可以将数据库中的影像数据导出为文件格式的影像数据；提供了将各种文件格式的高程数据导入数据库的功能，也可以将数据库中的高程数据导出为各种文件格式的高程数据；提供栅格转矢量和矢量转栅格的功能。
图3.1
二、图像融合
遥感技术的发展为人们提供了丰富的多源遥感数据。这些来自不同传感器的数据具有不同的时间、空间和光谱分辨率以及不同的雷达极化方式。单一传感器获取的图像信息量有限，往往难以满足应用需要，通过图像融合，可以从不同的遥感图像中获得更多的有用信息，补充单一传感器的不足。
图像融合是一个对多遥感器的图像数据和其他信息的处理过程。着重于把那些在空间和时间上冗余或互补的多源数据，按照一定的规则进行运算处理，获得比任何一种数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。
例如：将多光谱遥感图像与全色遥感图像进行图像的融合处理，这样融合之后的新图像既结合了多光谱信息，又提高了遥感图像的分辨率。
遥感图像融合流程图如下3.2所示：
融合方式的确定应根据目标空间分布、光谱反射特性及时相规律方面的特征选择不同的遥感图像数据，它们在空间分辨率、光谱分辨率和时间分辨率方面相互补充，以形成一个更有利的识别环境，来识别所要识别的目标或类型。
影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。通常情况下，不同类型的传感器影像之间融合时，由于它们成像方式的不同，则其系统误差类型也不同。如SPOT 与TM 数据融合时，SPOT 的传感器是以CCD 推帚式扫描成像的，而TM 则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过严密的几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算对分辨率较低的图像进行重采样，改正其误差，将影像投影到同一的地面坐标系统上，为图像配准奠定基础。
图3.2
在MapGIS K9软件中，遥感影像处理平台“影像预处理”下“影像融合”，融合方法包括加权融合法、HIS彩色空间变换融合、基于小波的HIS变换融合、基于小波的特征融合、PCA变换融合。
加权融合权值：进行加权融合时R,G,B各分量所占的比例。该参数仅在选用加权融合法时有效。
HIS彩色空间变换融合表示色调，亮度和饱和度，是人们认识颜色的3个特征．HIS彩色空间变换融合是指首先将图像分解成亮度I，色调H和饱和度S，然后用全色波段替换I，并进行反变换。
PCA变换融合是在统计特征基础上的多维(多波段)正交线性变换，它将一组相关变量转化为一组变量不相关的线性组合。
融合结果性能评价指标的选取一般根据融合的目的而定。一般从下述四方面进行考虑：
1.提高分辨率
(1)均值：为像素的灰度平均值，对人眼反映为平均亮度。
(2)标准差：反映了灰度相对于灰度均值的离散情况，标准差越大，则灰度级分布越分散。
(3)偏差：用来反映融合图像与原始图像在光谱信息上的匹配程度。如果偏差指数较小，则说明融合后的图像在提高空间分辨率的同时，较好地保留了原始图像的光谱信息。
(4)均方差：均方差越小说明融合图像与理想图像越接近。
(5)协方差：描述同一目标的低分辨率图像的一个像素涵盖了高分辨率图像的多个像素的信息。如何用低分辨率图像像素信息修正高分辨率图像像素信息，保持其高分辨率，降低其不确定性是不同分辨率图像融合的目的。
2.提高信息量
(1)信息量增加是图像融合最基本的要求，可以通过融合前后图像信息熵的变化反算出来
(2)图像信息熵的定义为图像的平均信息量，其表达式为：
其中为灰度值为的像素在图像中出现的频率，N是像元灰度的范围。
3.提高清晰度
清晰度是用来评价图像模糊程度的重要指标，它反映了图像中微小细节变化与纹理变化的反差特征。在图像平面上，某一区域的灰度级变化率越大，其相应的梯度也越大，同时图像影像的清晰度也就越大。
4.目视分析
该评价方法受不同的观察者、图像的类型、应用场合和环境条件的影响较大，其只能在统计上有意义，但是它比较容易实现。
注意：对进行融合处理的影像要求分辨率一致，因此对于不同分辨率的影像在进行融合处理前，需要采用影像处理中的影像重采样将它们重采样成同一分辨率的影像。影像重采样处理是在保证影像的大地坐标范围不变的情况下改变影像的行列数,在一定程度上相当于改变影像的分辨率的操作。
三、图像裁剪
实际工作中，经常会得到一幅覆盖较大范围的图像，而我们需要的数据只覆盖其中的一小部分(如图3.3所示)。为了节约磁盘存储空间、减少数据处理时间，常常需要对图像进行裁剪处理。
在MapGIS K9软件中对图像的裁剪，可以选择分块裁剪、图幅裁剪等方法。
分块裁剪：支持用户输入坐标、按分块大小、按分块数目、AOI 区裁剪、矢量区裁剪、自定义多边形以及按图像范围裁剪，使用不同的裁剪模式能够达到不同的裁剪效果。
用户输入坐标是通过定义左上角和右下角的坐标，来确定一个矩形框，位于矩形框范围内的图像将被裁剪出来。
AOI （Area Of Interest ，感兴趣区域）区裁剪需要事先定义一个AOI 区，将定义好的AOI 区作为裁剪框对图像进行裁剪。
在MapGIS K9软件中的图幅裁剪指的是标准图幅裁剪，标准图幅裁剪是将图像按照标准图幅号的大小进行裁剪。
技能点 图像数据的处理
一、 影像数据格式转换
具体操作如下：
1. 选择遥感处理平台，单击“数据转换”菜单下的“影像数据转换”，弹出如图 3.4对话框：
裁剪
图3.3
图3.4
2.选择输入输出文件的类型，点击“添加文件”按钮，添加要进行类型转换的文件。如果是批量转换，点击“添加目录”按钮，添加要转换的文件目录。设置结果文件的存放目录。
3.选择输入文件，点击“输入设置”按钮，设置输入文件参数。如图3.5所示，
图3.5 文件参数设置对话框
4.在“设置文件参数”对话框里，系统提供了两种坐标类型，即图像坐标和图形坐标两种，另外可以选择当前转换图像的处理范围，点击，系统会弹出“选择影像范围”的设置如图3.6对话框：
图3.6
5.在该对话框里，可以通过选择“图像坐标”还是“图形坐标”的类型，通过、
、来设置图像的处理范围，还可以通过上、下、左、右和中来设置需要转换的图像的位置。
6.在“处理波段”选项里，点击，系统会弹出选择波段的如图3.7对话框：
图3.7 波段选择对话框
7.在该对话框里选择所处理的波段，既可以选择单波段，也可以选择多波段。
8.点击“输出文件设置”按钮，设置输出文件的存放路径。
9.点击“转换”按钮，要查看是否转换成功，可以直接查看当前对话框里的“状态”，
如果转换成功，状态栏里显示为“Success”，否则为“Fail”，同时还可以点击“查看日
志”按钮进行查看。如图3.8所示：
图3.8 数据转换日志
二、影像融合
影像融合是一种将不同类型传感器获取的同一地区的影像数据空间配准后采用一定算法将各影像的优点有机结合从而产生新影像的技术。融合后的影像较融合前单一影像在光谱特征和分辨率等方面均有所增强,在土地动态监测,影像判读等方面都有着广泛的实际应用。
影像融合流程:
数据准各——>查看影像分辨率——>影像重采样修改多光谱影像分辨率(如果两幅影像分辨率不同)——>镶嵌融合
1.数据准备
(1)高分辨率全色影像:此影像分辨率高但只有一个波段,分类不明显,如图3.9所示。
(2)高分辨率全色局部放大影像,如图3.10所示。
(3)低分辨率多光谱影像局部放大影像,如图3.11所示。
图3.11 低分辨多光谱影像
(4)低分辨率多光谱图像:此影像分辨率低,但色彩明显。
最终结果:
得到一幅即为高分辨率又是多光谱新影像图(同时具各这两幅影像的优点)。处理方案:
通过“影像融合”来实现。影像融合流程,如图3.12所示。
图3.12影像融合流程图
2.查看影像分辨率
查看影像分辨率操作步骤如下:
第一步:点击开始—程序—MapGIS K9—遥感处理平台,通过“添加图层”的方式把“全色”影像和“多光谱”影像添加上来。
第二步:单击“影像信息”分别查看两幅影像的分辨率是否相同(若不同要对多光谱的影像数据进行重采样,是两个影像的分辨率相同)。高分辨率全色影像信息,分辨率为0.6,
如图3.13所示。
图3.13全色影像信息
低分辨率多光谱影像信息,分辨率为2.4,如图3.14所示。
图3.14 多光谱影像信息图3.15影像重采样
第三步：两幅影像的分辨率不同(全色影像分辨率为0.6,多光谱为2.4),对多光谱影像进行重采样,修改分辨率为0.6。在“影像预处理”中选择“影像重采样”,如图3.15所示。设置重采样的分辨率,如图3.16所示。
第四步：影像融合。在“影像预处理”菜单中选择“影像融合”,如图3.17所示。
图3.16影像重采样参数设置图3.17影像融合第五步:多源影像融合设置。分别选择参与融合的“全色影像”、“多光谱影像”和“融合方法”(常用加权融合法),对“融合结果”选择路径保存,如图3.18所示。在选择多光谱影像的时候需要设置参与融合的R、G、B波段,这个数据是4个波段的,我们只需要选中“选取所有波段参与融合”选项就可以,不用去分别设置每个波段,如图3.19所示。
图3.18多光谱影像信息图3.19影像重采样
单击“融合”,对两个影像进行融合处理,处理完成后通过“添加图层”的方式把融合后的影像打开,如图3.20所示。
图3.20 融合后影像
由于融合后的影像波段组合与原始的多光谱影像波段组合不同(融合后影像R、G、B对应的分别是1、2、3,原始多光谱影像R、G、B分别对应3、4、D,导致显示的和原始多光谱影像颜色不一样,可以通过修改波段组合来修改显示颜色。
单击“色彩设置”，在“显示设置”对话框中修改R、G、B波段的组合与“多光谱影像”的的色彩设置一样。融合后影像的波段组合,如图3.21所示。
高分辨率多光谱影像波段组合,如图3.22所示。
图3.21融合后影像的波段组合图3.22 原始多光谱影像波段组合修改“色彩设置”后得到融合后的影像,是具备高分辨率和多光谱的影像。
三、影像裁剪
影像裁剪是对所输入的一幅影像中从中裁剪出一块，结果会生成一个单一的结果文件。MapGIS K9遥感处理平台可以实现将影像裁剪分成规则分幅裁剪、不规则分幅裁剪以及标准图幅裁减。
（一）规则分幅裁剪
具体的操作过程如下：
1）点击“辅助工具”菜单下的“影像裁剪”命令，系统弹出如图所示的对话框：
图3.23 影像裁剪与裁剪模式
2）在所弹出的“影像裁剪与取子集”对话框里进行设置：
【输入】：输入裁剪的影像文件并且选择进行裁剪处理的波段范围，输入影像后会在“显示”窗口中显示出影像。
【输出】：设定裁剪后所得结果影像的存储路径。
【设定裁剪区域】：系统提供了多种裁剪模式，对于规则裁剪，系统按照“用户输入坐标”模式进行裁剪。
【裁剪模式】：用户输入坐标。
【坐标类型】：栅格范围和地理范围。
【左上、右下】：如果选择栅格范围，则输入左上角和右下角的行列信息；如果选择地理范围，则输入左上角和右下角的坐标值。
点击“确定”按钮，系统执行裁剪命令，裁剪后系统将关闭此对话框；如果点击“应用”按钮，系统会按照裁剪设置执行裁剪命令，执行完之后系统不关闭此对话框，用户可根据实
际需要重新设置对影像进行裁剪。
注意：“用户输入坐标”模式裁剪是通过设置左上角和右下角的范围对影像进行规则裁剪，除了这种模式之外，若用户不需要指定特定的裁剪范围，可通过“整景”、“正方形”和“对开”的方式选取一个裁剪范围，然后通过“上”、“下”、“左”、“右”和“中”移动裁剪框的位置。如下图3.24所示：
图3.24 影像裁剪选取范围
对话框参数说明：
【整景】：选取影像的全部范围。
【正方形】：以当前影像行列值较小的值为正方形的标准边长取一个正方形范围，或者是取当前裁剪框行列值较小的值正方形的标准边长取正方形范围。
【对开】：以当前裁剪框大小为标准，分别取长边和短边?囊话胛新裁剪框范围。
【上、下、左、右、中】：以影像的中间位置为标准，可将裁剪范围进行上移、下移、左移和右移或者直接居中。
【另外】：如“显示”窗口中的裁剪框，可通过鼠标右击选中“裁剪框”，选中不放然后拖动鼠标，可拉大或者缩小裁剪框的范围。
（二）不规则分幅裁剪
不规则裁剪是指裁剪影像的边界范围是个任意的多边形，无法通过左上角和右下角的坐标确定影像的裁剪位置，而必须事先生成一个完整的闭合多边形区域，可以是一个AOI区多边形，也可以是MapGIS的一个矢量区，针对不同的情况采用不同的裁剪方式。
A、AOI区多边形裁剪
1）AOI区多边形裁剪，首先要在AOI编辑工具绘制裁剪AOI多边形，并将结果保存在文件中（*.aoi）。
图3.25 AOI区编辑
2）点击“辅助工具”菜单下的“影像裁剪”命令，系统弹出如图3.26所示的对话框：
图3.26 AOI裁剪效果
3）选择“裁剪模式”为“AOI区裁剪”，这时“导入AOI区”会由灰度变为高亮显示，这时点击“导入AOI区”，导入之前在“AOI区编辑”中所编辑保存的AOI区文件，这时在影像的“显示”窗口会预览显示出裁剪结果。
4）点击“确定”按钮，系统执行裁剪命令，裁剪后系统将关闭此对话框；如果点击“应用”按钮，系统会按照裁剪设置执行裁剪命令，执行完之后系统不关闭此对话框，用户可根据实际需要重新设置对影像进行裁剪。
注意：在编辑“AOI区多边形”时，一定要确定所编辑的AOI区类型为“裁剪AOI区”。
B、MapGIS矢量区裁剪
如果是按照行政区边界或自然区划边界进行影像的分幅裁剪时，往往是首先利用MapGIS或者遥感处理平台里的Vector模块绘制精确的边界多边形，然后以MapGIS的多边形为边界条件进行裁剪。
1）首先是在MapGIS或者遥感处理平台里的Vector模块绘制边界多边形。
2）选择“辅助工具”菜单下的“影像裁剪命令。
3）选择“裁剪模式”为“矢量区裁剪”，这时“导入矢量区”会由灰度变为高亮显示，这时点击“导入矢量区”，MapGIS或者遥感处理平台里的Vector模块绘制精确的边界多边形文件，这时在影像的“显示”窗口会预览显示出裁剪结果。
4）点击“确定”按钮，系统执行裁剪命令，裁剪后系统将关闭此对话框；如果点击“应用”按钮，系统会按照裁剪设置执行裁剪命令，执行完之后系统不关闭此对话框，用户可根据实际需要重新设置对影像进行裁剪。
（三）图幅裁剪
图幅裁剪的具体操作为，具体操作为：
1.点击“影像预处理”菜单下的“分幅裁切”命令，系统弹出如图3.27所示对话框：
图3.27
2.在“分幅数据裁剪”对话框里进行参数设置：
【原始影像】：输入需要进行图幅裁切的影像文件，要求进行分幅数据裁剪的投影类型为高斯克吕格投影。
【结果影像】：进行分幅裁剪后结果影像文件名和保存路径。可以保存为影像目录，也
可以在GDB里保存为栅格数据集。
目录：点击“目录”按钮，可以选择目录进行保存结果影像。
GDB：选择GDB库，保存为在GDB里存放的栅格数据集。
【结果类型】：输出的结果影像的文件类型，可以保存为多种格式，包括MSI、GeoTiff、Erdas IMG、PCI和ENVI。
【图幅比例】：图幅比例即为结果影像的输出比例尺，系统提供了1：5千、1：1万、1：2.5万、1：5万、1：10万、1：25万、1：50万和1：100万八种图幅比例尺。
【图框类型】：输出影像的图框类型，可以为标准梯形图框，也可以为公里网矩形图框。
【要素类型】：保存图框的要素类型，可以为要素类，也可以为简单要素类。
【裁剪操作】：进行图幅裁剪的可选择性操作。
保存生产图框：按照图幅比例保存影像所对应的图框。
模板参数定制：模板参数定制是对图框的模板进行修改，勾选“模板参数定制”，系统会弹出如图3.28所示对话框：
图3.28 选择图框模板
3.在“选择图框模板”里，用户可根据需要修改参数模板。
【框外内容设置】：框外内容主要是图幅框外所对应的内容，包括图幅标题、接头表、图幅号、注记图幅号等信息。勾选“框外内容设置”，系统会弹出如下3.29对话框：
图3.29 图框外内容设置
在“框外内容设置”对话框里，用户可根据需要修改框外的内容。
【图幅关联地名】：这个是根据影像的实际位置，关联具体的地名，关联的地名文件格式为*.xls.
【保存出图工程】：将图幅裁剪操作认定为一个工程文件，若保存工程文件，则可以在一个工程文件夹下保存多幅裁剪出来的影像数据和对应的矢量图框。
【去除影像黑边】：若影像有黑边，可勾选“去除影像黑边”，将影像的黑边去除。
4.点击“标幅裁剪”则执行标准图幅裁剪的操作，点击“取消”则取消当前操作。
思考题
一、简答题
1.图像数据转换、融合、裁剪的意义是什么？
2.如何使用MapGIS K9 进行图像数据的处理？
图像融合算法概述
图像融合算法概述 摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言： 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论
多聚焦图像融合方法综述
多聚焦图像融合方法综述 摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言 按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即： （1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙； （2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,
第10讲函数图像及其变换(教案)
函数图像与变换 教学目标：掌握常见函数图像及其性质（高考要求B ），熟悉常见的函数图像（平移、对称、翻折）变换（高考要求B ）. 教学重难点：掌握常见函数图像及其性质，会用“平移、对称、翻折”等手段进行函数图像变换。 教学过程： 一.知识要点： 1.常见函数图像及其性质： （1）平移变换： ①y =f (x ) →y ＝f (x ±a )(a >0)图象 横向 平移a 个单位，（左+右—）. ②y =f (x ) →y ＝f (x )±b (b >0)图象 纵向 平移b 个单位，(上+下—) ③若将函数)(x f y =的图象右移a 、上移b 个单位，得到函数b a x f y +-=)(的图象； ④若将曲线0),(=y x f 的图象右移a 、上移b 个单位，得到曲线0),(=--b y a x f 的图象. （2）对称变换： ①y =f (x ) →y =f (－x )图象关于 y 轴 对称; 若f (－x )=f (x ),则函数自身的图象关于y 轴对称. ②y =f (x ) →y =－f (x )图象关于x 轴 对称. ③y =f (x ) →y =－f (－x )图象关于原点 对称; 若f (－x )=－f (x ),则函数自身的图象关于原点对称. ④y =f (x ) →y =f －1(x )图象关于直线y =x 对称. ⑤y =f (x ) →y =－f －1(－x )图象关于直线y =－x 对称. ⑥y =f (x ) →y =f (2a －x )图象关于直线x =a 对称； ⑦y =f (x ) →y =2b －f (x )图象关于直线y =b 对称. ⑧y =f (x ) →y =2b －f (2a －x )图象关于点(a ,b ) 对称. 若f (x )=f (2a －x )(或f (a ＋x )=f (a －x ))则函数自身的图象关于直线x =a 对称. 若函数()y f x =的图象关于直线2 a b x +=对称()()f a mx f b mx ?+=- ()()f a b mx f mx ?+-= （3）翻折变换主要有 ①y =f (x ) →y ＝f (|x |)的图象在y 轴右侧(x >0)的部分与y ＝f (x )的图象相同，在y 轴左侧部分与其右侧部分关于y 轴对称. ②y =f (x ) →y ＝|f (x )|的图象在x 轴上方部分与y =f (x )的图象相同，其他部分图象为y ＝f (x )图象下方部分关于x 轴的对称图形. 二.基础练习： 1.若把函数f (x )的图象作平移变换，使图象上的点P (1，0)变换成点Q (2，－1)， 则函数y ＝f (x )的图象经此变换后所得图象的函数解析式为 ( A ) A.y ＝f (x －1)－1 B.y ＝f (x ＋1)－1 C.y ＝f (x －1)＋1 D.y ＝f (x ＋1)＋1 2.已知函数y =f (x )的图象如图2—3，则下列函数所对应的图象中，不正确的是( B ) A.y =|f (x )| B.y =f (|x |) C.y =f (－x ) D.y =－f (x ) 解： y =f (|x |)是偶函数，图象关于y 轴对称. 图2—3
超分辨率算法综述
超分辨率复原技术的发展 The Development of Super2Re solution Re storation from Image Sequence s 1、引言 在图像处理技术中,有一项重要的研究内容称为图像融合。通常的成像系统由于受到成像条件和成像方式的限制,只能从场景中获取部分信息,如何有效地弥 补观测图像上的有限信息量是一个需要解决的问题。图像融合技术的含义就是把相关性和互补性很强的多幅图像上的有用信息综合在一起,产生一幅(或多幅) 携带更多信息的图像,以便能够弥补原始观测图像承载信息的局限性。 （图象融合就是根据需要把相关性和互补性很强的多幅图象上的有用信息综合在一起,以供观察或进一步处理,以弥补原始单源观测图象承载信息的局限性,它是一门综合了传感器、图象处理、信号处理、计算机和人工智能等技术的现代高新技术,于20 世纪70 年代后期形成并发展起来的。由于图象融合具有突出的探测优越性,在国际上已经受到高度重视并取得了相当进展,在医学、遥感、计算机视觉、气象预报、军事等方面都取得了明显效益。从图象融合的目标来看,主要可将其归结为增强光谱信息的融合和增强几何信息的融合。增强光谱信息的融合是综合提取多种通道输入图象的信息,形成统一的图象或数据产品供后续处理或指导决策,目前在遥感、医学领域都得到了比较广泛的应用。增强几何信息的融合就是从一序列低分辨率图象重建出更高分辨率的图象(或图象序列) ,以提 高图象的空间分辨率。对图象空间分辨率进行增强的技术也叫超分辨率 (super2resolution) 技术,或亚像元分析技术。本文主要关注超分辨率(SR) 重建技术,对SR 技术中涉及到的相关问题进行描述。） （我们知道,在获取图像的过程中有许多因素会导致图像质量的下降即退化,如 光学系统的像差、大气扰动、运动、离焦和系统噪音,它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理,使其复原成没有退化前的理想图像。按照傅里叶光学的观点,光学成像系统是一个低通滤波器,由于受到光学衍射的影响,其传递函数在由衍射极限分辨率所决定的某个截止频率以上值均为零。显然,普通的图像复原技术如去卷积技术等只能将物体的频率复原到衍射极
三种图像融合方法实际操作与分析
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
图像融合的研究背景和研究意义
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
函数图象的几何变换教案
函数图象的几何变换教案 【教学目标】1．让学生熟练掌握各种图象变换，能迅速作出给定的函数图象； 2．让学生了解用数形结合法解决方程、不等式、含参问题的讨论； 3．培养学生主动运用数形结合方法解题的意识． 【教学重点】函数图象的几何变换 【教学难点】1．各种图象变换之间的区别及灵活应用； 2．运用数形结合方法解题． 【例题设置】例1（平移易错点剖析），例2、4（函数作图），例3（找中心），例5（图 象法解不等式） 【教学过程】 第一课时 一、复习九种基本函数及圆锥曲线的图象． ⑴ 正比例函数 kx y =，)0,(≠∈k R k ⑵ 反比例函数 k y = ， )0,(≠∈k R k ☆ 其图象是以原点为中心，以直线y x =和y x =-为对称轴的双曲线． ⑶ 一次函数 b kx y +=，)0,(≠∈k R k ⑷ 一元二次函数 )0(2 ≠++=a c bx ax y ⑸ 指数函数 ,0x y a a =>且1≠a （特征线：1=x ） ⑹ 对数函数 0, log >=a x y a 且1≠a （特征线：1=y ） ⑺ 正弦函数 R x x y ∈=,sin ，周期π2=T ⑻ 余弦函数 x y cos =，R x ∈，周期π2=T ⑼ 正切函数 ),2 (,tan Z k k x x y ∈+ ≠=π π 周期π=T ☆一个小结论：在区间)2 , 0(π 上恒有x x x sin tan >>（证明文科留至《三角函数》一节