图像处理相关

“智能感知与图像理解“教育部重点实验室第七届学术周暨2011年度学术之秋学术报告心得体会2011年10月20日“智能感知与图像理解“教育部重点实验室举行了2011年的学术之秋——自2008年举办以来的第七届学术报告讨论会，在这短短一周的时间里我接触了很多、了解了很多、学习了很多，短短的一周时间里让我知道了老师们在做什么、师兄师姐们在做什么、我们又该做什么，就像王爽老师说的那样“当我们总是埋头苦干的时候记得抬头望望，回头看看”，老师不在仅仅是“传道、授业、解惑“更多的时候，老师是我们人生海洋里的灯塔，照亮我们今后前行的路。

首先，对于“智能感知与图像处理“国家重点实验室举办的学术之秋非常感谢和欣慰，我庆幸自己是所里的一员，可以通过这样一个学术报告来增加我的荣誉感使命感，让我体会到一阵阵的浓浓的学术气息，非常感谢所长、老师的良苦用心，真心希望学术之秋越办越好。步入西安电子科技大学”智能感知与图像处理“国家重点实验室已有两个月了，通过与学长的交流沟通和自己的各方面了解，我们不断的深入了解着智能所——承载我们学术梦想的地方，学术之秋的举办使我对”智能感知与图像处理“研究所有了一个更深入的了解，浓浓的学术气息充满着智能所的每个角落，通过学术之秋，我对各个老师的研究方向和成果有了更进一步的认

识，对自己需要什么有了一个更深入的认识。

其次，通过这次报告，我对自身有了一个更深层次的认识，起初，我只是知道我在很多方面很欠缺，感觉很多很多，无从下手，通过学术之秋，我才更加明确的知道了我在哪个方面的欠缺，哪个方面需要我们去好好学习好好强化，我知道了研一课程的重要性，比如，矩阵论、随即过程、工程优化，头一次感觉出数学的强大，不再是“架空“的理论，而是实际的应用，学术并不是架空无聊的理论，我们真正的把他用到了国防民生的实际生活中。这使得我对于我们的研究内容研究方向充满了渴望，恨不得一下把所有的知识消化，感谢数学之秋给我们对学术研究带来的兴趣。

下面，我详细叙述下此次会议的具体感想。

学术之秋报告会首先由高新波老师致开幕词，高老师幽默风趣的讲出了学术之秋一路走来的历程，很好的传达了词汇报告会的意图。我们要把严谨的学风一代代的传下去，把智能锁推向世界。

韩崇昭老师基于多源异构信息融合的空中目标跟踪技术讲了通过多远信息融合方式对空中目标进行跟踪锁定在国防上的应用，使得我们感觉任重道远，目标识别研究属于交叉学科，它包含了雷达信号处理、电磁场与目标电磁散射理论、红外热成像、图像处理、模式识别和人工智能技术等多个领域。对雷达目标识别的研究，在国内外已经形成热点，

但由于问题本身的复杂性，以及多干扰信号，特别是多噪声干扰源存在的复杂电磁环境，基于雷达及红外成像等技术的目标识别问题至今尚无成熟的技术和方法。自动目标识别(ATR)已成为一项举世公认的高难度技术。我们的研究中基于信息融合理论与方法，利用多分类器融合技术实现基于多源信息（特别是异类异构信息）的目标识别。

高新波老师讲的聚类有效性与模糊性质量以及李阳阳、马文萍老师讲的聚类在各个方向的应用，使我对于聚类、分类有了一个崭新的认识。数据聚类(英语 : Cluster analysis) 是对于静态数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset），这样让在同一个子集中的成员对象都有相似的一些属性，常见的包括在坐标系中更加短的空间距离等。一般把数据聚类归纳为一种非监督式学习。聚类类型，数据聚类算法可以分为结构性或者分散性。结构性算法利用以前成功使用过的聚类器进行分类，而分散型算法则是一次确定所有分类。结构性算法可以从上之下或者从下至上双向进行计算。从下至上算法从每个对象作为单独分类开始，不断融合其中相近的对象。而从上之下算法则是把所有对象作为一个整体分类，然后逐渐分小。分割式聚类算法，是一次性确定要产生的类别，这种算法也以应用于

从下至上聚类算法。基于密度的聚类算法，是为了挖掘有任意形状特性的类别而发明的。此算法把一个类别视为数据集中大于某阈值的一个区域。DBSCAN和OPTICS是两个典型的算法。许多聚类算法在执行之前，需要指定从输入数据集中产生的分类个数。除非事先准备好一个合适的值，否则必须决定一个大概值，关于这个问题已经有一些现成的技术。距离测量，在结构性聚类中，关键性的一步就是要选择测量的距离。一个简单的测量就是使用曼哈顿距离，它相当于每个变量的绝对差值之和。该名字的由来起源于在纽约市区测量街道之间的距离就是由人步行的步数来确定的。一个更为常见的测量是欧式空间距离，他的算法是找到一个空间，来计算每个空间中点到原点的距离，然后对所有距离进行换算。常用的几个距离计算方法：* 欧式距离（2-norm距离）* 曼哈顿距离Manhattan distance, 1-norm距离）* Infinity norm

* 马氏距离* 余弦向量夹角* 海明距离。结构性聚类，在已经得到距离值之后，元素间可以被联系起来。通过分离和融合可以构建一个结构。传统上，表示的方法是树形数据结构，然后对该结构进行修剪。树的根节点表示一个包含所有项目的类别，树叶表示与个别的项目相关的类别。层次聚类算法，要么是自底向上聚集型的，即从叶子节点开始，最终汇聚到根节点；要么是自顶向下分裂型的，即从根节点

开始，递归的向下分裂。任意非负值的函数都可以用于衡量一对观测值之间的相似度。决定一个类别是否分裂或者合并的是一个连动的标准，它是两两观测值之间距离的函数。在一个指定高度上切割此树，可以得到一个相应精度的分类。分散性聚类，K-均值法及衍生算法。K-均值法聚类K-均值算法表示以空间中k个点为中心进行聚类，对最靠近他们的对象归类。例如: 数据集合为三维，聚类以两点：X = (x1, x2, x3)，Y = (y1, y2, y3)。中心点Z 变为Z = (z1, z2, z3)，其中z1 = (x1 + y1)/2，z2 = (x2 + y2)/2，z3 = (x3 + y3)/2。算法归纳为(J. MacQueen, 1967): 选择聚类的个数k.

?任意产生k个聚类，然后确定聚类中心，或者直接生成k个中心。

?对每个点确定其聚类中心点。

?再计算其聚类新中心.

?重复以上步骤直到满足收敛要求。(通常就是确定的中心点不再改变).

该算法的最大优势在于简洁和快速。劣势在于对于一些结果并不能够满足需要，因为结果往往需要随机点的选择非常巧合。此外，还有谱聚类。

张小华老师的低秩图像处理、王爽老师的SAR图像处理、吴家骥老师的多维激光图像压缩、张向荣的高光谱影像

理解，张涛老师的SAR图像成像关键技术、凤宏晓老师的SAR图像和INSAR图像解释的新进展等等使我对于SAR图像、数字图像处理、SAR图像处理、以及图像压缩有了一定的了解认识。

印象比较深的是王爽老师的报告，虽然王老师讲到的关于SAR图像处理基础性的内容不是太多，但是王老师通过朴素的语言给我们介绍了学术的前沿，客观体现了我们所的老师一直在努力做到世界的学术前沿，而且我们的老师做的很好，我发现，只要努力，一切并不是渴望不可及的。其次就是吴家骥老师讲的激光图像，每年都要人工去把八十块硬盘背回来，所以激光图像压缩很有必要，而且极地极光的研究对于我们更好的了解极地和应用极地气候有很重大的意义。

下面我具体说下自己自己对ＳＡＲ图像的认识，SAR （Synthetic Aperture Radar;SAR，合成孔径雷达）SAR是一种可成像的雷达，它所用的雷达波段大约是300MHz到

30GHz。比如一般用的波段是1~10GHz的合成孔径雷达，大气对这种波段的影响不大。也就是说如果天上有一个合成孔径雷达卫星，白天黑夜、大气的云雾雨雪等天气变化对雷达看到的结果影响甚微，可忽略不计。所以合成孔径雷达是一种全天时、全天候的雷达，它所成的图像就是SAR图像

了。SAR图像的场景和照相机拍出来的场景类似，只不过波段不同看到的事物也不一样。SAR都是斜视的，而光学的可以垂直照射。另外，我课下还查阅了一些关于SAR图像的特征，如下，雷达图像的分辨率有距离向和方位向两种。雷达图像的分辨率和像元大小是两个概念，雷达图像中每个像元大小通常低于分辨率。SAR图像的灰度统计特征：雷达图像上色调的变化，主要取决于目标物的后向散射截面。每一个接受到的回波被转换成电信号，并以某一特定的灰度色调记录在光学胶片上或转换成一个具有特定值、由于表示亮度的数字化像元。度的变化，复介电常数（含水量）、表面的粗糙度是影响雷达图像色调的三个主要因素。其中表面的粗糙度在决定雷达图像的灰度（也就是回波强度）上起着决定性的作用。一般来说，交叉极化的回波强度比同极化的回波强度要弱，因此为交叉极化回波设计的接收带宽旺旺要高，以补偿被削弱的回波信号。所以在比较一个同极化图像和一个交叉极化图像时应当观测同一个目标物灰度之间的

反差，而不是单纯地比较两个图像之间的绝对灰度值。点目标：在点目标检测中，背景的干扰主要表现为相干斑噪声。通常采用去除斑点噪声、增加目标与背景的对比来突出点目标，也可以讲背景上的点目标看成一个中心突出函数，采用锐化滤波器进行处理。线目标：线目标通常表示不同类目标的界线（如水路界限）或者当地面线性目标的横向尺寸小

于分辨率单元尺寸，表示目标本身。大多数线性体目标，相对于中等分辨率的SAR图像而言，其宽度都比较窄，只相当于分辨单元尺寸，故称其为自身线性目标（道路、河流）。与此相对的仅作为两类目标分界线的线性体，成为边界线性目标。两种相邻的目标后向散射系数之差，便可造成边界线性目标。水路边界是由于陆地目标和水体目标的强烈反差引起的。所以一般易识别。而对于不同树种之间、同一树种内新生树和成熟树之间，被砍伐的林区与未砍伐的林区之间的树林边界以及同一地块内的不中植物之间的植被边界，英语后向散射系数相差不大，一般情况下很难区分。对于一幅不含噪声的图像，在灰度突变处形成图像的边界点。所有边界点连接构成图像中景物的边界。噪声点也有灰度突变特征，但和周围的点不相关，是孤立的随机点，所以在确定景物的边界特征时，要注意区分噪声点。面目标：面目标的相干斑噪声明显。在SAR图像中，目标的检测主要依据是均值和纹理。只有当目标之间的对比度（均值之比）足够大时，依靠均值分辨才有可能。而纹理取决于空间色调的相对变化，不是灰度的绝对值，所以利用纹理信息提取地面目标是有效的。换言之，面目标的提取实质上是图像分割的一种。因为SAR图像上受噪声影响的均质区，在纹理测度图像上一般对应灰度同一的区域，所以在图像分割时，引入纹理信息可以提高分割精度。

下面说下合成孔径雷达SAR 基础上发展出来的雷达干涉测量InSAR ，InSAR 就是利用SAR 在平行轨道上对同一地区获取两幅（或两幅以上）的单视复数影像来形成干涉，得到该地区的三维地表信息。具体分为：双天线干涉（机载系统），以固定的间距分开的两个天线同时采集信号，仅一个传感器主动发射一定频率的微波信号，地面反射信号被两个传感器接收，获得不同视角且覆盖同一区域的两个SAR 图像。单天线重复轨道干涉（星载系统），卫星以一定的时间间隔和轨道偏移对一个地区重复成像（时间相关性的问题）。还有双星串联飞行模式（ERS-1/2）。INSAR 基本原理：两副天线接收到的信号的相位差为：

R1， R2为天线到目标P 的斜距；式中P 为系数，单轨道双天线模式p 为1，单天线重复轨道模式p 为2，a 为基线倾角。

21212P R R πλφφφ=-=-（）

可知，如果知道天线位置（H、B、a）和雷达系统参数就能计算高程值，进而生成DEM。雷达数据处理步骤，InSAR 数据处理的一般流程包括：影像配准，干涉图生成，噪声滤除，基线估算，平地效应消除，相位解缠，高程计算和纠正（地图编码处理）等等。在影响配准上有重要应用，原理：在参考影像和输入影像之间找到足够多的同名点，用同名点作为控制点确定影像之间的相对几何变换模型，然后利用几何变换模型对输入影像进行重新采样（相对纠正）。配准方法：相干系数法；最大干涉频谱法；相位差影像平均波动函数法。干涉图生成将两幅精确配准的复数影像共轭相乘，共轭相乘就是对应像元的相位进行想减。干涉相位质量的高低通常采用相关性测度来衡量。为提高干涉图像的信噪比，一般采用滤波处理，即多视处理（前置滤波和后置滤波）。为提高干涉图像的信噪比，一般采用滤波处理，即多视处理（前

置滤波和后置滤波）。平地效应消除：为了提取形变信息，参考趋势面和地形起伏的相位贡献必须从一次差分相位中

去除，即二次差分。相位解缠的关键技术：从干涉图中得到的相位差只是主值，要得到真实的相位差，就要在相位差上加上或减去2π的整数倍，类似于GPS中的整周模糊度的确定。相位解缠的两类方法：基于路径控制的积分法（积分路径包含的残数为0），基于最小二乘的整体求解算法。积分法比最小二乘法可靠。下面是INSAR的应用局限性：1. 时间失相关，对两次成像来说，各自随机附加的噪声不同或不相关，在相位差分是无法抵消，造成信噪比很低，干涉图不明显，数据处理变得困难。2. 大气相位延迟，易变的大气条件可能会导致不同的相位延迟，延迟表现在时间上、空间上，甚至可能会掩盖有用信息。INSAR与GPS的合成，GPS：通过安置在地球表面接收机同时接收4颗以上的卫星信号

测定接收机的位置。可以推算电离层和对流层的延迟，可以测定相关的大气参数。InSAR：高精度、高空间分辨率、全天大范围的实时观测，几乎不受天气的影响。InSAR：高精度、高空间分辨率、全天大范围的实时观测，几乎不受天气的影响。利用GPS技术对InSAR的数据进行精确的几何定位。利用永久性反射体，在雷达影像上生成地物明显的特征点，利用GPS精确测定这些点的三维坐标，作为控制点校正雷达影像的几何变形误差和一些系统误差。

同时我还了解了合成孔径雷达Chirp Scaling成像算法研究，合成孔径雷达是20世纪50年代发展起来的一种高分辨率成像雷达。它具有全天时、全天候、大面积、远距离的成像能力。现已广泛应用在军事和民用方面，对国防技术现代化和国民经济建设都具有十分重要的意义。Chirp Scaling 成像算法是合成孔径雷达成像经典算法之一，其处理过程不需要插值运算，由此可以减少处理过程的计算量和解决图像失真的问题。论文首先介绍了本文的主要研究内容、关键技术及意义，分析了合成孔径雷达的成像原理以及高分辨率原理。然后着重研究了Chirp Scaling成像算法的原理，以及详细的公式推导，并给出了Chirp Scaling算法的具体流程。在完成点目标仿真的基础上，对Chirp Scaling算法用RADARSAT-1实际回波数据进行了验证。合成孔径雷达的成像特点，(1)全天候性和强透射性SAR成像不受云雾、阴、雨等恶劣气候条件的限制，具有全天候成像的特点。当选择合适的雷达波长，它还能够透过一定的遮蔽物，甚至透过一定深度的地面，对地下的目标进行成像。正因为SAR 成像的这一特性，使它在现代军事领域得到迅速而广泛地应用。(2)包含多种散射信息由于不同的物体具有不同的介电常数、表面粗糙度等地球物理化学特性，它们对不同频率、投射角和极化方式的微波呈现出不同的散射特性和不同的穿透力。这些性质为目标分类及识别提供了极为有效的新途径。(3)具有二维高分辨力SAR对目标的成像主要是二维成像。在一个方向(方位向)使用的是雷达与目标的相对运动产生的多普勒特性，利用合成孔径原理得到方位高分辨；在另一方向(距离向)则使用雷达发射大时间带宽积的电磁波信号，对回波利用匹配滤波得到距离高分辨，因此SAR具有二维高分辨的能力。从现有的技术状况来看，SAR的高分辨可达到米级甚至厘米级，一般军事应用的分辨力比民用系统的分辨力至少要高一个数量级。民用系统的分辨力约为10米量级，而军用系统则要求分辨力越高越好。近年来，SAR的分辨力越来越高，已有分辨力达到0.3米的系统，大大增加了SAR的军事应用价值。随着军事应用需求的扩展，SAR的分辨力必将进一步提高。(4)具有三维高分辨成像能

力SAR成像一般是二维成像，但是当采用并行轨道的多天线或者一定基线长度的双天线时，利用干涉技术和相位解模糊技术，可以获得包括物体高度信息在内的三维高分辨图像。合成孔径雷达的应用，由于微波具有一定的穿透能力，SAR对人工目标和伪装目标具有良好的探测能力和分辨能力，己经成为现代军事侦察和情报收集的重要手段。作为高科技侦察工具，SAR在军事应用领域起着非常重要的作用。在战略应用方面，可以利用SAR进行全天候全球战略侦察，全天候海洋军事动态监测，战略导弹中断要点防御目标的识别与拦截，战略导弹多弹头分导自动引导，战略地下军事设施的探测；在战术应用方面，可以利用SAR进行全天候重点战区军事动态监测，大型坦克群的成像监视以及反坦克雷场的探测；在特种应用方面，可以利用SAR进行强波杂背景下的目标识别，低空与超低空目标的探测与跟踪、精密测向与测高等。在国民经济各领域中，机载合成孔径雷达SAR 也有广泛的应用[7]。在国土及资源调查方面，可以利用SAR 图像进行地质和矿产资源调查，普查地质结构，研究矿藏分布以及了解国土资源的面积、分布和变迁；在地形测绘和制图学方面，可以利用SAR测绘大面积地形，测量山脉、河流、城市、乡村、道路、桥梁等的位置和形状，研究城市、湖泊、沙漠分布及变迁等，为地理信息系统提供数据来源；在海洋应用方面，可以利用SAR图像研究大面积海浪特性，研究冰川分布、海洋变迁和海洋污染等；在农业和林业方面，可以利用SAR图像鉴别农作物，研究农作物生长状况并估计农业产量，研究田地分界，研究自然植被分布、覆盖，研究森林生长状况，发现森林火灾，探测土壤含水量，干旱区地下水资源等；在洪涝监测方面，SAR遥感对水陆界线及地物含水量很敏感，可用于监测和量算河流、湖泊、沼泽的储水面积，从而监测洪涝灾害。课题发展及国内外研究动态，SAR技术的产生最早可追溯到20世纪50年代初，由于军事侦察雷达不断提高对分辨率的需求，1951年美国Good Year公司的C．Willy提出了合成孔径雷达的概念[1]，指出用多普勒分析的方法可以获得很高的方位分辨力。同年，美国Illinois大学也开展了利用相干雷达数据进行的试验，验

证了“多普勒波束锐化”思想及合成孔径雷达基本原理的正确性，并于1953年成功研制了第一部X波段相干雷达系统，获得了第一批非聚焦SAR图像数据。1957年8月23日，Michigan大学与美国军方合作研究SAR实验系统，成功地获得了第一幅全聚焦的SAR图像，从此SAR技术进入实用性阶段。此后许多国家都拥有了自己的机载SAR，SAR应用也从军事领域拓展到民用领域。目前，国外的机载SAR 主要有：美国的AN/APD-10、ERIMX/SIR、ERIM/CCRS，德国的E-SAR等；已经拥有机载SAR的国家有：中国、美国、德国、英国、法国、俄罗斯、加拿大、瑞典、荷兰、丹麦、澳大利亚、南非。已经发射的星载SAR主要有：美国的SEASAT-A、SIR-A、SIR-B、SIR-C及“曲滚球”雷达成像卫星，欧空局的ESR-1、日本的JERS-1、加拿大的RADARSAT-1等。我国于70年代后期开始进行机载合成孔径雷达的研究工作。1979年成功研制出机载SAR样机，并获得我国第一幅合成孔径雷达图像；1983年又成功研制出单通道、单极化、单侧视机载SAR系统，在我国实现了连续大面积成像；1986年进而实现了机载SAR的非实时数字信号处理；1987年成功研制出多条带、多极化、双侧视机载SAR系统；1990年成功研制出“机载SAR实时数据传输系统”；1994年又成功研制出X波段、多极化、多通道、数字成像处理、分辨率为10米的机载SAR系统，及其“机载SAR实时数字成像处理器” 系统，并获得我国第一幅机载SAR实时数字成像处理图像。信息产业部电子十四所、三十八所和航空总公司607所都研制了机载SAR并进行了试飞，获取了3m高分辨率图像，现正进行多模式SAR的研制工作。这些成果不仅为我国提供了实用的雷达对地观测技术，也为我国星载SAR的发展奠定了重要的技术基础，使我国跻身于国际上为数不多的几个能研制SAR的国家行列之中。相信我国SAR技术将飞速发展，在国民经济和国防建设中发挥巨大作用。随着需求的扩增和科学技术的发展，合成孔径雷达技术主要向以下几个方向发展：高分辨率和超高分辨率成像；实时信号处理和先进的成像技术；多波段、多极化、可变视角和多模式；能够产生目标的二维图像的干

涉SAR；动目标成像；小卫星SAR和无人机SAR等。合成孔径雷达基本原理：合成孔径雷达的基本思想是一个小天线沿着一个直线方向不断移动[2]。在移动中每个位置上发射一个信号，接收相应发射位置的回波信号并储存下来。存储时必须同时保存接收信号的振幅和相位。侧视SAR如图2-1所示，通过天线向一侧发射电磁波脉冲，脉冲遇到目标后，一部分能量由地物反射回雷达天线，即回波。与飞机距离不同的地面目标反射的回波，由雷达天线和接收机按时间的先后次序接收下来，并由同步的亮度调制的光点在摄影胶片上，按回波的强度大小记录下来，一条视频回波线就记录了窄条带上各种地物的图像。紧接着发射下一个脉冲，飞机同时向前飞行了一段很小的距离，然后又接收地面相邻窄条带上的回波信号，如此继续就形成了地面的条带图像。图中与飞行航线平行的方向是方位向，与航线垂直的方向为距离向。装载着雷达的飞行器，沿x坐标以速度V匀速直线前进，雷达向正侧方发射并接收波束。随着雷达匀速前进，将在地面形成带状辐射带(即测绘带)，这就是雷达成像的对象。雷达一面以匀速直线前进，一面以固定的重复频率发射并接收信号。如果把接受信号的幅度和相位信息保存起来并与以前的接收信号叠加，则随着雷达的前进将形成等效的线形阵列天线。合成孔径雷达的分辨率，在成像雷达照射的范围内，被照射的两个目标在距离和方位向都相隔一定的距离。合成孔径雷达分辨率是描述合成孔径雷达在空间上相邻目标的最小距离，对于确定系统分辨率及对分辨率范围变量的认识是确定所使用传感器可行性的重要考虑。合成孔径雷达分辨率的概念也定义了能分离目标、并能作为独立目标识别的距离。合成孔径雷达分辨率定义在两个方向上：即与载机平台飞行方向平行和垂直的方向。平行于合成孔径雷达飞行方向的分辨率称为方位向分辨率，垂直于飞行方向的分辨率称为距离向分辨率。对任何雷达系统而言，由距离分辨率和方位分辨率所确定的单元称为分辨单元。合成孔径雷达的方位向分辨率是指雷达能够区分的不同方位同一距离的两个目标的能力。在方位向，SAR的分辨率来源于回波方位向的多普勒历程，平台与照射区目标的相对位置变化，使回波的多

普勒频率随时间而变化，可以证明其变化规律为二次曲线。将此信号通过匹配滤波器，校正非线性变化的相位值，然后叠加，将在匹配滤波器的输出端得到“压缩”后的信号，显然，这一运算过程就是合成孔径原理要求的信号处理过程。如果真实天线尺寸为D ，则其波束宽度β为，D /λβ= (2-1)式中 λ——雷达波长。如果天线口面场分布不均匀，则上式还应乘一个因子K 。如果宽度为β的波束在距离R 处得辐照宽度为s L ，则有R L s β= (2-2)此即形成的等效天线阵列的最大长度，成为合成孔径长度(对每一目标而言)。长度为s L 的合成孔径雷达天线阵的波束宽度

s s L /λβ= (2-3)

由于s L 比D 大许多倍，合成孔径雷达天线阵列的波束宽度s β将比真实天线的波束宽度β小许多倍。也就是说，雷达的角分辨率将大为改善，把此角分辨率折算成距离R 处的方位向分辨率

2/D R s x ==βρ (2-4)

方位向分辨率x ρ只和天线尺寸有关，天线的尺寸越小，方位向分辨率越好，而与波长、距离无关。

1951年6月，美国的威利首先提出可以用频率分析的方法改善雷达的角分辨率。雷达以速度V0匀速前进，雷达发射宽度为β的波束，波束与航迹的夹角为θ。在距离R 处有目标A 和B ，分别处在波束两边。由于A 、B 两目标相对于雷达的径向速度不同，它们回波的多普勒频移是有差别的。用d f ?表示这两个目标的多普勒频差，则有

βθ*sin *)2(00f c v f d =? (2-5)

式中 c ——光速；

0f ——雷达发射频率。 威利认为，只要观察时间d f T ?>?1，则区分这两个目标的多普勒频差是可能的(至少理论上可以)，这就能改善雷达的角分辨率。他还指出，如果波束垂直于航迹(正侧视，2/πθ=)，则目标回波的多普勒频率接近于零，但多普勒频率变化率最大，因此能得到最好的角分辨率。

合成孔径雷达的距离向分辨率是指雷达能够区分的同一方位不同距离的两个目标的能力。

从雷达出现的早期，人们从实践中总结出：雷达的距离分辨率由雷达发射脉冲决定。如果雷达发射脉冲宽度用τ表示，则雷达距离向分辨率为

2/τρc R = (2-6)

式中 c ——光速。

我们知道雷达总是伴有噪声同时出现，对于在平稳高斯噪声检测单一目标这类简单问题，接收机的最佳化将得到匹配滤波器。按这一理论，雷达距离向分辨率将由雷达信号宽带s f ?,决定，且有

s R f c

?=2ρ (2-7)

根据这个理论，人们努力寻找这样的波形，LFM 信号既具有较大的带宽s f ?，以便能得到较好的距离向分辨率；又具有较大的持续时间τ，以便获得较大的平均功率，从而获得较大的雷达作用距离。人们很快发现，如果对一宽带信号(如果此宽带信号各频谱分量同相，则他的持续时间τ将是很窄的)各频谱分量附加一随频率作非线性变化的相位值，此宽带信号将具有很长的持续时间，以满足前述要求。这种附加非线性相位的过程称为信号的展宽过程，将展宽后的信号通过匹配滤波器，校正非线形相位使之同相，在匹配滤波器输出端将得到窄脉冲信号，这个过程称为脉冲压缩。最早加以研究并获得使用的脉冲压缩信号就是线形调频信号。线形调频信号具有平方率的相位频率关系，经过匹配滤波器的压缩，可以输出窄脉冲。总之，采用脉冲压缩波形，相对于原来的宽脉冲而言，由于通过匹配滤波器的压缩，大大改善了雷达距离向的分辨率。合成孔径雷达的原理和脉冲压缩的共同性还表明，角分辨率的改善和点目标横过天线波束时产生的最大多普勒频带宽有关。正如距离分辨率反比于信号频带宽度一样，多普勒带宽越宽，角分辨率改善越大。线性调频信号及匹配滤波器，合成孔径雷达是一种高分辨率成像雷达，能够实现二维高分辨率成像。雷达在匀速直线运动的同时以一定的脉冲重复频率发射并接收信号。在距离向，它利

用发射大时间带宽积的线性调频信号，采用脉冲压缩技术获得高分辨率；而方位向的高分辨率则是通过天线相对于目标的运动以及信号处理来获取。SAR 最常见的调制信号是线性调频(Linear Frequency Modulation)信号,接收时采用匹配滤波器(Matched Filter)压缩脉冲[8]。采用宽脉冲发射以提高发射的平均功率，保证足够大的作用距离；而接收时采用相应的脉冲压缩算法获得窄脉冲，以提高距离向分辨率，较好的解决雷达作用距离与距离分辨率之间的矛盾。LFM 信号的特点是具有二次型的非线性相位谱和线性频率谱，即频率具有线性特性，是具有矩形包络的宽脉冲信号。它通过线性频率调制来获得大的时宽带宽积。LFM 信号(也称Chirp 信号)的数学表达式为：

)2(22)()(t K ft j e T t rect t s +=π (2-8)

式中 c f ——载波频率，

()t rect T ——矩形信号，

?????≤≤=其余当022-1)(T t T T t rect

(2-9) T B

K =，是调频斜率，信号的瞬时频率为

)22(T t T Kt f c ≤≤-+，如图2-3。

将式(2-8)中的up-chirp 信号重写为： t f j c e t S t s π2)()(= (2-10)

式中 )(t S ——信号s(t)的复包络，

2)()(t

K j e T t rect t S π= (2-11)

由傅立叶变换性质，S(t)与s(t)具有相同的幅频特性，只是中心频率不同而已，其时域波形和幅频特性，如图2-4所

示。在信号系统中，信号总是信息传递的手段[1,9]。对于研究雷达分辨率而言，信号所取的形式关系很大。在雷达中经常遇到的窄带信号，即信号带宽远低于信号的中心频率。通常雷达信号可表示成调制载波形式，即有)](cos[)()(t t w t a t s c φ+=。如果)(t s 是窄带信号，则)(t a 必为时间t 的渐变函数(相对于c w 的变化而言)。此时)(t a 被认为是快速震荡函数)](cos[t t w c φ+的包络。反之，如果和t w c cos 相比，)(t a 是时间t 的快变函数，则)(t s 将具有宽频带，这时不能再将)(t a 看作是振荡的包络。通常称为上式中的)(t φ为相位函数，如果)(t s 为窄带信号，则)(t φ随时间t 的变化与t w c 相比是渐慢的。信号能量包括两部分：包络能量和载频c w 引起的变化项。对于窄带信号而言，由于)(t a 和)(t φ是时间t 的渐变函数，窄带信号的相位调制，既不会引起包络变形，亦不会改变信号的能量。

从希望在接收机输入端获得最大信噪比这一要求出发，可推出匹配滤波器。匹配滤波器最早是由诺斯于1943年提出。匹配滤波器所追求的是输出最大信噪比，而不是保持输出信号不失真。匹配滤波器对信号波形加工后，输出信号)(0t s 不再保持输入信号)(t s i 的形状，输出信号的波形是输入信号的自相关积分。正是由于这种变形，才使信号峰值尽可能突出于噪声之上达到最大的信噪比。

所谓脉冲压缩，是指将大时宽的宽频带信号通过匹配滤波处理得到能量集中的窄脉冲。这样可以同时改善雷达的作用距离和提高距离分辨率。

为了使压缩后的信号具有线性相位，匹配滤波器的相频特性与信号要共轭匹配。匹配滤波器的时域表达式如下：

*0()()h t s t t =- (2-12)

式中 0t ——使滤波器物理可实现所附加的时延。理论分析时，可令00=t ，

*()()h t s t =- (2-13)

将式(2-8)代入式(2-13)得:

22()()c j f t

j Kt t h t rect e e T ππ-=?

(2-14)

图2-5 LFM 信号的匹配滤波

)(t s 经过系统)(t h 得输出信号)(0t s ，

???∞∞----∞∞-∞∞

--?=-=-==du e T u t rect e e T u rect e du u t s u h du u t h u s t h t s t s u t f j u t K j u f j Ku j c c )(2)(20)()()()()()()

(*)()(22ππππ(2-15)

通过计算可得：

t

f j c e T t rect KTt t

T t KT T t s πππ20)2()1(sin )(-

= (2-16)

此式即为LFM 脉冲信号经匹配滤波器得输出,它是一固定载频c f 的信号。当t T ≤时，包络近似为辛克)(sin c 函数。

)2()()2()()(0T t rect Bt TSa T t rect KTt TSa t s ππ== (2-17) 用频率分析的观点分析合成孔径原理，我们介绍用频率分析的观点分析合成孔径原理。图2-6画出了带状成像合成孔径雷达的基本几何关系。为了清楚起见，我们选择包含航线及点目标P 的斜平面，并选择载机前进方向为x 方向，与之垂直的为斜距R 方向建立坐标系，于是得到图2-7所示图形，雷达天线的水平波束角为β。由于图2-7取自图2-6的xR 平面，图2-7所示，水平夹角严格来说不等于β而将小于β，但是由于合成孔径雷达斜距较长，这个差别是很小的，一般可以不考虑，图2-7中，当载机处在位置1时，波束刚刚触及点目标P ；当载机运动到位置2时，P 点正好处在波束中心；当载机运动到位置3时，P 点刚刚要离开波束。点目标的x 坐标记作X ,载机的x 坐标记作x 。时间起始点这样选择：当0=t 时，载机位置0=x ，于是有

t v x a = (2-18)

式中 a v ——载机前进的速度。

基于Matlab基本图像处理程序

图像读入 ●从图形文件中读入图像 imread Syntax: A = imread(filename, fmt) filename：指定的灰度或彩色图像文件的完整路径和文件名。 fmt:指定图形文件的格式所对应的标准扩展名。如果imread没有找到filename所制定的文件,会尝试查找一个名为filename.fmt的文件。 A：包含图像矩阵的矩阵。对于灰度图像,它是一个M行N列的矩阵。如果文件包含 RGB真彩图像,则是m*n*3的矩阵。 ●对于索引图像，格式[X, map] = imread(filename, fmt) X：图像数据矩阵。 MAP：颜色索引表 图像的显示 ●imshow函数：显示工作区或图像文件中的图像 ●Syntax： imshow(I) %I是要现实的灰度图像矩阵 imshow(I,[low high]，param1, val1, param2, val2,...) %I是要现实的灰度图像矩阵，指定要显示的灰度范围，后面的参数指定显示图像的特定参数 imshow(RGB) imshow(BW) imshow(X,map) %map颜色索引表 imshow(filename) himage = imshow(...) ●操作：读取并显示图像 I=imread('C:\Users\fanjinfei\Desktop\baby.bmp');%读取图像数据 imshow(I);%显示原图像 图像增强 一．图像的全局描述 直方图（Histogram）：是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。 图像直方图（Image Histogram）：是表示数字图像中亮度分布的直方图，用来描述图象灰度值，标绘了图像中每个亮度值的像素数。 灰度直方图：是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图 像中某种灰度出现的频率。描述了一幅图像的灰度级统计信息。是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 归一化直方图：直接反应不同灰度级出现的比率。纵坐标表示具有各个灰度级别的像

数字图像处理程序若干(matlab)

主程序 clear all close all clc !echo 本次图像处理的菜单如下:! !echo 1,imgsharping! !echo 2,imgnegative! !echo 3,imgsmoothing! !echo 4,imgsubtracting! !echo 5,medianfilting! !echo 6,contraststrength! !echo 7,lineartransform! !echo 8,imgfilp! !echo 9,imgindextransform! iptsetpref('ImshowBorder', 'tight') a=1; img = imread('C:\Users\huanhuan\Desktop\司马.jpg'); figure(1), imshow(img); while(a==1) choose=input('please enter your choosing ranging from 1 to 9: '); switch choose case 1, imgsharping(img); case 2, imgnegative(img); case 3, imgsmoothing(img); case 4, imgsubstract(img); case 5, medianfilting(img); case 6, contraststrength(); case 7, lineartransform(); case 8, imgfilp(img); case 9, imgindextransform(); otherwise disp('Unknown method.'); end a=input('continue(1) or quit(2)');

数字图像处理教学大纲(2014新版)

数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源

1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作

图像处理基础概念

图像处理基础概念

2.2 图像基本概念 2.2.1 像素与灰度 像素和分辨率在计算机中，有两个大家都熟悉的概念：像素（pixel）和分辨率（resolution）。我们将图像进行采样的单位称为像素，像素是是组成图像的最基本元素，是数字图像显示的基本单位。像素是一个逻辑尺寸单位，比如一台计算机，其屏幕大小为17英寸，可以用800行*1280列个像素（格子）来显示桌面的图像，也可以用768行*1024列来显示桌面图像，不过显示的图像的清晰度会有差别。在计算机编程中，由像素组成的图像也通常叫“位图”或“光栅图像”。而分辨率狭义的是指显示器所能显示的像素的多少，当用户设置桌面分辨率为1280*800时，表示的意思就是在这个屏幕大小的物理尺寸上，显示器所显示的图像由800行*1280列个像素组成；可以看出，在同样大小的物理尺寸上，分辨率越高的图像，其像素所表示的物理尺寸越小，画面也就越精细，整个图像看起来也就越清晰。广义的分辨率是指对一个物体成像数字时化时进行采样的物理尺寸的大小，比如我们嫦娥一号卫星拍摄的月亮的照片，其分辨率是个很大的数（通常称分辨率很低），如几千平方公里，意思是说，在拍摄的月球的照片上，一个像素点相当于月球上几千公里见方。 2.2.2 采样量化 将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔径的大小是两个很重要的参数。当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的问题。关于这一点，图像包含何种程度的细微的浓淡变化，取决于希望忠实反映图像的程度。 经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用计算机进行处理。将像素灰度转换成离散的整数值的过程叫量化。表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。一幅数字图像中不同灰度级的个数称为灰度级数，用G表示。灰度级数就代表一幅数字图像的层次。图像数据的实际层次越多视觉效果就越好。一般来说，G=2g，g就是表示存储图像像素灰度值所需的比特位数。若一幅数字图像的量化灰度级数G=256=28级，灰度取值范围一般是0~255的整数，由于用8bit就能表示灰度图像像素的灰度值，因此常称8 bit 量化。从视觉效果来看，采用大于或等于6比特位量化的灰度图像，视觉上就能令人满意。一幅大小为M×N、灰度级数为G的图像所需的存储空间，即图像的数据量，大小为M×N×g （bit）。 图2.4 分辨率与图像清晰度图2.5 量化等级与图像清晰度

图像处理过程

图像处理过程 图像处理作为小车走迷宫过程中获得信息的第一过程，对于小车的计算路径和确认位置起到了根本的作用，经过了对于OPENCV和LABVIEW两种软件的了解，我们发现虽然OPENCV 在图像处理方面确实十分强大，但是其扩展性与易用性均不如LABVIEW来的好，我们权衡利弊，决定使用LABVIEW进行对于图像的处理。 LABVIEW以其强大的虚拟仪器库著称，我们在本次小车图像处理中用到了以下的组件： 1. https://www.wendangku.net/doc/1f15403621.html,bview 8.2 2. 3. 4. NI-IMAQ FOR USB* *对于XP SP2系统还需要加载ImaqDirectShowDll.dll、ImaqDirectShowExportDll.dll 图像处理部分分为主要由以下几个部分组成的： 1.图像采集 2.图像阈值分析和转化 3.迷宫出入口检测与小车检测 4.迷宫转化成数组（提供给迷宫算法的接口） 在Labview中我们可以很容易的利用其本身就拥有的扩展库来完成以上的操作，下面对于我们的图像处理程序进行介绍： 1.图像采集 我们组在图像采集部分采用的是动静结合的方法，即先采集一张静态的迷宫图像，通过这个图像，标定出迷宫出入口和小车初始位置，事先计算出小车应该走的路径，之后在小车开始行动之后进行动态采集，分析小车的位置，再对比算出的位置与之前的最短路径来确定小车如何行动。相对于其他组利用OPENCV进行的动态采集，需要不断的计算路径和修正小车方向，我们的方法大大减少了运算量，也减少了小车卡在角落的可能。 静态采集较为简单，可以通过外部软件获取图像，也可以直接调用Labview中NI-IMAQ组件的相关函数来进行单次的采集，在这里我们利用的是Labview中NI-IMAQ相关函数 结合上图来看，先枚举摄像头利用IMAQ USB Enumerate Cameras，然后对摄像头初始化IMAQ USB Init，分配空间并设置基础IMAQ USB Grab Setup，最后进行采集图像IMAQ USB Grab Acquire。 当需要进行动态采集的时候，只需要把采集的部分即IMAQ USB Grab Acquire进行一个循环就可以了。 2.图像降噪和阈值分析（图像二值化） 图像采集完毕之后，必须要进行二值化才能继续进行操作，因为摄像头和光线条件的限制等原因，图像采集之后会有大量的噪点存在，二值化之后可能会在路径上产生黑斑影响计算，而我们想到如果迷宫计算不是采用寻找路径的方法而是采用检测出墙壁进行计算的方法，就可以很好的避免大量噪点的问题。对于阈值分析Labview中同样有合适的函数可以进行 利用IMAQ ColorThreshold，我们可以调整各种颜色阈值来将图像二值化，如下图所示： 其中族控制输入三个阈值的数据，255是二值化后的灰度。 3.迷宫出入口的检测与定标。 在计算中我们把迷宫转化成了一个矩阵，但是图的边界不一定是迷宫的边界，我们需要手动标定出迷宫的边界，这是就需要用到IMAQ Select Point，通过鼠标点选选出迷宫的边界（角）的坐标，如下图所示。

通过MATLABGUI实现图像处理软件的开发

Computer Knowledge and Technology 电脑知识 与技术本栏目责任编辑：谢媛媛 软件设计开发第7卷第25期(2011年9月)通过MATLAB GUI 实现图像处理软件的开发 张敏1，洪汉玉2 （1.武汉工程大学电气信息学院，湖北武汉430205；2.武汉工程大学机电工程学院，湖北武汉430205） 摘要：数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。图像处理的信息量很大，对处理速度的要求也比较高。Matlab 具有强大的运算和图形展示功能，使图像处理变得更加的简单和直观。该文主要介绍了基于MATLAB 的图形用户界面（Graphical User Interfaces,GUI ）来制作图像处理软件的基本过程，该文首先简单介绍下MATLAB 的GUI 与GUIDE ；其次，介绍了GUIDE 的模板及其基本操作方法；最后，介绍了通过MATLAB GUI 实现图像处理软件的开发方法。该文开发的图像处理软件可以实现的基本功能有：常用的边缘检测以及彩色图片的灰度化。关键词：图形用户界面；图形用户界面开发环境；灰度图片；图像处理；边缘检测 中图分类号：TP317.4文献标识码：A 文章编号：1009-3044(2011)25-6156-02 The Realization of Image Processing Software Development by MATLAB GUI ZHANG Min 1,HONG Han-yu 2 (1.School of Electrical and Information Engineering,Wuhan Institute of Techonlogy,Wuhan 430205,China;2.School of Mechanical and Electrical Engineering,Wuhan Institute of Techonlogy,Wuhan 430205,China) Abstract:Digital image processing is a technology that using computer to process images through a certain algorithm.There is a large amount of information to process in image processing,the requirements of the speed of processing is even higher.Matlab has powerful func -tions of computing and graphics display,which makes image processing become more simple and visual.This paper mainly introduces the MATLAB based graphical user interface (Graphical User Interfaces,GUI)to make the image processing software the basic process.This pa -per first briefly under the MATLAB GUI and GUIDE;secondly,introduced the GUIDE template and the basic method of operation;fi -nally,introduced by MATLAB GUI realize image processing software development method.In this paper the development of image pro -cessing software can achieve the basic functions are:the commonly used edge detection and color images of gray. Key words:GUI;GUI development environment;gray Image;image processing;edge detection 数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。Matlab 强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文基于MATLAB 的数字图像处理环境，通过MATLAB GUI 实现图像处理软件的开发设计，实现了一个图像处理系统，通过利用Matlab 的工具函数和多种算法实现对图形图像边缘检测的处理。对图像分析和理解而言，基本的就是图像分割和区域描述，图像分割部分是图像识别的基础。 1GUIDE 的操作界面使用方法及GUI 的设计介绍 图形用于界面（GUI ）是提供人机交互的工具和方法。GUI 是包含图形对象（如窗口、图标、菜单和文本）的用户界面。MATLAB 的GUI 为开发者提供了一个不脱离MATLAB 的开发环境，有助于MATLAB 程序的GUI 集成。在MATLAB 中的GUIDE 就是图形用户界面开发环境（Graphical User Interface Development Environment ），它向用户提供了一系列的创建用户图形界面的工具。这些工具大大简化了GUI 设计和生成的过程。 下面对GUIDE 的操作界面及使用方法做一简单介绍。 在命令窗口中直接键入guide ，启动GUIDE ，利用GUIDE 模板创建 GUI ，或者打开已经存在的GUI ，GUIDE 把GUI 设计的内容保存在两个文 件中，它们在第一次保存或运行时生成。一个是FIG 文件，扩展名为．Fig ， 它包含对GUI 和GUI 组件的完整描述；另外一个是M 文件，扩展名为.M ， 它包含控制GUI 的代码和组件的回调事件代码。这两个文件与GUI 显示 和编程任务相对应。在版面设计器中创建GUI 时，内容保存在FIG 文件 中；对GUI 编程时，内容保存在M 文件中。用GUIDE 版面设计器，根据设 计需要：首先拖拽两个图形窗口（Axes ），一个作为待处理图片区域，另一个 作为已处理图片区域；其次，拖拽五个电子按钮（Radio Button ），作为边缘 检测操作按钮；第三，拖拽五个按钮（Push Button ），作为输入等的按钮；最 收稿日期：2011-07-26 基金项目：国家自然科学基金资助（61175013；50975211） 作者简介：张敏（1964-），男，湖北武汉人，副教授，工程硕士，研究方向为过程控制及系统仿真。 图1图像处理软件的GUIDE 版面E-mail:xsjl@https://www.wendangku.net/doc/1f15403621.html, https://www.wendangku.net/doc/1f15403621.html, Tel:+86-551-56909635690964ISSN 1009-3044 Computer Knowledge and Technology 电脑知识与技术Vol.7,No.25,September 2011.6156

数字图像处理程序

数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)

imshow(I) J=find(I<150); I(J)=0; J=find(I>=150); I(J)=255; title(' 实验一（4）图像二值化 ( 域值为150 ） '); subplot(2,2,2) imshow(I) clc; I=imread('14499.jpg'); bw=im2bw(I,0.5);%选取阈值为0.5 figure; imshow(bw) %显示二值图象 图象处理变换（二） 1．傅立叶变换 熟悉其概念和原理,实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布. 2．离散余弦变换 熟悉其概念和原理,实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换. % 图象的FFT变换 clc; I=imread('005.bmp'); subplot(1,2,1) imshow(I); title('原图'); subplot(1,2,2) imhist(I); title('直方图'); colorbar; J=fft2(I); figure; subplot(1,2,1) imshow(J); title('FFT变换结果'); subplot(1,2,2) K=fftshift(J); imshow(K);

图像处理基础知识

网络域名及其管理 【教材分析】 本节课是浙江教育出版社出版的普通高中课程标准实验教科书《信息技术基础》第三章第三节的内容。教材内容分图像的几个基本概念和图像的编辑加工两部分。基本概念有：像素、分辨率、位图和矢量图、颜色、图形与图像、文件格式。其中“像素和分辨率”旨在让学生了解描述数字图像的基本概念；“位图和矢量图，图形和图像”重在要求学生分清这两组概念；“颜色”阐述了用计算机三原色描述和存储数字图像颜色的原理，学生应该学会计算一幅图像的存储空间。“文件格式和图像的编辑加工”旨在让学生了解常见的图像文件格式及简单的图像编辑加工。因此不作为教学的重点。由此可见，本节课内容重在概念原理和技术深层思想的探析，为学生今后进一步学习图像的编辑加工奠定了基础。同时，这部分知识也是对第一章“信息的编码”学习的一个承接，在内容上强化了多媒体信息的编码与二进制编码的对应关系。当然，在这些概念的学习中都体现了“由简单到复杂”这一人类认识事物的基本规律和“逐步细化”这一信息技术解决问题的基本思路，都体现了问题解决与“技术更好地为人服务”的基本思想。 【学情分析】 本节课的学习对象为高一学生。通过第一章的学习，他们已经能够掌握信息的编码及二进制的相关知识。但调查发现，对于具体的图像在计算机市如何表示的，学生还只是有一个大概的了解，知道是用二进制表示的。作为必修课的学习，学生对于信息技术不仅要“知其然”，更重要的是“知其所以然”，也即要理解相关技术原理，技术思想以及研究问题的方法。而理解的目的则是为了更好联系日常生活，更好的的应用。基于上述分析，引领他们探究数字图像的基础知识、训练解决信息技术问题的方法。 【课时安排】一课时 【教学目标】 （一）知识与技能 1.了解像素掌握图像分辨率的概念。 2.掌握数字图像颜色的表示方法及存储空间的大小。 3. 了解位图和矢量图，图像和图形的不同。 4. 了解图像文件的文件格式。 5. 在操作体验的基础上理解像素及颜色的表示。 （二）过程与方法 通过教师讲解、自主探究、讨论交流和操作实践，掌握像素、分辨率、数字图像的颜色的表示方式，进而能够运用这些知识分析、解决现实生活中碰到的实际问题。 （三）情感态度与价值观 结合ps图像的讲解训练，培养灌输学生的法制观念提高学生的网络道德水平。 【教学重点】 分辨率的定义及现实生活中的分辨率的使用；。 【教学难点】 数字图像颜色的表示及存储方法 【教学策略】

《数字图像处理》习题参考答案

《数字图像处理》习题参考答案 第1 章概述 连续图像和数字图像如何相互转换答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 # 采用数字图像处理有何优点答：数字图像处理与光学等模拟方式 相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 数字图像处理主要包括哪些研究内容答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 ] 讨论数字图像处理系统的组成。列举你熟悉的图像处理系统并分析它们的组成和功能。 答：如图，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的 信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。 。 $ 图数字图像处理系统结构图 1

常见的数字图像处理开发工具有哪些各有什么特点 答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有相互间的软件接口。 Microsoft 公司的VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开发出来的Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 提供的动态链接库支持BMP、JPG、TIF 等常用6种格式的读写功能。 MATLAB 的图像处理工具箱M ATLAB 是由M athWorks 公司推出的用于数值计算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和操作功能，力求使人们摆脱繁杂的程序代码。MATLAB 图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可以完成大部分图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重复劳动。MATLAB 图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法，如图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值图像处理、小波分析、分形几何、图形用户界面等。但是，MATLAB 也存在不足之处限制了其在图像处理软件中实际应用。首先，强大的功能只能在安装有M ATLAB 系统的机器上使用图像处理工具箱中的函数或自编的m文件来实现。其次，MATLAB 使用行解释方式执行代码，执行速度很慢。第三，MATLAB 擅长矩阵运算，但对于循环处理和图形界面的处理不及C++等语言。为此，通应用程序接口A PI 和编译器与其他高级语言（如C、 C++、Java 等）混合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API 支持 MATLAB 与外部数据与程序的交互。编译器产生独立于M ATLAB 环境的程序，从而使其他语言的应用程序使用MATLAB。 常见的数字图像应用软件有哪些各有什么特点答：图像应用软件是可直接供用户使用的商品化软件。用户从使用功能出发，只要了解 软件的操作方法就可以完成图像处理的任务。对大部分用户来说，商品化的图像应用软件无需用户进行编程，操作方便，功能齐全，已经能满足一般需求，因而得到广泛应用。常用图像处理应用软件有以下几种： 1．PHOTOSHOP：当今世界上一流的图像设计与制作工具，其优越性能令其产品望尘莫及。PHOTOSHOP 已成为出版界中图像处理的专业标准。高版本的 PHOTOSHOP 支持多达 20 多种图像格式和TWAIN 接口，接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP 支持多图层的工作方式，只是 PHOTOSHOP 的最大特色。使用图层功能可以很方便地编辑和修改图像，使平面设计充满创意。利用PHOTOSHOP 还可以方便地对图像进行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式的转换、改变图像的尺寸和分辨率、制作网页图像等。 2．CorelDRAW：一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是由象素组成的，与其相对，矢量式图像以几何、色彩参数描述图像，其内容以线条和色块为主。可见，采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富色调的自然景物，数据量较大；而矢量式图像强于表现线条、色块的图案，数据量较小。合理的利用两种不同类型的图像表现方式，往往会收到意想不到的艺术效果。CorelDraw是 2

数字图像处理程序

数字图像处理程序

数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)

(完整版)卫星图像处理流程

卫星图像处理流程 一．图像预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 图1 消除噪声前

图2 消除噪声后 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。 图3 去条纹前

图4 去条纹后 图5 去条带前

图6 去条带后 2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正 通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。（1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。

数字图像处理软件开发设计报告.docx

专业文档 数字图像处理软件开发设计报告

目录实验一、读取图像、显示图像和保存图像 实验二、图像的灰度变换、取反和二值化处理实验三、直方图均衡 实验四、图像锐化 实验五、图像的平滑滤波 实验六、图像的正交变换 实验七、高频强调滤波增强图像 实验八、陷波滤波器增强图像 实验九、消除匀速运动造成的图像模糊 实验十、图像的几何变换 实验十一、二维离散傅里叶变换性质验证 实验十二、用领域平均法平滑彩色图像 实验十三、图像的伪彩色处理

实验一、读取图像、显示图像和保存图像 一、实验目的和内容 1.通过本次实验，了解和熟悉 matlab 的实验环境，掌握图片的读取、显示、存储的方法。 2. 利用 imread() 函数读取一幅图像，假设其名为lily.tif，存入一个数组中。 3．利用 imshow() 函数来显示这幅图像。 二、实验原理（技术探讨） 1.在 matlab 环境中，程序首先读取图像，然后调用直方图函数， 设置相关参数，再输出处理后的图像。 读取图像 subplot(1,2,1),imshow(I）%输出图像 title('原始图像 ')% 在原始图像中加标题 2.启动 matlab 双击桌面 matlab 图标启动 matlab 环境； 在matlab 命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用 matlab 自带的图像，如 :cameraman 图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像； 浏览源程序并理解含义； 运行，观察显示结果；结 束运行，退出

三、实验程序及结果 1.实验程序 I=imread( ' 实验一 .jpg' ); x=rgb2gray(I); figure(1) subplot(1,2,1); imshow(I); title(' 原始图像 ' ); subplot(1,2,2); imshow(x); title(' 灰度图像 ' ); 2.实验结果

matlab数字图像处理程序

数字图像处理程序 实验一 1、图像的缩放： A=imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); subplot(311); imshow(A); title('原图') B=imresize(A,3); subplot(312); imshow(B); title('三倍图'); C=imresize(A,0.5); subplot(313); imshow(C); title('二分之一图'); 2、图像的镜像: A1=imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); figure subplot(2,2,1), imshow(uint8(A1)); H=size(A1); title('原像') A2(1:H(1),1:H(2),1:H(3))=A1(H(1):-1:1,1:H(2),1:H(3));%垂直镜像subplot(2,2,2), imshow(uint8(A2)); title('垂直镜像') A3(1:H(1),1:H(2),1:H(3))=A1(1:H(1),H(2):-1:1,1:H(3));%水平镜像subplot(2,2,3), imshow(uint8(A3)); title('水平镜像') A4(1:H(1),1:H(2),1:H(3))=A1(H(1):-1:1,H(2):-1:1,1:H(3));%对角镜像subplot(2,2,4), imshow(uint8(A4)); title('对角镜像') 3、图像的旋转： I = imread('F:\MATLAB程序\数字图像处理实验\kunkun.jpg'); subplot(141); imshow(I); title('原图'); theta1 = 45;%旋转的角度为45度 K1 = imrotate(I,theta1); % 对图像进行旋转 subplot(142);

用matlab数字图像处理四个实验

数字图像处理 实验指导书

目录 实验一MATLAB数字图像处理初步实验二图像的代数运算 实验三图像增强-空间滤波 实验四图像分割 3

实验一 MATLAB数字图像处理初步 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像间如何转化。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类： ?亮度图像(Intensity images)

数字图像处理代码大全

1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]的灰度拉伸为[0 1]

subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1);

图像预处理流程

图像预处理流程： 图2.2图像预处理流程图 2.2系统功能的实现方法 系统功能的实现主要依靠图像处理技术，按照上面的流程一一实现，每一部分的具体步骤如下： 1原始图像：由数码相机或其它扫描装置拍摄到的图像； 2预处理：对采集到的图像进行灰度化、图像增强，滤波、二值化等处理以克服图像干扰； 3字轮定位：用图像剪切的方法获取仪表字轮； 4字符分割：利用字符轮廓凹凸检测定位分割方法得到单个的字符； 5字符识别：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的仪表示数。

2.3.1 MATLA B简介 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB 爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。 2.3.2 MATLAB的优势和特点 1、MATLAB的优势 (1)友好的工作平台和编程环境 MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。