一种处理大量图像数据的形态学自动图像合成算法.pptVIP

一种处理大量图像数据的形态学自动图像合成算法 摘要：在遥感领域中，经常要把两幅或者多幅重叠图像“缝合”在一起。这个通常称为图像合成，如果结果是一幅单一的图像，则可以叫做图像拼接。图形合成中最关键的步骤是如何确定重叠区域的接合线。在遥感领域图像镶嵌中，技术员常常沿着图像结构中的凸角或者特征进行结合线划分。最近，有学者提出了一种形态学上的图像合成算法，该算法能够根据图像结构中的凸角划分结合线。这种算法是专门用于自动地处理非常大的图像数据，拼接效果令人满意。为了减少人工目视对结合线的检测，也为了使接缝过渡平滑，结合线应该是沿着图像中物体的轮廓而不是穿过物体。本文在形态学图像合成算法的基础上提出新算法，并介绍了如何使用该算法，把由卫星Landsat采集的超过800幅的欧洲局部地图拼接成一幅整体地图。本文还提出了一种定量的方法，用于量化判断接合线划分的“质量”。结果证明，基于形态学的图像合成算法对接合线的划分效果能够与人工判断的效果媲美。但与此同时，实验证明要想在在数量上定义”最佳”接合线是十分困难的。 Methodology方法论 本章节主要讨论形态学上图像融合算法的主要步骤，紧接着讨论的是 在图像拼接过程中如何量化”最佳”接合线的技术。 A、形态学上的图像融合 The morphological image compositing method is adaptive because the driver behind delineating seam lines is the image content. The main part of this technique is a region growing procedure that is initiated by seeds found in regions where there is no image overlap. 形态学上的图像合成方法是自适应的，因为接合线划分是根据图像内容 进行的。技术中的关键部分是一个区域增长程序，由一些在无图像 重叠的区域找到的种子初始化实现。 The region growing procedure, a morphological watershed algorithm , is constrained by a gradient image at high gradient values. By basing the seam line delineation on the gradient intensity, the algorithm attempts as best as possible to follow salient image features. 这种区域增长程序，采用的是形态学上的分水岭方法，由高梯度值 的梯度图像约束。算法基于梯度值的接合线划分，过程中尽可能的保证 遵循图像的影像特征。 The input set of images must first be geometrically corrected and resampled to the same spatial resolution. 输入的图像必须先进行几何校正，然后重采样成相同空间分辨率。 形态学上的图像融合算法步骤 算法的规则 图一所示为应用形态学的方法处理卫星Landsat在2000年获得的838幅欧洲图像的效果。 B. Quantifying Seam Line Quality接合线质量的定量法 现在常常仍然是通过操作员进行对结合线进行判断，因此，对于结合 的划分是否是“最佳”也是由操作员进行判断。定量法的目标就是改变这种 做法，减少对视觉判断依赖。当采用其他方法，例如通过对图像进行模糊 或者采用辐射线测定法以隐藏重叠区域，这样处理获得的接合线是令人满 意的，但这只是“化妆品作用”。本文采用的方法目的是为了实现定量上判 断的目标，并且不对原始图像做任何改变。 The morphological image compositing algorithm is able to produce visually pleasing seam lines because the algorithm was devised to cut along salient image features present in all overlapping images. Essentially, cut lines are delineated mainly along the boundary between adjacent image objects whose grey level dif