Похожие презентации:
Цифровая обработка аэрокосмических изображений
1.
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮФедеральное государственное образовательное учреждение
высшего профессионального образования
Сибирский федеральный университет
Институт инженерной физики и радиоэлектроники
Красноярск, 2008
2. Цифровая обработка аэрокосмических изображений
В. Б. КашкинЦифровая обработка
аэрокосмических изображений
Красноярск, 2008
3.
УДКББК
621.51:504(07)
32.811.3
К31
Электронный учебно-методический комплекс по дисциплине «Цифровая обработка аэрокосмических изображений» подготовлен
в рамках инновационной образовательной программы «Структурная перестройка научно-образовательного центра «Радиоэлектроника»»,
реализованной в ФГОУ ВПО СФУ в 2007 г.
Рецензенты:
Красноярский краевой фонд науки;
Экспертная комиссия СФУ по подготовке учебно-методических комплексов дисциплин
К31
Кашкин, В. Б.
Цифровая обработка аэрокосмических изображений. Презентационные материалы. Версия 1.0 [Электронный
ресурс] : наглядное пособие / В. Б. Кашкин. – Электрон. дан. (11 Мб). – Красноярск : ИПК СФУ, 2008. – (Цифровая
обработка аэрокосмических изображений : УМКД № 54-2007 / рук. творч. коллектива В. Б. Кашкин). – 1 электрон. опт.
диск (DVD). – Систем. требования : Intel Pentium (или аналогичный процессор других производителей) 1 ГГц ; 512 Мб
оперативной памяти ; 11 Мб свободного дискового пространства ; привод DVD ; операционная система Microsoft
Windows 2000 SP 4 / XP SP 2 / Vista (32 бит) ; Microsoft PowerPoint 2003 или выше.
ISBN 978-5-7638-1054-7 (комплекса)
ISBN 978-5-7638-0981-7 (пособия)
Номер гос. регистрации в ФГУП НТЦ «Информрегистр» 0320802728 от 23.12.2008 г. (комплекса)
Номер гос. регистрации в ФГУП НТЦ «Информрегистр» 0320802746 от 22.12.2008 г. (пособия)
Настоящее издание является частью электронного учебно-методического комплекса по дисциплине «Цифровая обработка
аэрокосмических изображений», включающего учебную программу, учебное пособие, конспект лекций, методические указания по
лабораторным работам, методические указания к самостоятельной работе, контрольно-измерительные материалы «Цифровая обработка
аэрокосмических изображений. Банк тестовых заданий».
Представлена презентация (в виде слайдов) теоретического курса «Цифровая обработка аэрокосмических изображений».
Предназначено для студентов направления подготовки магистров 210300.68 «Радиотехника» укрупненной группы 210000
«Электроника, радиотехника и связь», для студентов направления подготовки магистров 230200.68 «Информационные системы» укрупненной
группы 230000 «Вычислительная техника и информационные технологии» и студентов направления подготовки специалистов 120201.65
«Исследование природные ресурсов аэрокосмическими средствами» укрупненной группы 120000 «Геодезия и землеустройство». Кроме того,
может быть использована студентами, обучающимися по специальности 010703 «Физика Земли и планет».
© Сибирский федеральный университет, 2008
Рекомендовано к изданию Инновационно-методическим управлением СФУ
Разработка и оформление электронного образовательного ресурса: Центр технологий электронного обучения информационно-аналитического
департамента СФУ; лаборатория по разработке мультимедийных электронных образовательных ресурсов при КрЦНИТ
Содержимое ресурса охраняется законом об авторском праве. Несанкционированное копирование и использование данного продукта запрещается. Встречающиеся
названия программного обеспечения, изделий, устройств или систем могут являться зарегистрированными товарными знаками тех или иных фирм.
Подп. к использованию 12.12.2008
Объем 11 Мб
Красноярск: СФУ, 660041, Красноярск, пр. Свободный, 79
4. Оглавление
Лекция 1. Физические основы дистанционного зондирования
Лекция 2. Методы исследования в оптическом диапазоне
Лекция 3. Методы изучения Земли из космоса
Лекция 4. Орбиты космических аппаратов
Лекция 5. Космические аппараты для дистанционного зо
ндирования
Лекция 6. Прием данных дистанционного зондирования
Лекция 7. Восстановление спутниковых изображений
Лекция 8. Технические средства обработки изображений
Лекция 9. Форматы графических файлов
4
5. Оглавление
Лекция 10. Модели изображений. Преобразование яркости иконтраста
Лекция 11. Линейная пространственно-инвариантная фильт
рация
Лекция 12. Фильтрация в пространственной области
Лекция 13. Сегментация изображений
Лекция 14. Распознавание изображений
Лекция 15. Параметрические методы классификации
Лекция 16. Непараметрические методы классификации
Лекция 17. Нейрокомпьютеры в обработке изображений Мет
од главных компонентов
5
6. Лекция 1
Физические основыдистанционного зондирования
1. Спутниковый мониторинг Земли
2. Применение методов дистанционного
зондирования в народном хозяйстве
3. Спектры излучения Солнца и Земли,
использование различных участков спектра
6
7.
Красноярск. Вид с высоты 450 кмФизические основы дистанционного зондирования
7
8. Радиолокационное изображение местности на юге Красноярского края, полученное с пилотируемого космического аппарата Shuttle
(разрешение 100 м)Физические основы дистанционного зондирования
8
9. Главный корпус Сибирского федерального университета
Физические основы дистанционного зондирования9
10.
Лесные пожары,обнаруженные со спутников в 2006 г.
Красноярский край и Иркутская область
Физические основы дистанционного зондирования
10
11.
Затор льда в устье Ангары. Спутник NOAA-14Физические основы дистанционного зондирования
11
12.
Оптический диапазонФизические основы дистанционного зондирования
12
13. Спектр Солнца, рассчитанный по формуле Планка
Физические основы дистанционного зондирования13
14. Температурная карта Красноярского края (спутник NOAA-14) 31.01.1999 10:26 по московскому времени
Физические основы дистанционного зондирования14
15. Лекция 2
Методы исследованияв оптическом диапазоне
1. Отражение и рассеяние
электромагнитного излучения
поверхностью в оптическом диапазоне
2. Влияние атмосферы, спутниковые
методы изучения атмосферы
15
16. Линии поглощения хлорофилла
Методы исследования в оптическом диапазоне16
17.
Методы исследования в оптическом диапазоне17
18.
Методы исследования в оптическом диапазоне18
19. Озоновый слой в Южном полушарии Земли и антарктическая озоновая дыра, визуализированные по данным спутника EP/TOMS
Методы исследования в оптическом диапазоне19
20. Окна прозрачности атмосферы
Методы исследования в оптическом диапазоне20
21.
Методы исследования в оптическом диапазоне21
22. Выброс SO2 во время извержения вулкана Ключевская сопка 01.10.1994
Выбросзаводов
Норильска
Методы исследования в оптическом диапазоне
22
23. Аэрозольное облако, образовавшееся над Японией в результате лесных пожаров в Иркутской области и Бурятии в мае 2003 г.
Методы исследования в оптическом диапазоне23
24. Лекция 3
Методы изучения Земли из космоса1. Оптические методы
2. Сканер с цилиндрической и с линейной
разверткой
3. Мгновенный угол зрения, пространственное
разрешение
4. Космическая радиолокация
5. Боковой обзор
6. Синтез апертуры
7. Радиовысотомеры, скаттерометры, радиометры
24
25.
Методы изучения Земли из космоса25
26. Сканирование качающимся зеркалом
Методы изучения Земли из космоса26
27. Сканер с линейной разверткой
Методы изучения Земли из космоса27
28.
г. КрасноярскРазрешение 30 м
Разрешение 250 м
Разрешение 1,1 км
Методы изучения Земли из космоса
28
29. Полоса обзора
Методы изучения Земли из космоса29
30.
Методы изучения Земли из космоса30
31.
Схема бокового обзораМетоды изучения Земли из космоса
31
32.
Сжатие импульсовМетоды изучения Земли из космоса
32
33. Синтез апертуры
Методы изучения Земли из космоса33
34. Лекция 4
Орбиты космических аппаратов1. Расчет орбит спутников дистанционного
зондирования
2. Особенности орбит спутников
дистанционного зондирования
34
35. Абсолютная система координат
Орбиты космических аппаратов35
36. Солнечно-синхронная орбита
Орбиты космических аппаратов36
37.
Орбиты космических аппаратов37
38. Лекция 5
Космические аппаратыдля дистанционного зондирования
1. Космические аппараты низкого
разрешения
2. Космические аппараты высокого
разрешения
3. Малые космические аппараты, проект
спутника СФУ
38
39.
Спутник NOAAКосмические аппараты для дистанционного зондирования
39
40.
Космический аппаратдистанционного зондирования «Ресурс-ДК»
Космические аппараты для дистанционного зондирования
40
41.
Район строительства Богучанской ГЭС,спутник DMC
Космические аппараты для дистанционного зондирования
41
42.
Космические аппараты для дистанционного зондирования42
43.
Китайский малый спутник из группировки DMCКосмические аппараты для дистанционного зондирования
43
44.
Внешний вид малого космического аппарата«Юбилейный» (Красноярск)
Космические аппараты для дистанционного зондирования
44
45.
Целевая аппаратура дистанционного зондированияпроектируемого малого спутника
Сибирского федерального университета
Космические аппараты для дистанционного зондирования
45
46. Лекция 6
Прием данныхдистанционного зондирования
1. Расчет скорости передачи, размеров
антенны и отношения сигнал/шум.
2. Станция «УниСкан-36».
3. Станция «Алиса-ТМ».
46
47.
Антенна станции«Алиса-ТМ»
с опорноповоротным
устройством
Прием данных дистанционного зондирования
47
48.
Антеннастанции
«УниСкан-36»
с опорноповоротным
устройством
Прием данных дистанционного зондирования
48
49.
Прием данных дистанционного зондирования49
50.
Местооператора
станции
«УниСкан-36»
Прием данных дистанционного зондирования
50
51.
Атмосферныйвихрь.
Изображение со
спутника NOAA-15
получено
с помощью станции
«Алиса-ТМ»
Прием данных дистанционного зондирования
51
52. Лекция 7
Восстановлениеспутниковых изображений
1. Причины геометрических искажений
2. Восстановление геометрических
и радиометрических искажений
3. Учет влияния атмосферы
52
53.
Восстановление спутниковых изображений53
54.
Восстановление спутниковых изображений54
55.
Восстановление спутниковых изображений55
56.
Восстановление спутниковых изображений56
57.
Восстановление спутниковых изображений57
58. Лекция 8
Технические средстваобработки изображений
1. Ввод и вывод изображений в ЭВМ
2. Особенности визуализации изображений
58
59.
ПолутоновоеБинарное
Линейное
Точечное
f = m1 E1 + m2 E2 + m3 E3.
Основные цвета:
1 = 0,7 мкм (красный R);
2 = 0,5461 мкм (зеленый G);
3 = 0,4358 мкм (голубой B).
Технические средства обработки изображений
59
60.
Растровая графикаВекторная графика
Технические средства обработки изображений
60
61.
Планшетныйсканер
Световой поток
попадает через
линзовый объектив
в ПЗС-матрицу,
которая обычно
состоит из трех ПЗСлинеек с пленочными
или матричными
светофильтрами
Технические средства обработки изображений
61
62. Лекция 9
Форматы графических файлов1. Классы изображений
2. Сжатие изображений с потерями
и без потерь
3. Особенности некоторых форматов
графических файлов
62
63. Исходное изображение 1,46 Мбайт RLE 479 Кбайт, LZW 436 Кбайт, JPEG 65 Кбайт
Форматы графических файлов63
64. TIFF 300 Кб, JPEG 50 Кб на глаз разница не заметна. На правом рисунке разность между двумя изображениями
Форматы графических файлов64
65. Лекция 10
Модели изображений.Преобразования яркости и контраста
1. Авторегрессионная модель
2. Гистограммные преобразования
65
66. Модель космоснимка леса в виде совокупности кружков различного диаметра, случайным образом размещенных на плоскости
Модели изображений. Преобразование яркости и контраста66
67. Трехточечная авторегрессионная модель
fi,j = 1 + ρ1 (fi 1,j 1) + ρ2 (fi,j 1 1) –– ρ1 ρ2 (fi 1,j 1 1)+ σ √ 1 ρ12 ρ22 + ρ12ρ22 hi,j,
где i номер строки;
j номер пиксела в строке;
ρ1 и ρ2 – коэффициенты корреляции значений яркости рядом
расположенных пикселов в соседних строках и в одной строке;
hi,j одинаково распределенные независимые случайные
величины с нулевой, средней и единичной дисперсиями.
Модели изображений. Преобразование яркости и контраста
67
68. Изображение, построенное по трехточечной модели
Модели изображений. Преобразование яркости и контраста68
69. Гистограмма яркости пикселов изображения
Модели изображений. Преобразование яркости и контраста69
70. Линейная растяжка гистограммы
Модели изображений. Преобразование яркости и контраста70
71. Гистограмма, отвечающая равномерному закону распределения
Модели изображений. Преобразование яркости и контраста71
72. Эквализация гистограммы
Модели изображений. Преобразование яркости и контраста72
73. Лекция 11
Линейная пространственноинвариантная фильтрация1.Задачи фильтрации. Функция рассеяния точки
2.Глобальная и локальная фильтрации
73
74.
Функция рассеяния точкиg(x,y) = ∫∞∫ f(x',y') h1(x– x', y – y')dx'dy‘;
–∞
∞
К(u,v) = ∫ ∫h1(x,y) exp[ 2π i(ux+vy)]dxdy;
-∞
∞
F(u,v) = ∫ ∫f(x,y) exp[ 2π i(ux+vy)]dxdy;
–∞
G(u,v) = F(u,v)·К(u,v).
Линейная пространственно-инвариантная фильтрация
74
75. Лекция 12
Фильтрация в пространственной области1. Локальная фильтрация
2. Фильтры для подавления шума
3. Фильтры для выделения контуров
75
76.
gij = ∑ аk1 fi+k,j+1,D
H =
/K
1
a11 a12 a13
a21 a22 a23
a31 a32 a33
Фильтрация в пространственной области
76
77. Оригинал Маска 3х3 Маска 7х7
ОригиналМаска 3х3
Фильтрация в пространственной области
Маска 7х7
77
78. Оператор Лапласа
H =0 –1 0
–1 4 –1
0 –1 0
Фильтрация в пространственной области
78
79.
Фильтрация в пространственной области79
80. Фильтр Робертcа Фильтр Собела
Фильтрация в пространственной области80
81. Лекция 13
Сегментация изображений1. Пороговая сегментация
2. Сегментация путем наращивания
областей
3. Сегментация путем выделения границ
81
82.
Пороговаясегментация
Сегментация изображений
82
83. Исходное изображение
Сегментация изображений83
84. Результат сегментации наращиванием областей
Сегментация изображений84
85. Лекция 14
Распознавание изображений1. Основы общей теории распознавания
образов
2. Кластерный анализ
3. Параметрические и непараметрические
методы классификации
85
86. Результат применения алгоритма ISODATA без обучения
Распознавание изображений86
87.
Р(Ai/B)Вероятное Известное
Эту условную вероятность называют апостериорной.
Ее можно вычислить по теореме Байеса:
P(Ai/B) P(Ai)Р(B/Ai)
P(Ai/B) = ——— = ———————.
P(B)
P(Ai)P(B/Ai)
i
Распознавание изображений
87
88. Лекция 15
Параметрические методы классификации1. Роль нормального закона распределения
в задачах классификации изображений
2. Метод максимального правдоподобия
3. Метод минимальных расстояний
4. Метод параллелепипедов
88
89.
Попиксельная классификация участка тайги (слева)по методу максимального правдоподобия
1 – хвойные древостои; 2 – смешанные древостои; 3 – лиственные древостои;
4 – гари; 5 – вырубки, дороги и другие элементы ландшафта, лишенные
растительности
Параметрические методы классификации
89
90. Метод минимальных расстояний
nr = (fijm – mk)2
2
k
M =1
Параметрические методы классификации
90
91. Метод параллелепипедов
Параметрические методы классификации91
92. Лекция 16
Непараметрическиеметоды классификации
1. Робастные алгоритмы
2. Ранговый алгоритм
3. Декорреляция фона
92
93. Ранговый алгоритм
х1х2
х3
х4
х5
х6
х7
х8
х9
х10
4
3
13
8
5
18
9
6
11
15
Непараметрические методы классификации
93
94. R=55, если ЛКП отсутствует, R=76, если ЛКП имеется
Riхi
1
2
3
4
5
6
7
8
9
10
3
4
5
6
8
9
11
13
15
18
х2
х1
х5
х8
х4
х7
х9
х3
х1
х6
Без ЛКП
Ri
1
2
3
4
5
6
7
8
9
10
хi
3
4
5
6
8
9
11
13
15
18
С ЛКП
Ri
1
2
3
7
8
9
10
11
12
13
уi
3
4
5
11
13
15
18
24
24
24
Непараметрические методы классификации
94
95.
Четырехточечная модельf(i,j) = α[f(i–1,j) + f(i,j–1)+ f(i+1,j)+ f(i,j+1)] + z(i,j)
min {f(i,j) – α[f(i–1,j) + f(i,j–1 )+ f(i+1,j)+ f(i,j+1)+ z(i,j)]}2
0 –0,25
0
–0,25
1 –0,25
0 –0,25
0
Непараметрические методы классификации
95
96. Лекция 17
Нейрокомпьютеры в обработке изображений.Метод главных компонентов
1. Особенности применения нейрокомпьютеров
2. Главные компоненты многоспектрального
изображения
96
97.
Стандартныйформальный
нейрон
Нейрокомпьютеры в обработке изображений. Метод главных компонентов
97
98.
Метод главных компонентовG = (g1, g2,…,gm)
H = (h1, h2,..., hn):
H=PG
[R – I] = 0, I – единичная матрица
R=P PT
P–1 ≡ P
Нейрокомпьютеры в обработке изображений. Метод главных компонентов
98
99. Результат преобразования многоспектрального изображения
Канал 1λ1 = 890,14
86,53 %
0,07%
Канал 2
Канал 3
Канал 4 Канал 5
Канал 6
Канал 7
λ2 = 114,83 λ3 = 15,53 λ4 = 3,85 λ5 = 1,79
λ6 = 1,78
λ7 = 0,76
11,16 %
1,51 %
0,37 %
0,17 %
0,17 %
Нейрокомпьютеры в обработке изображений. Метод главных компонентов
99
100. Результат визуализации многоспектрального изображения
Использованы 1–3 главныхкомпонента, которые вобрали
в себя основные черты семи
исходных. Произошла
кластеризация изображения,
четко выделились объекты:
водоемы (черный цвет),
хвойные деревья (зеленый
цвет), лиственные деревья
(розовый цвет), трава
(оранжевый цвет)
Нейрокомпьютеры в обработке изображений. Метод главных компонентов
100