一RGB模型與HIS模型

一RGB模型與HIS模型之間的轉(zhuǎn)換RGB模型到HIS模型設(shè)任何3個(gè)R、G、B在［0,1］之間，其對(duì)應(yīng)HIS的I、H、S分量可以按如下公式計(jì)算：其中，H值在［0°，180°］之間，對(duì)應(yīng)GNB的情況，在G<B時(shí)，H>180。，可令H=360°-H，將H轉(zhuǎn)化到［186°，360°］之間。采用H’=H/360。將H轉(zhuǎn)化到［0，1］之間。若S=0對(duì)應(yīng)無(wú)色的中心的，H無(wú)意義，定義為0。當(dāng)I=0時(shí)，S也無(wú)意義。HIS模型到RGB模型設(shè)S、I在［0,1］，R、G、B也在［0,1］則轉(zhuǎn)換公式為：當(dāng)H在［0°,120°］時(shí):眼/］十sm，一當(dāng)H在［120°,240°］時(shí):R=G_+cosHBUR+G)當(dāng)H在［240°,360°］時(shí):G=/(i-S)自頊］十冬土絲2-cos(300c-H)R=對(duì)一(G+E)彩色圖像灰度化圖像由彩色轉(zhuǎn)化為灰度的過(guò)程叫灰度化，也叫去色。彩色圖像灰度化的原理很簡(jiǎn)單，就是按某種計(jì)算方法將圖像各像素的R、G、B分量取成同樣的值即可。計(jì)算方法為將R、G、B分量值都賦為(0.3R+0.59G+0.11B)。二、鑲嵌A、提取重疊區(qū)對(duì)于已經(jīng)進(jìn)行幾何糾正的待鑲嵌圖像，在鑲嵌之前首先就要找出它們的重疊區(qū)，為后續(xù)處理打下基礎(chǔ)。B、搜索最佳鑲嵌邊最佳鑲嵌邊，也就是兩張圖像上亮度值最接近的連線，相對(duì)左右圖像有Il-Ir=Almin在重疊區(qū)內(nèi)，確定一維模板，自左至右移動(dòng)模板進(jìn)行搜索，按一定的算法計(jì)算相關(guān)系數(shù)，確定該行的鑲嵌點(diǎn)，逐行進(jìn)行搜索即可得到鑲嵌邊，并將鑲嵌點(diǎn)的列號(hào)賦給數(shù)組avalue。本文論述的兩種方法的本質(zhì)區(qū)別是采用的模板不同。差分法差分法是直接計(jì)算兩張圖像的亮度差值，取其最小為鑲嵌點(diǎn)。具體算法是分別計(jì)算各個(gè)模板元素對(duì)應(yīng)的像素在兩張圖像上的R、G、B三分量的差值之和，然后將它們相加得到m，取每一行m值最大的模板的中心元素對(duì)應(yīng)的像素為該行的鑲嵌點(diǎn)。以長(zhǎng)度為9的模板為例，計(jì)算過(guò)程如下(1表示第一張圖像，r表示第二張圖像，R、G、B表示三顏色分量)：△lk=|Ri-Rr|+|G1-Gr|+|B1-Brl；//計(jì)算各個(gè)模板元素對(duì)應(yīng)的像素在兩張圖像上的R、G、B三分量的差值之和m=△Ii+AI2+???+AI9；〃將各模板元素的△?相加相關(guān)系數(shù)法相關(guān)系數(shù)法是依據(jù)相關(guān)系數(shù)測(cè)度的公式，計(jì)算模板對(duì)應(yīng)的兩張圖像中的部分的相關(guān)系數(shù)p，然后取每一行p最大的模板的中心元素對(duì)應(yīng)的像素為該行的鑲嵌點(diǎn)。相關(guān)系數(shù)測(cè)度公式如下：mm￡￡(fi,j-fi,j)(gi+r,j+c-gr,c)i=1j=1P=mm221/2(EE(fi,j-fi,j)EE(gi+r,j+c-gr,c))以長(zhǎng)度為9的模板為例計(jì)算過(guò)程如下：Iki=(R1+G1+B1)/3；//計(jì)算各個(gè)模板元素在第一張圖像中對(duì)應(yīng)像素的R、G、B三分量的均值Ik2=(R1+G1+B1)/3；//計(jì)算各個(gè)模板元素在第一張圖像中對(duì)應(yīng)像素的R、G、B三分量的均值sub1k=(Ik1_Ik1)/3；sub2k=(Ik2-Ik2)/3；result=Esublk*sub2k;//計(jì)算相關(guān)系數(shù)的分子result1=Esublk*sublk；result2=Esub2k*sub2k；1/2result0=(resultl*result2)；//計(jì)算相關(guān)系數(shù)的分母p=result/result。；//計(jì)算相關(guān)系數(shù)C亮度和反差調(diào)整由于兩張圖像不是同一時(shí)間，甚至不是同一傳感器獲取，二者的亮度必然存在一定反差，因此需要調(diào)整亮度使色調(diào)和反差趨近，使得視覺(jué)上兩張圖像的色調(diào)和亮度保持一致，減弱拼縫的明顯程度。亮度和反差調(diào)整的過(guò)程為：求接縫點(diǎn)左右圖像平均亮度值依據(jù)搜索最佳鑲嵌邊過(guò)程得到的數(shù)組avalue，將各鑲嵌點(diǎn)在兩張圖像中的R、G、B三分量的值分別相加取平均，得到LAVE1、LAVE2、LAVE3、RAVE1、RAVE2、RAVE3。(L表示第一張圖像，R表示第二張圖像，1、2、3表示藍(lán)、紅、綠三顏色分量)。對(duì)右圖像按下式改變整幅圖像基色，Ik2B=Ik2B+(LAVE1-RAVE1)；//藍(lán)色分量,Ik2R=Ik2R+(LAVE2-RAVE2)；//紅色分量,Ik2G=Ik2G+(LAVE3-RAVE3)；//綠色分量求出左右圖像在拼縫邊上灰度的極值依據(jù)搜索最佳鑲嵌邊過(guò)程得到的數(shù)組avalue，分別比較得到所有鑲嵌點(diǎn)在兩張圖像中各顏色分量的最大值和最小值，即Imax1,lmax2,lmax3,lmin1,lmin2,lmin3,rmax1,rmax2,rmax3,rmin1,rmin2,rmin3(l表示第一張圖像，r表示第二張圖像，max表示最大值，min表示最小值，1、2、3表示藍(lán)、紅、綠三顏色分量)。對(duì)整幅右圖像作反差拉伸先依據(jù)第(3)步得到的結(jié)果分別計(jì)算出三顏色分量線性拉伸的斜率和截距，再分別對(duì)三顏色分量作線性拉伸。以藍(lán)色分量為例，其線性拉伸的斜率為：fA1=(lmax1Tmin1)/(rmax1-rmin1);截距為fB1=-fA1*rmin1+lmin1;拉伸公式為Ik2B=fA1*Ik2B+fB1；D邊界線平滑經(jīng)過(guò)亮度和反差調(diào)整之后，拼縫仍然比較明顯，必須進(jìn)行邊界線平滑，使拼縫削弱。在鑲嵌點(diǎn)兩邊各選n個(gè)像元，這樣平滑區(qū)每一行有s=2*n-1個(gè)像元。按下式分別計(jì)算每一行上平滑后各像元三顏色分量的值(以藍(lán)色分量值Ik2B為例)：尸IkB1j；j<i-(s-1)/2】kBj=Y【kB2j；j>i-(s-1)/2"Pj1*IkB1+Pj2*】kB2；i-(s-1)/2WjWi-(s-1)/2權(quán)值P按下式計(jì)算:Pj1=(i一j+(s+1)/2)/(s+1)；Pj2=((s+1)/2-i+j)/(s+1)；以上各式中，j表示行號(hào)，i=avalue[j]為第j行鑲嵌點(diǎn)的列號(hào)，IkB1j、IkB2j分別為第一、二張圖像的藍(lán)色分量的值。將上述結(jié)果賦給新圖像，便得到鑲嵌結(jié)果圖像。三K均值分類第一步：適當(dāng)選區(qū)m個(gè)類別的初始中心21(1).22(1).……Zm⑴。初始中心的選擇一般有如下幾種方法：根據(jù)問(wèn)題的性質(zhì)，根據(jù)經(jīng)驗(yàn)確定類別數(shù)m，從數(shù)據(jù)中找出從直觀上看來(lái)比較適合的m個(gè)類別的初始中心。將全部數(shù)據(jù)隨機(jī)地分為m個(gè)類別，計(jì)算每類的重心，將這些重心作為m個(gè)類別的初始中心。初始中心的選擇對(duì)聚類有一定的影響，因此要根據(jù)需要選擇較為合適方法。第二步：在k次迭代中，對(duì)任一樣本X調(diào)整到m個(gè)類別中的某一類別中去。對(duì)于所有的i/j，i=1，2，3……，m，如果||X-Zj(k)||<||X-Zi(k)||，則XESj(k)，其中Sj(k)是以Zj(k)為中心的類。第三步：由第二步得到Sj(k)類新中心Sj(k+1)，其表達(dá)式為:Sj(k+1)=(EX)/Nj

式中，Nj為Sj（k）類中的樣本。Zjs）是按照使J最小的原則確定的，J的表達(dá)式為:J=EE||X-Zj（k+i）||2第四步：對(duì)于所有的i=1，2,…，m，如果Ziz）=Zi（k），則迭代結(jié)束，否則轉(zhuǎn)到第二步繼續(xù)進(jìn)行迭代。流程圖：開(kāi)始變聚類中心不四、圖像的腐蝕運(yùn)算原理及編程算$①腐蝕運(yùn)算的原理腐蝕的運(yùn)算原理是：將B在A白的坐標(biāo)系下進(jìn)行移動(dòng)，如果B包含于A變聚類中心不四、圖像的腐蝕運(yùn)算原理及編程算$①腐蝕運(yùn)算的原理腐蝕的運(yùn)算原理是：將B在A白的坐標(biāo)系下進(jìn)行移動(dòng)，如果B包含于A，就記下這個(gè)點(diǎn)（結(jié)構(gòu)元素原點(diǎn)）a，那么有滿足上述條件的a腐蝕運(yùn)算是圖像集合A用結(jié)構(gòu)元素不,—點(diǎn)組成的集合稱作A被B腐蝕的結(jié)果。B來(lái)腐蝕如下圖（腐蝕運(yùn)算示意圖）效果：圖像集合A結(jié)構(gòu)元素B腐蝕后的圖像（矩形區(qū)域黑白兩部分）腐蝕運(yùn)算示意圖這種腐蝕的方法是，對(duì)二值圖像，拿B的原點(diǎn)和A上的點(diǎn)(黑點(diǎn)一個(gè)一個(gè)比較)如果B上的所有(黑點(diǎn))都在A的范圍(黑點(diǎn))內(nèi)，則該點(diǎn)保留，否則刪去。腐蝕的結(jié)果是腐蝕后的圖像集合A’的黑色部分都在原來(lái)A的黑色部分的范圍內(nèi)，只是比原來(lái)的黑點(diǎn)少了一圈，因此稱之為腐蝕。②腐蝕的編程實(shí)現(xiàn)算法思想結(jié)構(gòu)元素的選取算法思想：對(duì)于水平、垂直和全方向的結(jié)構(gòu)元素都是可以看成是矩形結(jié)構(gòu)，因此在編程算法上可以用類似1X3,3X1，3X3的模板進(jìn)行實(shí)現(xiàn)，選取不同類型的結(jié)構(gòu)元素只需要對(duì)模板的寬、高取不同的值即可實(shí)現(xiàn)。這樣就把不同方向的結(jié)構(gòu)元素的算法統(tǒng)一起來(lái)了。圖像集合A數(shù)據(jù)的獲取：針對(duì)bmp圖像的數(shù)據(jù)特點(diǎn)，可以用指針及指針的平移實(shí)現(xiàn)對(duì)圖像集合A的數(shù)據(jù)的獲取，對(duì)灰度圖像一個(gè)像素只需要一個(gè)指針來(lái)獲取像素的灰度級(jí)，對(duì)彩色圖像一個(gè)像素需要三個(gè)指針來(lái)保存該像素的BGR三種顏色的對(duì)應(yīng)灰度級(jí)。腐蝕實(shí)現(xiàn)的算法思想：結(jié)構(gòu)元素的原點(diǎn)在圖像集合中按一定順序移動(dòng)，對(duì)于圖像集合A中的黑點(diǎn)部分，當(dāng)結(jié)構(gòu)元素移動(dòng)到黑色部分的邊緣的時(shí)候，用指針依次中讀取在結(jié)構(gòu)元素范圍內(nèi)的圖像集合A的灰度級(jí)，當(dāng)發(fā)現(xiàn)其中有一個(gè)是白點(diǎn)時(shí)，即灰度級(jí)為255,則把圖像集合A對(duì)應(yīng)于結(jié)構(gòu)元素原點(diǎn)的那個(gè)像素設(shè)成白點(diǎn)，即灰度級(jí)由原來(lái)的0賦值為255；當(dāng)結(jié)構(gòu)元素中的對(duì)應(yīng)圖像集合的點(diǎn)全為黑點(diǎn)或者全為白點(diǎn)時(shí)，不對(duì)圖像集合做任何改正。對(duì)彩色圖像同灰度圖像理，唯一的區(qū)別是必須保存三種顏色的灰度級(jí)值，即使他們?cè)诙祷蠖际且粯拥闹?，判斷黑白點(diǎn)是可以只拿出一種顏色來(lái)判斷即可。五、植被指數(shù)比值植被指數(shù)：RVI=IR/RED歸一化差異指數(shù)：ND=(IR-RED)/(IR+RED)垂直植被指數(shù)：PVI=((SR-VR)2+(SNIR-VNIR)2)1/2差值'環(huán)境植被指數(shù)：DVI=IR-RED調(diào)整土壤亮度植被指數(shù)：SAVI=((NIR-R)/(NIR+R+L))(1+L)變化檢測(cè)基于像素光譜的變化檢測(cè)、基于分類的變化檢測(cè)六幾何糾正遙感圖像多項(xiàng)式糾正的一般過(guò)程為：明確糾正次數(shù)，確定糾正公式。根據(jù)地面控制點(diǎn)和對(duì)應(yīng)像點(diǎn)坐標(biāo)進(jìn)行平差計(jì)算變換參數(shù)，評(píng)定精度。確定糾正后數(shù)字圖像的邊界范圍，把原始數(shù)字圖像逐個(gè)像素變換到圖像貯存空間中去。數(shù)字圖像的灰度重采樣。IDODATA第一步：將個(gè)模式樣本｛卅,i=1,2,3,..?即｝讀入。第二步：將N個(gè)模式樣本分給最近的聚類，假如Dj=min（IIx-zjH,i=1,2,???,）,即IIx-zjII的距離最小，^UxESj。第三步：如果Sj中的樣本數(shù)Nj<0n,取消樣本子集。第四步：修正聚類中心值q軋I”,第五步：計(jì)算各聚類域Sj中諸聚類中心間的平均距離:第六步：計(jì)算全部模式樣本對(duì)其相應(yīng)聚類中心的總平均距離:第七步：判別分裂、合并及迭代運(yùn)算等步驟:如迭代運(yùn)算次數(shù)已達(dá)I次，即最后一次迭代，置。c=0,跳到第十一步，運(yùn)算結(jié)束。如WK/2，即聚類中心的數(shù)目等于或不到規(guī)定值的一半，則進(jìn)入第八步，將已有的聚類分裂。如迭代運(yùn)算的次數(shù)是偶次，或巳2K，不進(jìn)行分裂處理，跳到第十一步；如不符合以上兩個(gè)條件（即既不是偶次迭代，也不是EK），則進(jìn)入第八步，進(jìn)行分裂處理。分裂處理：第八步：計(jì)算聚類樣本距離的標(biāo)準(zhǔn)差向量：第九步：求每一標(biāo)準(zhǔn)差向量｛，Oj=1,2,…，｝中的最大分量，以｛。j=1,2,…，｝代表。第十步：在任一最大分量集｛。j=1,2,…，｝中，如有>。S（該值給定），同時(shí)又滿足以下二條件中之一：⑴和M?沖（吼），即Sj中樣本總數(shù)超過(guò)規(guī)定值一倍以上，(b)NcWK/2,則將Zj分裂為兩個(gè)新的聚類中心''和'七且加1。中相當(dāng)于％^的分量，可加上kajmax，其中0＜WkW1；''中相當(dāng)于-‘哽的分量，可減去kajmax。如果本步完成了分裂運(yùn)算，則跳回第二步；否則，繼續(xù)。第十一步：計(jì)算全部聚類中心的距離：弓.=||專-弓|、］,2,…，MJj=i+i,…，第十二步：比較與如值，將%＜如的值按最小距離次序遞增排列，即式中，口W1＜母孕＜...＜&第十三步：如將距離為Diljl的兩個(gè)聚類中心zi1和zj1合并，得新中心為l=1,2,...，L式中，被合并的兩個(gè)聚類中心向量，分別以其聚類域內(nèi)的樣本數(shù)加權(quán)，使■'為真正的平均向量。第十四步：如果是最后一次迭代運(yùn)算（即第I次），算法結(jié)束。否則GOTO第一步——如果需由操作者改變輸入?yún)?shù)；或GOTO第二步——如果輸入?yún)?shù)不變。加權(quán)融合目前，數(shù)據(jù)融合理論己廣泛應(yīng)用于狀態(tài)估計(jì)領(lǐng)域，其中加權(quán)融合算法又是較為成熟的一種，許多研究結(jié)果己經(jīng)證明該算法的最優(yōu)性、無(wú)偏性、均方誤差最小等特性。加權(quán)融合算法的關(guān)鍵在于權(quán)系數(shù)的確定，基于像元的加權(quán)融合對(duì)兩幅圖像I.,I.按下式進(jìn)行：I"j=A（Pi*Ii+Pj*Ij）+B（1）其中：A，B為常數(shù)；P，，匕為兩個(gè)圖像的權(quán)，其值由下式?jīng)Q定：P=（1-lrj"0.5Pj=1-Pib七為兩幅圖像的相關(guān)系數(shù)：%=bbr（計(jì)算公式同式（2））/在對(duì)SPOT全色圖像與其多光譜圖像的融合時(shí)，由于多光譜中的綠、紅波段與全色波段相關(guān)性較強(qiáng)，而與紅外波段相關(guān)性較小，可以采用全色波段圖像與多光譜波段圖像的相關(guān)系數(shù)來(lái)融合。其過(guò)程如下：分別計(jì)算全色波段與多光譜波段圖像的相關(guān)系數(shù)；5.￡￡（pkl-p）（sKLj-sj）r==k-il