城市高分辨率遥感影像房屋提取与变化监测
（1）选取地面控制点GCP（Ground Control Points），选取的地面控制点质量好坏决定了几何纠正精度的高低，通常选取的控制点要选在清晰，不随时间变化的地物上，如道路交叉口，房屋角点，农田边界角点等，以便于不同时相或不同传感器的遥感影像在几何纠正时能被识别出来。此外，选取的控制点应尽量均匀分布在影像上，控制点数量不能太少，要有一定的数量保证。
（2）计算出参数之后，进行遥感影像的纠正变换。计算变换后的影像边界，运用直接法或间接法纠正方案进行影像纠正。
（3）经过位置计算后，我们需要对图像的亮度进行重采样。图像重采样的方法一般有最邻近像元采样法、双线性内插法和三次卷积法。这三种方法各有利弊，最邻近法计算量最小，保真度较高，但是精度较其它两种方法也较低；双线性内插法计算量适中，亮度重采样具有一定精度，但是图像的轮廓变得模糊，使得细节丧失；三次卷积法较双线性内插法而言，它具有图像均衡化的作用，图像的高频部分得到了较好的保留，图像的质量较高，但是它破坏了图像原始数据的结构，且计算量大。 常用的纠正模型是一般二次多项式，采样方法采用双线性内插法或三次卷积法。 2.3 影像配准
遥感影像匹配的实质，就是遥感影像的几何纠正[6]，采用一定的几何变换参数，将两幅不同时相、不同传感器的遥感影像，归化到同一的坐标系下。由于在不同时相和不同传感器获取的遥感图像中，不同的自然条件因素所造成的影响不同，或者是不同传感器的搭载平台所设定的倾斜角不同，从而导致了两幅不同时相、不同传感器所获取的遥感影像的同名点，在两幅图像中的像点坐标不一致，需要进行影像配准。
在本文实验中，所用到的多组多时相遥感影像，为下载的“.jpg”，无RPC文件，缺少地面控制点信息，因此无法用常规方法在ENVI软件中完成影像配准。本文中的影像匹配是利用相关系数的理论，在MATLAB 2010 b中完成影像匹配的，然后再经过裁剪，去除两幅图像中不重合的非感兴趣区域，以便于本实验后续的操作。
（1）读入基准图像和待校正图像； （2）调用控制点选取工具； （3）保存控制点；
（4）指定变换类型及参数，选用投影畸变类型“projective”；
第 7 页 共 32 页
城市高分辨率遥感影像房屋提取与变化监测
（5）转换待配准图像。
（6）用矩形框选取感兴趣区域，进行裁剪。
图2-2 运用MATLAB控制点选取工具选取控制点
2.3 灰度拉伸与亮度重建
由于受到光照条件以及传感器本身硬件设施的限制，有时传感器缩获取的图像，其对比度不高，为了增加目标和背景的辨识度，我们需要做一个线性拉伸[18]处理，拉伸表达式如下：
Stretch(x,y,dim)?1?dim?bandsbdim(x,y)?min(bdim(x,y))?(dmax?dmin)?dmin （2-3）
max(bdim(x,y))?min(bdim(x,y))其中dim表示图像的波段序号，bands表示图像的总波段数，dmax和dmin分别表示经过线性拉伸后所得目标图像的最大和最小亮度值，一般分别取值为255和0。
本文所做的图像处理，是基于灰度图像的形态学处理，因此，需要对彩色遥感影像转换为灰度图像，称为亮度重构[19]。这里选择像点在全波段中的最大值，所得的灰度图像表达式为：
L(x,y)?1?dim?bandsmax(Stretchdim(x,y)) （2-4）
其中，DNdim(x,y)为像点(x,y)在第dim波段的亮度值，bands为图像总波段数。L(x,y)为点(x,y)经过亮重构之后在灰度图像中的亮度值。
本文对图像采用“先拉伸，后重构”的方法，能够较好地保持图像中物体的形状，
第 8 页 共 32 页
城市高分辨率遥感影像房屋提取与变化监测
并且运用线性拉伸的图像增强的技术，对亮度值较低的屋顶增强效果比较明显，增强了感兴趣区域与背景部分的对比度。
(a) (b) (c) (d) 图2-3 (a)、(b)分别为拉伸前的重构图及其灰度直方图 (c)、(d)分别为拉伸后的重构图及其灰度直方图
第 9 页 共 32 页
城市高分辨率遥感影像房屋提取与变化监测
第3章 遥感图像的形态学处理
3.1 形态学基本运算及其作用
数学形态学是建立在数学集合论的基础上的，将其运用于图像处理，能够实现特征提取，边缘检测，抑制噪声，消除细节，填补空洞，连接断处等功能。以下介绍其基本运算。
（1）结构元素
在数学形态学中，有一个非常重要的部分，就是结构元素。结构元素一般都比较小，在运算过程中，我们用结构元素来与图像的相应区域作特定的运算，通过“滑动”结构元素，将图像从左到右，从上到下遍历一遍，从而完成对图像特定的形态学基本运算，因此，结构元素也被称为“刷子”。
（2）包含
设有一幅图像B，和结构元素s，若对于s中的任一元素si都有si?B，则称为si包含于B，表示为：
s?B?s?B?? （3-1）
（3） 击中与击不中
当s中至少有一个元素满足si?B，则称为s击中B，表示为：
s?B?s?B?? （3-2）
当s中所有的点si?B时，称为s击不中B，记作：
s?B?? （3-3）
（4） 腐蚀
当结构元素s向B内的a点后，使得s包含于B，我们记录下这个a点，所有满足上述条件的a点的集合，称为集合B被结构元素s腐蚀的结果。用式3-1表示腐蚀运算：
s?B （3-4）
用集合表示为：
第 10 页 共 32 页
城市高分辨率遥感影像房屋提取与变化监测
s?B?E(x)??asa?B?
图像被腐蚀之后，其边缘会向内“收缩”一层，图像中明亮的范围缩小了。
（5） 膨胀（Dilation）
把结构元素s向B集合平移，如果s中有至少一个元素属于B，也即是s击中B，那么，将这个a点记录下来，所有满足上述条件的点的几何，称为s膨胀B的结果。表示为：
s?B?D(x)??asa?B? （3-5）
膨胀运算使原图像的边缘增加了一层，图像中明亮的范围扩大了。它与腐蚀运算可以称作互为对偶运算。
（6）开启运算（Open）
开启运算，即先对图像进行腐蚀，后进行膨胀运算，表达式为：
Open(x)?D(E(x))) （3-6）
开运算能够将图像中不能包含结构元素的部分剔除，平滑图像轮廓的突刺，断开狭窄的连接。
（7）闭合运算（Close）
闭合运算，即先对图像进行膨胀，后进行腐蚀的运算。表达式为：
Close(x)?E(D(x)) （3-7）
图像的闭合运算，可以填充比结构元素小的空洞，连接小于结构元素的裂缝。闭合运算也可以看作是开启运算的对偶运算。
（8）顶帽变换（Top-Hat）
顶帽变换，就是将原图减去原用所图作的开运算结果。表示为：
TH(B)?B?Open(B) （3-8）
由于开运算有平滑的作用，可以用来补偿背景的不均匀。所以顶帽变换的作用是使图像背景均衡化。
（9）底帽变换（Bot-Hat）
底帽变换，就是用原图像减去其闭运算的结果。表示为：
BH(B)?B?Close(B) （3-9）
第 11 页 共 32 页
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库城市高分辨率遥感影像房屋提取与变化监测 - 图文(3)在线全文阅读。
相关推荐：