Загальний огляд основних методів та алгоритмів обробки даних

Содержание

Слайд 2

3. Операції із зображеннями: точкові операції

3. Операції із зображеннями: точкові операції

Слайд 3

величина зареєстрованого сигналу в пікселі x, якій знаходиться в рядку і та

величина зареєстрованого сигналу в пікселі x, якій знаходиться в рядку і та
стовбці j (xij) дорівнює yij, тоді розподіл контрасту по площі знімку буде визначатися:

Розподіл певної кількості пікселів x з фіксованим контрастом y на рівні hi(x) має назву гістограми зображення

Розподіл щільності фототону зображення

Слайд 4

Терміни та визначення

ГІСТОГРАМА - функція, визначена на множині значень яскравості, областю значень

Терміни та визначення ГІСТОГРАМА - функція, визначена на множині значень яскравості, областю
якої є додатні цілі числа. Значенням функції f(L) у деякій точці є частота появи значення, яскравості, тобто кількість елементів (пікселів) зображення, які мають значення яскравості L

Слайд 5

Точкові операції із зображеннями

зміни гістограм зображень (розподілів щільності фототону), відповідно до певних

Точкові операції із зображеннями зміни гістограм зображень (розподілів щільності фототону), відповідно до
законів – точкові операції із зображеннями:

лінійне збагачення контрасту

логарифмічне/експоненційне збагачення контрасту

Застосування процедури лінійного збагачення контрасту

Гістограма зображення після процедури експоненційного збагачення контрасту

Слайд 6

Точкові операції із зображеннями

Схема процедури гаусового збагачення контрасту

гаусова підгонка гістограм (виходячи із

Точкові операції із зображеннями Схема процедури гаусового збагачення контрасту гаусова підгонка гістограм
статистичних параметрів розподілу щільності фототону)

Слайд 7

балансові методи збагачення контрасту

Зображення Landsat ETM після застосування процедури балансового збагачення

балансові методи збагачення контрасту Зображення Landsat ETM після застосування процедури балансового збагачення
контрасту за параболічним законом (Balance Contrast Enhancement Technique - BCTE)

Точкові операції із зображеннями

Слайд 8

3. Операції із зображеннями: алгебраїчні операції

3. Операції із зображеннями: алгебраїчні операції

Слайд 9

Алгебраїчні операції із зображеннями

Алгебраїчні операції, або точкові операції з багатьма зображеннями, це

Алгебраїчні операції із зображеннями Алгебраїчні операції, або точкові операції з багатьма зображеннями,
застосування арифметичних, логарифмічних, експоненційних, або тригонометричних функцій по відношенню до показників щільності фототону кожного пік селу різних шарів з утворенням нового зображення, тобто можуть бути визначені як:

де n – кількість шарів зображення або смуг знімання

Слайд 10

Алгебраїчні операції із зображеннями

додавання зображень

де w – вагові коефіцієнти, k -

Алгебраїчні операції із зображеннями додавання зображень де w – вагові коефіцієнти, k
масштабний фактор

віднімання зображень

Віднімання зображень Landsat TM: a) TM3-TM1 (глина); b) TM4-TM3 (рослинність); c) TM5-TM7 (оксиди заліза); d) композиція RGB = abc

Слайд 11

Алгебраїчні операції із зображеннями

множення зображень

Множення зображень Landsat TM: a) результат класифікації

Алгебраїчні операції із зображеннями множення зображень Множення зображень Landsat TM: a) результат
вхідного зображення; b) результат множення а) на розподіл інтенсивності вхідного зображення

Слайд 12

Алгебраїчні операції із зображеннями

ділення зображень

Ділення зображень Landsat TM: a) TM3/TM1; b)

Алгебраїчні операції із зображеннями ділення зображень Ділення зображень Landsat TM: a) TM3/TM1;
TM4/TM3; c) TM5/TM7; d) композиція RGB = abc

Слайд 13

Алгебраїчні операції із зображеннями

стандартизація по спектральним каналам

приведення по логарифмічній різниці

Алгебраїчні операції із зображеннями стандартизація по спектральним каналам приведення по логарифмічній різниці

Слайд 14

Терміни та визначення

ІНДЕКС – умовний показник, який обчислюється по емпіричній формулі; в

Терміни та визначення ІНДЕКС – умовний показник, який обчислюється по емпіричній формулі;
результаті арифметичних операцій над яскравостями пікселів космічного зображення (знімку) обчислюється деякий показник (індекс), який дає числову імовірнісну оцінку наявності на поверхні Землі певних речовин, матеріалів (рослинності, мінералів і т. ін.)

Слайд 15

Алгебраїчні операції із зображеннями

отримання спектральних індексів і кероване покращення якості

нормалізований диференційний

Алгебраїчні операції із зображеннями отримання спектральних індексів і кероване покращення якості нормалізований
вегетаційний індекс

індекс відношення оксиду заліза

Крім того, вивчають розподіл сигналу на зображенні по відношенню до стандартного спектру випромінювання (сонячного чи модельних поверхонь), а також по відношенню до стандартизованих даних спостережень (наприклад, по відношенню до ETM, ASTER, MODIS тощо)

Слайд 16

Спектральний індекс відношення глини за даними Landsat TM

Спектральний індекс відношення оксиду заліза

Спектральний індекс відношення глини за даними Landsat TM Спектральний індекс відношення оксиду
за даними Landsat TM

Спектральні індекси

Слайд 17

4. Просторово - частотні методи обробки зображень: фільтрація зображень

4. Просторово - частотні методи обробки зображень: фільтрація зображень

Слайд 18

Фільтрація є дуже важливою частиною обробки цифрових зображень. Фільтрація базується на аналізі

Фільтрація є дуже важливою частиною обробки цифрових зображень. Фільтрація базується на аналізі
близькості значень характеристик пікселів і тим відрізняється від простих точкових операцій.

Фільтрація базується на вивченні та трансформуванні просторового скручування (перетворенні функції згортки) ансамблю різночастотних хвиль, що складають спектральний відгук від об’єктів спостереження

Фільтрація

Слайд 19

Оптична система з Фур’є трансформацією

Іконічний фільтр на основі оптичної системи з Фур’є

Оптична система з Фур’є трансформацією Іконічний фільтр на основі оптичної системи з
трансформацією

Перетворення Фур’є (Fourier Transformation - FT, Inversed Fourier Transformation - IFT) визначається:

Фільтрація Фур’є

обернена форма:

Слайд 20

Вхідне зображення f(x, y)

Частотний спектр Фур’є F (u, v)

Фільтрація Фур’є

також можна

Вхідне зображення f(x, y) Частотний спектр Фур’є F (u, v) Фільтрація Фур’є
записати:

Класична фільтрація базується на теоремі згортці, яка визначає властивості Фур’є – фільтрації для оптичних систем – згортку розподілу пікселів зображення f (x, y) та функцію точкового розподілу (point spread function – PSF, або гістограму) зображення h (x, y) як:

Слайд 21

Низькочастотна фільтрація

Низькочастотна фільтрація (low-pass filters / smoothing) або згладжування використовуються для видалення

Низькочастотна фільтрація Низькочастотна фільтрація (low-pass filters / smoothing) або згладжування використовуються для
з цифрових зображень високочастотних компонент спектру і таким чином, видалення шуму, при цьому, однак, втрачається детальність.

Основні фільтри: фільтр Гауса, медіанний фільтр, фільтр основної модуляції, умовний згладжувальний фільтр тощо

Фільтр Гауса визначається через стандартне відхилення розподілу фототону зображення σ:

Слайд 22

Низькочастотна фільтрація

Ступінь фільтрації залежить від σ та вікна фільтра: а) вхідне зображення;

Низькочастотна фільтрація Ступінь фільтрації залежить від σ та вікна фільтра: а) вхідне
b) фільтрація з розділенням 5Х5 пікселів; c) фільтрація з розділенням 9Х9 пікселів

Слайд 23

Високочастотна фільтрація

Високочастотна фільтрація (high-pass filters / edge enhancement) або підкреслювання країв використовується

Високочастотна фільтрація Високочастотна фільтрація (high-pass filters / edge enhancement) або підкреслювання країв
для видалення низькочастотної складової спектру цифрового зображення і, таким чином, підкреслювання ліній зміни контрастів.

Відповідно, цій метод базується на аналізі першої (градієнтна фільтрація) і другої (фільтр Лапласа) похідних розподілу фототону зображень.

градієнтний фільтр:

де , - одиничні вектори за напрямами x та y відповідно

фільтр Лапласа:

Слайд 24

Високочастотна фільтрація: градієнтний фільтр

Алгоритм градієнтної фільтрації базується на розрахунку простої різниці між

Високочастотна фільтрація: градієнтний фільтр Алгоритм градієнтної фільтрації базується на розрахунку простої різниці
показниками розподілу щільності фотонону розрахункового пікселу і сусідніх пік селів у вікні фільтрації, віднесеної до відстаней між ними:

Вхідне зображення а), і результати градієнтної фільтрації: b) gx, c) gy

Слайд 25

Високочастотна фільтрація: фільтр Лапласа

Фільтр Лапласа враховує всі наявні різниці між розрахунковим пікселом

Високочастотна фільтрація: фільтр Лапласа Фільтр Лапласа враховує всі наявні різниці між розрахунковим
f(x,y) та його оточенням у вікні фільтрації δx, δy:

Вхідне зображення а), b) – результат застосування фільтру Лапласа, с) – гістограма фільтрованого зображення

Слайд 26

Локальне збільшення контрасту

Ця процедура базується на значенні статистичних показників розподілів щільності фототону

Локальне збільшення контрасту Ця процедура базується на значенні статистичних показників розподілів щільності
зображень.
В найпростішому випадку використовується середнє значення по віконцю фільтрації та загальне середнє m0:

Існують інші алгоритми, що використовують додаткові статистичні показники (стандартне відхилення σ) та можливості параметричного контролю (параметр α):

Слайд 27

Локальне збільшення контрасту

Результати застосування процедури локального збільшення контрасту: а) вхідне зображення, b)

Локальне збільшення контрасту Результати застосування процедури локального збільшення контрасту: а) вхідне зображення,
результат застосування процедури, підкреслено текстуру зображення
Имя файла: Загальний-огляд-основних-методів-та-алгоритмів-обробки-даних.pptx
Количество просмотров: 109
Количество скачиваний: 0