一种处理大量图像数据的形态学自动图像合成算法课件

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Themorphologicalimagecompositingmethodisadaptivebecausethedriverbehinddelineatingseamlinesistheimagecontent.Themainpartofthistechniqueisaregiongrowingprocedurethatisinitiatedbyseedsfoundinregionswherethereisnoimageoverlap.

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。Theregiongrowingprocedure,amorphologicalwatershedalgorithm,isconstrainedbyagradientimageathighgradientvalues.Bybasingtheseamlinedelineationonthegradientintensity,thealgorithmattemptsasbestaspossibletofollowsalientimagefeatures.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。Theinputsetofimagesmustfirstbegeometricallycorrectedandresampledtothesamespatialresolution.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。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.QuantifyingSeamLineQuality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。wewereinterestedincheckingwhetherfilteringwouldimproveorworsentheresultingseamlinedelineation.The'best'criterionwasformulatedasthesumofmorphologicalgradientoftheimagemosaicalongtheseamlinedividedbythelengthoftheseam(innumberofpixels).Thiscriterionwasbasedontheideathatthebetterseamlinewouldhaveahighermeancontrastcomputedalongthedelineatedseam.我们采用的是滤波的方法。我们对滤波是提高还是降低了结合线划分的结果感兴趣。以像素为单位，接合线被划分为几段；‘最佳’判据数学化为沿着接合线的图像拼接形态学梯度值的总和。判据的准则就是：”越好”的接合线,沿着接合线将有更高的对比平均值。EXPERIMENTSANDRESULTS实验和结论通过两幅邻近的重叠图像对上面介绍的质量判据进行测试。测试区域是1025×1025像素，通过形态学上的滤波方法产生一系列图像进行接合线的划分。滤波方法是ASF(alternatingsequentialfilter交变序列滤波器重构算法)，该方法通过交变开/闭形态学算子的方法，实现了接缝处的平滑过渡。首先以一个像素为单位，从1到10个像素选取不同的结构元素对二次采样的LandsatETM+测试图像进行滤波。然后使用形态学图像合成方法对图像进行自动接合线划分。图2所示是由计算机计算得出的判断划分线质量的结果。图3所示为11对测试图像中的四对，结果包括梯度图像、划分线和拼接结果。DISCUSSION

实验结果证明，通过沿着高梯度值区域，也就是图像的轮廓进行结合先划分，取得了不错的效果。两幅图像间的线差异越大，图像轮廓梯度值就越高，获得与实际吻合的结合线的可能性就越大。从视觉角度看，这些图像拼接的结果都能令人满意。结果表明，使用通过ASF的方法，不需要预处理就可以实现‘最佳’结合线。结果也表明即使图像的整体差异性由于滤波器的原因而降低了，算法也能够根据图像特征获得高质量的结合线。但是，这个初步试验仅仅是在一个场景中处理图像间的差异性。是否存在一个最优的滤波器，使得形态学合成算法对于所有的场景都能够取得‘最佳’结合线，从图2中是不能