边缘检测空间建模若干参考资料.docx

边缘检测空间建模若干参考资料.docx

《边缘检测空间建模若干参考资料.docx》由会员分享，可在线阅读，更多相关《边缘检测空间建模若干参考资料.docx（21页珍藏版）》请在冰豆网上搜索。

边缘检测空间建模若干参考资料

附录（单词、术语）：

参考文献：

期刊[J]图书[M]报纸[N]会议录、论文集[C]

M——专著C——论文集N——报纸文章

　　J——期刊文章D——学位论文R——报告

　　对于不属于上述的文献类型，采用字母“Z”标识。

　　对于英文参考文献，还应注意以下两点：

　　①作者姓名采用“姓在前名在后”原则，具体格式是：

姓，名字的首字母.如：

MalcolmRichardCowley应为：

Cowley,M.R.，如果有两位作者，第一位作者方式不变，&之后第二位作者名字的首字母放在前面，姓放在后面，如：

FrankNorris与IrvingGordon应为：

Norris,F.&I.Gordon.；

　　②书名、报刊名使用斜体字，如：

MasteringEnglishLiterature，EnglishWeekly。

Session管理器实用功能菜单项（Utilities）坐标计算功能（CoordinateCalculator）

Convolution卷积增强no-directionedge非定向边缘增强focalanalysis聚焦分析

边缘检测（又称0值滤波）：

及卷积核中所有系数和为0，可以将低频区域平滑或变成0，将高频区域产生强烈对比度，输出图像只有边界和0。

高频核：

能提高空间频率，用作边缘增强，边界高亮度，但不一定将其他物体消去。

低频核：

低通滤波能消除图像上的斑点或平滑高程。

非定向边缘增强：

它用两个通用滤波器（Sobel滤波器和Prewitt滤波器），首先通过两个卷积核分别对遥感图像进行边缘探测，然后将两个正交结果进行平均化处理。

模型是复合或操作一些已存在的栅格数据层，生成一些新的栅格数据层的过程。

2、ERDAS8.7图标面板工具条模块按钮功能：

Viewer：

打开视窗

Import：

数据输入输出

DataPre：

数据预处理

Composer：

专题制图

InterPreter：

图像解译

Catalog：

图像库管理

Classifier：

图像分类

Modeler：

空间建模

Vector：

矢量模块

Radar：

雷达模块

VirtualGIS：

虚拟GIS模块

3.该软件栅格数据的内部文件格式为.img，矢量数据的内部文件格式为coverage。

4.数据供应商可以提供不同处理级别的数据产品。

例如，Landsat7ETM和SPOT数据有以下等级的数据产品：

1、Landsat7数据产品：

I.LDR—原始数据

II.L1R—辐射校正

III.L1GS—系统校正

IV.L1GP—精校正

V.L1GT—加入地形校正

2、SPOT数据产品：

I.1A—辐射校正

II.1B—部分几何校正

III.2A—加入标准投影

IV.2B—大地控制点校正

V.正射处理级—加入地形校正

引言

软件简介:

ERDASIMAGINE是美国ERDAS公司开发的遥感图像处理软件。

该软件集成了图像处理软件和地理信息系统软件的功能。

广泛应用于土地利用、自然资源管理、城市规划/建设、测绘/制图、林业、设施管理、石油/地质、电力/电信、交通运输及高等教育等领域。

该软件包括的主要功能有：

视窗功能、文件管理、数据输入/输出、图像裁切、图像镶嵌、几何纠正、图像解译、分类、空间建模、矢量处理、制图、VirtualGIS及航空相片的数字微分纠正和高分辨率卫星数据的正射纠正等。

空间建模简介

ERDASIMAGINE是美国ERDAS公司开发的遥感图像处理系统。

它具有先进的图像处理技术，友好、灵活的用户界面和操作方式，可面向广阔应用领域的产品模块，以及服务于不同层次用户的模型开发工具及高度的RS/GIS集成功能等优点。

Modeler是ERDAS下的一个模块，是一个面向目标的模型语言环境，由空间建模语言（SML）、模型生成器（ModelMaker）和空间模型库（ModelLibrary）组成【2-3】，这是一个面向目标的图形模型语言，即用直观的图形语言将一个具体的过程用模型表达出来。

在这个模型中，分别定义不同的图形代表输入数据、输出数据、空间处理工具，它们以流程图的形式组合并且可以执行空间分析操作功能。

用户可据此设计出高级的空间分析模型，实现复杂的分析和处理功能。

整个过程只需用其提供的工具栏在窗口中绘出模型的流程图，指定流程图的意义、所用参数等，即可完成模型的设计，无需进行具体而复杂的编程过程。

ERDASIMAGINE为用户提供了高层次的设计工具和手段，以便用户将更多的精力集中在专业领域的研究。

二、图像处理基本原理

三图像处理实践1图像灰度反转2图像边缘检测

引自《ERDAS空间建模应用研究》马晶1，邱发富2，吴铁婴3，刘森2，程春泉4

[2]党安荣，王晓栋，陈晓峰，等.ERDASIMAGINE遥感图像处理方法[M].北京:

清华人学出版社，2003.

[3]杨昕，汤国安，邓凤东，等.ERDAS遥感数字图像处理实验教程[M].北京:

科学出版社，2009.

由于边缘检测本身所具有的难度及对边缘检测要求的提高，人们除了不断将新的理论结合到边缘检测中外，也对原有的算法进行了更深入的研究分析，并对这些算法的某些环节作了改进【6-8】。

同时，人们也逐渐认识到现有的任何一种单独的边缘检测算法都难以从图像中检测到令人满意的图像边缘，因而更加重视把各种方法综合起来运用。

在这样的指导思想下，木文详细研究了Sohel算子和Laplacian算子在边缘检测中的特点【8】，借鉴文献[10]中提出的基于梯度相乘的边缘检测算法，设计了基于梯度相乘的边缘检测方法，其算法流程如图3所示，而依据上述思想建立的边缘检测模型结构如图4所示。

[6]张莉，贾水红，程刚.基于数学形态学的遥感影像边缘检测研究[J].地理信息空间，2006，4（4）:

52-54.

[7]PIQL,HUJY.AnalysisofSeaSurfaceTemperatureFrontsintheTaiwanStraitandItsAdjacentAreaUsinganAdvancedEdgeDetectionMethod[J].SeienceChina（EarthSeiences），2010，53（7）:

1008一1016.

[8]米林，马亚洲，郝建军，等.一种基于Canny理论的边缘提取改进算法[J].重庆理工人学学报:

自然科学版，2010，24（5）:

54一58.

[9]雷丽珍.数字图像边缘检测方法的探讨[J].测绘通报，2006（3）:

40—42.

[10]陈宇云.灰度图像的边缘检测研究[D].成都：

电子科技大学，2009.

另一方面也有不足之处，例如定义函数时，函数语句之间的间隔设置若有多个空格、少个空格或者疏漏了分母为0的情况，程序都不会运行，将出现错误提示。

这就需要认真检查，直至错误全部被排查才能得到正确的运行结果。

在使用条件判断语句时，选择一个合理的边界区间也很重要，假若选取不恰当，运行之后对影像的某种处理可能无法达到预期目的。

以下摘自用ERDASIMAGINE空间建模工具实现IHS变换融合

摘要:

ERDASIMAGINE是美国ERDAS公司开发的遥感图像处理系统，为遥感及相关应用领域的用户提供了内容丰富、功能强大的图像处理工具特别是给用户提供的一个空间建模工具，借用这个工具可以根据用户的需要，定制并实现特定的图像处理的操作功能IHS变换属于色彩空间的变换，由于

灵活实用的优点}fu被）、‘泛使用，成为图像融合技术的一个成熟的方法运用ERDASIMAGINE提供的空间建模工具可以简单准确的实现图像的IHS变换融合.并有）、‘泛的应用价值

2ERDASIMAGINE空间建模工具

2.1ERDASIMAGINE空间建模工具组成

ERDASIMAGINE空间建模工具由空间建模语言、模型生成器和空间模型库组成，3个部分既相互关联又相互独立。

（1）空间建模语言

空间建模语言是一种模型语言，是ERDASIMAGINE中所有GIS分析和图像处理功能的基础，功能非常强大，可以为各种各样的应用编写空间程序模型，使用模型可以产生适合于使用者的数据特征和应用目标的算法。

空间建模语言是模型生成器使用的底层语言，执行形成的图形模型所设计的各种功能。

（2）模型生成器

模型生成器是空间建模语言核心的图形界而，可以通过使用面板工具来产生空间图形模型，图形模型可以运行、编辑、保存在模型库中，或者转换成空间建模语言程序模型，以便应用空间建模语言做进一步的编辑;模型生成器提供了23类共200多个函数和操作算子，可以操作栅格数据、矢量数据、矩阵、表格和分级数据。

（3）空间模型库

空间模型库由用于处理地理信息和遥感图像的空间模型所组成，包括图形模型和程序模型，前者是应用空间建模语言编写成，后者是应用模型生成器建立，ERDAS图像解译模块中的多数图像处理功能都对应着空间模型库中的一个图形模型。

2.2图像模型的基本类型

应用模型生成器所生成的图形模型都有一个共同的基本结构:

输入一函数一输出，不同模型所包含的输入、函数、输出的数量可以发生变化，但整体的结构保持不变。

在模型运行之前，所有的组成部分必须彼此连接。

空间图形模型分为2个基本类型:

基本模型和复杂模型。

基本模型只有一个输入、一个函数、一个输出组成，复杂模型则有若干输入、若干函数、若干输出组成，特别是输入与输出是互相转化的。

空间图形模型的类型结构如图1所小。

2.3图形模型的形成过程

图形模型的形成过程实质上就是解决问题的过程。

在借助模型生成器的形成模型时，通常需要经过h个基本的步骤.如图2所小。

（1）明确问题

使用模型生成器解决实际问题时，首先必须明确问题的实质所在，不仅需要明确解决的问题是什么，要达到的目标是什么，而目_要明确解决问题的具体途径和所需要的数据支持。

（2）放置对象图形

在模型生成器中把各种输入、函数和输出都定义成图形语言，不同的图形代表不同的操作对象和函数操作。

根据上一步所确定的解决问题的目标和途径以及数据支持情况，在模型生成器中放置意义不同的对象图形。

（3）连接各个对象

上一步所放置的对象图形是一个一个的空间模型元素，是相互独立的，只有将所有对象图形有机的连接起来，才能组成一个完整的图形模型。

对象图形之间的联接是有前提的，如果两个图形无法连接，说明不符合连接的条件。

（4）定义对象

每个对象图形都必须有确切的含义，应该从满足解决问题的需要出发确定对象图形的含义。

双击对象图形打开一个对话框，从中输入文件名或数据表及对应的参数设置。

在模型运行之前，每一个图形对象都必须被定义。

（5）定义函数操作

代表函数操作的对象图形是空间图形模型的关键，模型中各种输入输出对象都必须以函数操作图形为纽带有机的组织在一起。

定义函数操作的过程，实质上是确定图形模型如何处理数据、组合功能、完成目标的过程。

（6）运行模型

如果前而的定义符合空间模型语言规则，所建立的图形模型就可以运行了。

运行结果的正确与否，则取决于输入对象的确定和函数操作的定义。

如果不理想的话，可以进一步调整对象图形及其定义.修改模型结构.直到满意为止

边缘算法简介

【摘自】几种常见边缘检测算子的分析比较作者：

欧温暖

边缘检测算子

物体的边缘是山灰度不连续性所反映的。

边缘提取首先检出的是这种不连续性，然后再将这些不连续的边缘像素连成完备的边界，即物体的边缘。

边缘检测算子是考察图像的每个像素在某个领域内灰度的变化，通常也包括方向的确定，大多数都是基于方向导数模板求卷积的方法进行边缘提取。

本文主要讨论六种常见的边缘检测算子，有Robert、边缘算子、Sobel边缘算子、Prewitt边缘算子、Laplacian边缘算子、Kirsch边缘算子和LoG-Laplacian边缘算子

1.1Robots边缘算子

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子，所采用的是刘角方向相邻的两个像素值之差，算子由式

（1）给出。

1.2Sobel边缘算子

Sobel边缘检测算子是先做成加权平均，再微分然后求梯度，算子的计算方法如式

（2）:

以下两个卷积核形成了Sobel边缘检测算子，前者对水平边缘影响最大，后者则对垂直边缘影响最大。

实际应用中，图像中的每个像素取两个卷积核的最大值作为该像素点的输出值。

运算结果是一幅边缘幅度图像。

山于Sobel算子对于像素的位置的影响做了加权，加权平均边宽≥2像素，因此效果更好。

1.3Prewitt边缘检测算子

Prewitt边缘检测算子是一种利用局部差分平均方法寻找边缘的算子，它体现了三对像素点像素值之差的平均概念。

以下两个卷积核形成了Prewitt边缘检测算子。

同使用Sobel算子的方法一样，图像中的每个点

都用这两个核进行卷积，取最大值作为输出。

Prewitt算子也产生一幅边缘幅度图像。

1.4Krisch边缘检测算子

Kirsch边缘检测算子山以下8个卷积核组成。

图像中的每个点都用8个掩模进行卷积，每个掩模都对某个特定边缘方向做出最大响应，所有8个方向的平均差分最大值作为边缘幅度图像输出。

该算子可以检测出边缘的方向性信息，并能较好地抑制边缘检测的噪声。

1.5Laplacian边缘检测算子和LoG-Laplacian边缘检测算子

Laplacian是对二维函数进行运算的二阶导数算子。

通常使用的Laplacian边缘检测算子模板如下所示，模板的基本特征是中心位置的系数为正，其余位置的为负，且模板的系数之和为零。

通过与上述4个算子的比较，可以看出该算子不能检测出边缘的方向性信息，因此，它很少直接用于边缘检测。

相比较于Laplacian算子，LoG-Laplacian算子把高斯平滑滤波器和拉普拉斯锐化滤波器结合了起来，先平滑除去噪声，然后再进行边缘检测，因此可以获得更好的效果常用的LoG-Laplacian算子模板:

3结语

本文通过对几种常见的边缘检测算子进行详细的分析和比较，归纳总结出各边缘检测算子的特点及其适合范围，为以后的利一学研究及其实际应用提供了理论依据，具有一定的参考价值。

实践时要根据具体情况和要求选择合适的算子。

建模过程

算法比较

结论

结束语

幻灯片可用：

研究意义：

摘　要:

图像的边缘是图像最基本也是最重要的特征之一。

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。

图像分析和理解的第一步常常是边缘检测。

边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。

其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。

对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。

综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。

引自：

图像边缘检测方法研究综述段瑞玲

边缘算法简介：

【边缘检测算子。

pdf幻灯片】

边缘检测：

基本概念梯度边缘检测算法二阶微分算子LoG算法Canny边缘检测器

边缘是指图像局部亮度变化最显著的部分，边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础，图像分析和理解的第一步常常是边缘检测。

梯度

边缘检测足检测图像局部显著变化的最基本运算，梯度足函数变化的一种度量。

图像灰度值的显著变化可用梯度的离散逼近函数来检测:

人们常常使用2X2一阶差分模板来求x和Y的偏导数:

边缘检测算法的基本步骤

.:

.滤波

.:

.增强

.:

.检测

.:

.定位

算子

分别采用上述几种常用的微分算子对标准图像进行边缘检测，其结果如图2所示。

由图可知，梯度算子提取的边缘有一定丢失，其定位不够准确；Prewitt算子和Sobel算子对边缘的定位就比较准确、完整，但得到的边缘较宽;拉普拉斯算子对噪声的敏感性比一阶算子大，容易产生虚假边缘，很

少直接用于边缘检测;Wallis算子对暗处部分的边缘最为敏感；高斯拉普拉斯算子边缘提取的结果明显优于前面的算子，边缘比较完整准确；相比而言，Canny算子提取的边缘最为完整、连续、细锐。

上述几种基于微分的传统边缘检测算子的共同优点是计算简单、速度较快，缺点是对噪声的干扰都比较敏感，在实际应用中，要对微分算子加以改进或结合其他算法对图像进行边缘检测。

2边缘检测方法性能比较

差分边缘检测方法是最原始、基本的方法。

根据灰度迅速变化处一阶导数达到最大（阶跃边缘情况）原理，利用导数算子检测边缘。

这种算子具有方向性，要求差分方向与边缘方向垂直，运算繁琐，目前很少采用。

梯度边缘检测方法利用梯度幅值在边缘处达到极值检测边缘。

该法不受施加运算方向限

制，同时能获得边缘方向信息，定位精度高，但对噪声较为敏感。

Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。

检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。

Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。

对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。

当对精度要求不是很高时，是一种较为常用的边缘检测方法。

Prewitt算子利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘。

对噪声具有平滑作用，定位精度不够高。

Laplace算子是二阶微分算子，利用边缘点处二阶导函数出现零交叉原理检测边缘。

不具方向性，对灰度突变敏感，定位精度高，同时对噪声敏感，且不能获得边缘方向等信息。

边缘检测研究历史研究意义【基于数学形态学的遥感图像边缘检测算法】0509

建模过程

算法比较

结论

实验总结：

ModelMaker是高级的可视化空间建模辅助工具，用户只需使用其提供的工具在窗口绘出模型的流程图，指定流程图的意义、所用的参数、函数等即可完成模型的设计，而无需书写复杂的命令程序即可对一个空间决策过程进行模拟。

结束语

保存：

运行：

结果：

Prewitt:

融合算法：