不同遥感影像融合方法的比较研究
遥感影像分类方法及其比较分析
遥感影像分类方法及其比较分析遥感影像分类是一种将遥感影像中的像素划分为不同类别的过程。
它是遥感技术中最重要的应用之一，可以提供大量详细的地表信息，对于农业、林业、城市规划等领域具有广泛的应用价值。
本文将探讨几种常用的遥感影像分类方法，并对它们进行比较分析。
一、基于像素的分类方法基于像素的分类方法是最常用的遥感影像分类方法之一。
它通过对遥感影像中的每个像素进行分类，将其划分为不同的类别。
这种方法的优点是简单易懂，适用于各种类型的遥感数据。
但是，由于忽略了像素周围的空间信息，容易在复杂地物的分类中出现错误。
同时，像素的分类结果不具备连续性，不适用于一些需要连续空间分布信息的应用。
二、基于对象的分类方法相比于基于像素的分类方法，基于对象的分类方法考虑到了空间信息。
它将相邻的像素组成的对象作为分类的基本单元，通过对对象进行分类来实现遥感影像分类。
这种方法能够更好地反映地物的形状和空间分布特征，提高分类的准确性。
但是，这种方法需要进行图像分割，对图像处理的要求较高，处理速度较慢。
三、基于特征的分类方法基于特征的分类方法是一种常见的遥感影像分类方法。
它通过提取遥感影像中的各种特征，如颜色、纹理、形状等，然后将这些特征作为分类的依据进行分类。
这种方法适用于各种类型的遥感数据，具有较高的分类准确性。
然而，在特征提取过程中，如何选择合适的特征以及如何克服特征间的冗余和相关性仍然是一个挑战。
四、基于深度学习的分类方法近年来，深度学习技术在遥感影像分类中的应用越来越广泛。
深度学习通过构建多层网络，能够自动学习特征，提高分类的准确性。
它能够处理大量的数据，适用于各种类型的遥感影像分类。
然而，深度学习技术需要大量标记好的训练样本，并且对计算资源的要求较高。
综上所述，不同的遥感影像分类方法各有优缺点。
在实际应用中，应根据具体的需求和问题选择适合的方法。
如果需要考虑地物的空间信息，可以选择基于对象的分类方法；如果需要提高分类准确性，可以选择基于特征的分类方法；如果拥有足够的标记好的训练样本和计算资源，可以选择基于深度学习的分类方法。
HSV与Gram-Schmidt影像融合方法比较分析
am－Schmi
d
t变 换 对 高 光
谱遥感影像多波段数据进行正交化处理,可以消除冗 余
收稿日期:
２０２０
Ｇ
０７
Ｇ
０９
作者简介:王小标(
１９９１－ ),男,助理工程师,研究方向为 GI
S 和 RS 应用.
２４５
王小标,等:
HSV 与 Gr
am－Schmi
TP７５ 文献标识码:
A
１ 引言
文章编号:
１６７４
Ｇ
９９４４(
２０２０)
１８
Ｇ
０２４５
Ｇ
０２
辨率影 像 像 元 大 小,然 后 将 融 合 后 影 像 再 变 换 回 到
RGB 颜色空间的图像融合方法
.
[
１１]
为获得多源遥感数据中的优势信息,采用遥感数据
融合方法将多源遥感数据中光谱信息、空间分辨率和时
Gr
am－Schmi
d
t 融 合 结 果 的 解 像 力. 同 时 HSV 融 合
结果的细节信息在不同 地 类 中 比 Gr
am－Schmi
d
t更 加
清晰.
５．
２ 定量分析
定量评价选取评价指标进行评价,评价指标采用灰
度平均值、标 准 差 和 相 关 系 数 [１６]对 影 像 融 合 结 果 进 行
d
t 影像融合方法比较分析
信息与技术
信息 [１２].首先,以低空间分 辨 率 遥 感 影 像 为 基 础,模 拟
出一个波段全色影像.其次,把模拟出的全色波段当 作
Gr
am－Schmi
d
t变换 的 第 一 分 量 对 低 空 间 分 辨 率 遥 感
SPOT-5遥感影像自身融合方法的比较研究
换、 主成分变换 、ｒ ｅ 变换 ３ Ｂｏ ｙ ｖ 种典 型的融合算法 ， ＳＯ 对 Ｐ Ｔ一５ 数字遥感影像的全色波段 和多光谱波段进行融合对比实验 ．
１ 图像 融合 方法
１１ ＩＳ ． Ｈ 变换 所谓 Ｉ Ｓ Ｈ 就是指将标 准 Ｒ Ｂ空间的图像有效的分解 为代表分空 间信息的明度（ ） Ｇ ， 和代表光谱信息色别（ 、 日）
摘 要 近年来 ， 遥感影像数据融合已成为学术界研究 的新热点 ． 作为在各个领域应用 日益广泛 的法国 ＳＯ 一 遥感卫星影 ＰＴ ５
像， 其全色波段空 间分辨率高 ， 多光谱 波段光谱信息丰富 ， 为了既保 留丰富的光谱信息又能提 高空 间分辨率 ， 本文 在对 Ｉ Ｓ变换、 Ｈ 主成分变换 、 ｒ ｅ 变换融合 ３ Ｂｏ ｙ ｖ 种传统像素级融合方法分 析、 归纳与算法实现研究 的基础上 ， Ｓ Ｏ ５ 对 Ｐ Ｔ一 全色波段 与多光谱波段进 行了图像融合实验 ， 并从光谱特征与空 间纹理特征两个方面对融合效果进行定性与定 量评价 ． 分析结果表明， ｒ ｅ 变换融合法光 Ｂｏ ｙ ｖ 谱退化最小 ， 同时也最大程度地保持了高几何分辨率全色波段 的空 间信息 ．
Ｍａ ． ０ ｒ ｒ２ Ｏ ７
Ｖ０ ． ２ Ｎｏ． １２ １
ＳＯ Ｐ Ｔ一５遥 感影 像 自身 融合 方 法 的 比较 研 究 ＊
邹 敏 吴泉源 曲 伟
பைடு நூலகம்
（ 山东师范大学人 口・ 资源与环境学 院，５０ ， ∥第一作者 ２ 岁 ， 硕士生 ） ２０ １ 济南 ４ ７ 男，
正交线性变换 ． 目的是把 多波段 的图像信息压缩或综合在一 幅图像上 ， 其 使各 波段信息 能最大 限度 的表现在新 的图像上 ． 其
过程为 ： 首先将多光谱 图像进行 主成分变换 ， 然后将 具有高分辨率 的全色波段 或其它数据 进行灰度 拉伸 ， 之 与第 一主成分 使
遥感影像数据融合原理与方法
顾晓鹤 2003.10.17
一. 数据融合基本涵义
• 数据融合（data fusion）最早被应用于军事 领域。 • 现在数据融合的主要应用领域有：多源影 像复合、机器人和智能仪器系统、战场和无人 驾驶飞机、图像分析与理解、目标检测与跟踪、 自动目标识别等等。 • 在遥感中，数据融合属于一种属性融合， 它是将同一地区的多源遥感影像数据加以智能 化合成，产生比单一信息源更精确、更完全、 更可靠的估计和判断。
表1 三级融合层次的特点
融合 框架
像元 级 特征 级 决策 级
信息 损失 小中 大Fra bibliotek实时 性 差
中 优
精度
高 中 低
容错 性 差
中 优
抗干 扰力 差
中 优
工作 量 小
中 大
融合 水平 低
中 高
表2 三级融合层次下的融合方法 像元级 代数法 IHS变换 小波变换 K-T变换 主成分变换 回归模型法 Kalman滤波法 特征级 熵法 表决法 聚类分析 Bayes估计 神经网络法 加权平均法 Dempatershafer推理法 决策级 专家系统 神经网络 Bayes估计 模糊聚类法 可靠性理论 基于知识的融 合法 Dempatershafer推理法
• 优点：保留了尽可能多的信息，具有最高精度。 • 局限性： • 1. 效率低下。由于处理的传感器数据量大，所以处理时间 较长，实时性差。 • 2. 分析数据限制。为了便于像元比较，对传感器信息的配 准精度要求很高，而且要求影像来源于一组同质传感器或 同单位的。 • 3.分析能力差。不能实现对影像的有效理解和分析 • 4.纠错要求。由于底层传感器信息存在的不确定性、不完 全性或不稳定性，所以对融合过程中的纠错能力有较高要 求。 • 5.抗干扰性差。 • 像元级融合所包含的具体融合方法有：代数法、IHS 变换、小波变换、主成分变换（PCT）、K-T变换等
实验五_不同分辨率图像融合
实验五不同分辨率图像融合一实验目的通过本次实验了解图像数据融合的基本原理和基本思路，学会利用ERDAS软件进行不同分辨率图像之间的融合，并对不同数据融合方法进行分析和比较，掌握不同数据融合方法的基本操作。
二实验原理在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。
在ERDAS是指分辨率融合(Resolution Merge)是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。
一般来说，遥感影像的数据融合分为预处理和数据融合两步：1.预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准（1）几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；（2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。
空间配准的精度一般要求在1~2个像元内。
2.ERDAS软件提供了三种图像融合方法：1、主成分变换融合(Pinciple Component)主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地提示提示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。
具体过程是首选对输入的多波段遥感数据进行主成分变换，然后以高空间分辨遥感数据替代变换以后的第一主成分，最后再进行主成分逆变换，生成具有高空间分辨率的多波段融合图像。
2、乘积变换融合(Mutiplicative)乘积变换融合应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进地合成，即Bi_new=Bi_m*B_h，其中Bi_new代表融合以后的波段数值(i=1,2,3,..n)，Bi_m表示多波段图像中的任意一个波段数值，B_h代表高分辨率遥感数据。
Theos遥感图像的融合方法研究的开题报告
Theos遥感图像的融合方法研究的开题报告开题报告题目：Theos遥感图像的融合方法研究一、选题背景及意义随着遥感技术的发展，遥感影像具有更广泛的用途和应用。
由于不同遥感传感器获取的图像具有不同的空间、光谱分辨率，因此需要将多波段遥感图像融合成一个高质量的复合图像以满足不同领域的应用需求。
Theos卫星是泰国的一颗遥感卫星，在泰国及其周边国家很受欢迎。
为了更好地利用Theos卫星获取的图像，需要研究针对性的融合方法。
本文的研究意义在于：1.提高Theos遥感图像的综合利用率和分析能力；2.提高Theos遥感图像的质量，使其更适合各种应用领域；3.为多波段遥感影像融合的研究提供一个新的方法。
二、研究现状及进展遥感图像的融合是将多幅不同来源的遥感图像进行组合，得到一幅新的、高质量的遥感图像的过程。
图像融合技术可以分为基于像素的融合技术和基于特征的融合技术两大类。
基于像素的融合技术融合的是各波段的原始像素值。
常用的基于像素的融合方法有平均值融合、最小值和最大值融合、波段归一化和PCA等方法。
这种方法简单、易于实现，但无法处理像素值不一致、图像模糊等问题。
基于特征的融合技术通过对各波段图像的特征进行提取，再将提取出的特征进行组合或加权融合，得到一个新的融合图像。
常用的基于特征的融合方法有变换域融合、小波变换融合和分解融合等方法，这些方法能够有效地处理像素值不一致、图像模糊等问题。
三、研究内容本文的研究内容主要是基于特征的融合技术，针对Theos遥感图像的特点，提出一种适用的融合方法。
具体研究内容包括：1.分析比较不同的遥感图像融合方法，选择合适的融合方法；2.根据Theos遥感图像的空间、光谱分辨率的不同特点，提出可行的特征提取方法；3.根据特征提取结果，设计并实现融合算法；4.通过实验验证该融合算法在Theos遥感图像上的有效性。
四、研究方法1.图像特征提取：采用小波变换算法进行多尺度分解与特征提取。
多元遥感影像数据融合研究
分辨率融合是对不 同空间分辨率遥感图像的融 合处理 ， 使用融合后的遥感 图像既具有较好 的空间 分辨率， 又具有多光谱特征， 从而达到图像增强的目 的。 从融合后的影像 与原影像 目视对 比可以得知：
图三 主成分变换融合后的影像 物理意义进行分析，进而提 出将强度分量用高分辨
般情况下， 多光谱图像 的光谱分辨率较高 ， 但空间分 根据融合 目的和融合层次智能地选择合适的融 辨率 比较低； 全色图像具有高空间分辨率， 但光谱分 合算法， 将空间配准的遥感影像数据（ 或提取的图像
辨率较低。为了增加图像信息提取的精确性和可靠 性， 可以将低空间分辨率的多光谱 图像和高空间分 辨率的全色图像进行融合， 使融合后的多光谱图像 特征或模式识别的属性说 明） 进行有机合成， 得到 目标的更准确表示或估计。 １ 融合 的基本模型 ． ２
方 图匹配， 然后进行反变换得到融合结果。 这样得到 的图像同时具有较好的空间分辨率和保 留较多的光
Ｉ Ｓ方法 由于 １ Ｈ 分量的直方图分布与全色 图像 直方图分布差异较大，造成与原图像 的整体色彩有 较大差异 ，但 同类地物基本具有接近 的色彩。而
多
７５ １
谱特性， 提高了图像识别和解译的精度， 如图一至图
多
兀
遥 感 影 像 数 据 融 合 研 究
Ｒ ｓ ａ ｃ ｏ ｕ ｉ ｌ ｅ ｏ ｅ Ｓ ｎ ｉ ９ Ｉ ａ ｅ ａ ａ ｎ ｅ ｒ ｔ Ｏ ｅ ｅ ｒ ｈ ｆ Ｍ ｌ ｐ ｅ Ｒ ｄ ｔ ｅ ｓ ｎ ｍ ｇ ｓ Ｄ ｔ Ｉ ｔ ｇ ａ ｉ ｎ ｔ
遥 感 影
像 数
Ｔｒ ｎｓｏ ｍａ ｉ ｎ；Ｒｅ ｏｌｔｏｎ ａ ｆ ｒ ｔｏ ｓ ｕｉ
不同波段图像的融合方法比较研究
不同波段图像的融合方法比较研究随着我国遥感技术的不断发展，高分辨率遥感影像在城市规划、资源调查、农业监测等领域得到了广泛应用。
而在遥感影像处理中，不同波段图像的融合是常见的一种手段。
本文将比较三种不同的图像融合方法，并探讨它们的适用场景。
一、低通滤波和高通滤波融合低通滤波和高通滤波融合方法是常用的一种图像融合方法。
低通滤波可以保留图像的平滑部分，而高通滤波则可以提取图像的边缘信息。
将低通滤波和高通滤波融合在一起，可以同时保留图像的平滑部分和边缘信息。
该方法的具体步骤如下：1. 对原始图像进行低通滤波，得到平滑部分。
常用的低通滤波器包括高斯滤波器和均值滤波器。
2. 对原始图像进行高通滤波，得到边缘信息。
常用的高通滤波器有拉普拉斯滤波器、索伯尔滤波器和Canny边缘检测算法。
3. 将平滑部分和边缘信息合并在一起，得到融合后的图像。
该方法的优点是可以同时保留图像的平滑部分和边缘信息，适用于具有较多细节信息的图像。
但是该方法的缺点是需要进行两次滤波操作，算法复杂度较高，同时对于一些较为简单的图像，效果并不明显。
二、小波变换融合小波变换是一种将信号分解为不同频率的分量的数学方法。
利用小波变换可以对图像进行多尺度分析和重构。
在图像融合中，小波变换可以将原始图像分解为不同尺度和方向的分量，对每个分量进行融合，最终重构出融合后的图像。
该方法的具体步骤如下：1. 对原始图像进行小波变换，得到不同尺度和方向的分量。
2. 对每个分量进行融合。
常用的融合方法包括最大值融合、平均值融合和小波系数融合。
3. 将融合后的分量进行重构，得到融合后的图像。
该方法的优点是可以保留图像的多尺度和方向信息，适用于具有较大场景动态范围的图像。
但是该方法的缺点是重构时间较长，算法复杂度较高，同时需要选择合适的小波基和分解层数。
三、基于深度学习的融合方法深度学习是近年来兴起的一种人工智能技术，可以自动学习和提取图像的特征信息。
在图像融合中，利用深度学习可以通过学习大量数据来提高融合效果，具有良好的适应性和鲁棒性。
（论文）基于不同分辨率遥感影像的...
第３８卷第３期２０１５年３月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ．３８，Ｎｏ．３Ｍａｒ．，２０１５收稿日期：２０１４－０９－０３，修订日期：２０１５－０１－１２基金项目：国家自然科学基金（５１２１３８１１）资助作者简介：孔令婷（１９９１－），女，江苏南京人，摄影测量与遥感专业硕士研究生，主要研究方向为遥感图像处理与应用。
基于不同分辨率遥感影像的分类方法对比研究孔令婷，杨英宝，章 勇（河海大学地球科学与工程学院，江苏南京２１００９８）摘要：基于４种不同分辨率的遥感影像数据，分别为３０ｍ分辨率的Ｌａｎｄｓａｔ－８数据，融合Ｌａｎｄｓａｔ－８多光谱波段和全色波段的１５ｍ分辨率数据，５．８ｍ分辨率的资源３号卫星数据以及融合后２．１ｍ分辨率的资源３号卫星数据。
采用ＩＳＯ－ＤＡＴＡ、最大似然分类法和面向对象分类法对影像进行分类，对分类方法的效果以及分辨率变化对面向对象分类方法的精度影响进行分析。
结果显示在低分辨率影像中，面向对象方法受到限制，分类效果相比传统方法没有太大改善；而在高分辨率影像中，面向对象方法分类效果很好，并且随着分辨率提高分类精度也相应的提高。
关键词：高分辨率影像；分类；面向对象中图分类号：Ｐ２３７ 文献标识码：Ａ 文章编号：１６７２－５８６７（２０１５）０３－００４０－０４ＳｔｕｄｙｏｎＣｌａｓｓｉｆｉｃａｔｉｏｎＭｅｔｈｏｄｓＢａｓｅｄｏｎＤｉｆｆｅｒｅｎｔＲｅｓｏｌｕｔｉｏｎＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＫＯＮＧＬｉｎｇ－ｔｉｎｇ，ＹＡＮＧＹｉｎｇ－ｂａｏ，ＺＨＡＮＧＹｏｎｇ（ＳｃｈｏｏｌｏｆＥａｒｔｈＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｉｓｂａｓｅｄｏｎｆｏｕｒｄｉｆｆｅｒｅｎｔｒｅｓｏｌｕｔｉｏｎｓｒｅｍｏｔｅ－ｓｅｎｓｉｎｇｉｍａｇｅｓ．３０ｍｒｅｓｏｌｕｔｉｏｎＬａｎｄｓａｔ－８ｉｍａｇｅｄａｔａ，１５ｍｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｆｕｓｅｄｂｙｍｕｌｔｉｓｐｅｃｔｒａｌｂａｎｄｓａｎｄｐａｎｃｈｒｏｍａｔｉｃｂａｎｄｏｆｌａｎｄｓａｔ－８ｄａｔａ，５．８ｍｒｅｓｏｌｕｔｉｏｎＺＹ－３ｉｍａｇｅｄａｔａａｎｄ１５ｍｒｅｓｏｌｕｔｉｏｎｆｕｓｉｏｎｉｍａｇｅ．ＩＳＯ－ＤＡＴＡ，ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｗｅｒｅｕｓｅｄ．Ｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓａｎｄｉｍｐａｃｔｏｆｒｅｓｏｌｕｔｉｏｎｃｈａｎｇｅｓｏｎｔｈｅａｃｃｕｒａｃｙｏｆｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄｍｅｔｈｏｄｗｅｒｅａｎａｌｙｚｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄａｐｐｒｏａｃｈｉｓｌｉｍｉｔｅｄｉｎｌｏｗｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｉｓｎｏｔｍｕｃｈｉｍ－ｐｒｏｖｅｄｃｏｍｐａｒｅｄｔｏｔｈｅｔｒａｄｉｔｉｏｎａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄ．Ｗｈｉｌｅｉｎｔｈｅｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓｔｈｅｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｗｏｒｋｓｗｅｌｌ，ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｉｓｉｍｐｒｏｖｅｄａｌｏｎｇｗｉｔｈｒｅｓｏｌｕｔｉｏｎｉｎｃｒｅａｓｅ．Ｋｅｙｗｏｒｄｓ：ｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄ０ 引 言在传统的遥感影像分类中，基于像元的分类较多，包括监督和非监督分类法。
遥感技术中遥感影像的处理方法详解
遥感技术中遥感影像的处理方法详解遥感技术是利用遥感设备获取地球上的图像和数据，以了解地球表面的各种特征和现象。
遥感影像是遥感技术的核心输出，它通过对地球表面进行高分辨率的拍摄和记录，提供了丰富的地理信息。
在遥感技术中，遥感影像的处理方法至关重要。
正确的处理方法可以提取出影像中有价值的信息，帮助我们深入了解地球表面的特征和变化。
下面将详细介绍几种常用的遥感影像处理方法。
1. 遥感影像的预处理遥感影像在传输和记录过程中可能会受到一些噪声和干扰的影响，因此需要进行预处理。
预处理的目标是去除噪声、调整图像的对比度和亮度，使得影像更适合进行后续的处理和分析。
常见的预处理方法包括数字滤波、辐射定标和大气校正等。
2. 遥感影像的几何校正遥感影像获取时可能会受到地球表面形变、传感器姿态等因素的影响，导致影像出现几何失真。
几何校正的目标是将影像的几何特征恢复到真实地面情况下的状态，使得影像能够准确地反映地面特征。
常见的几何校正方法包括地面控制点的定位和影像配准等。
3. 遥感影像的分类遥感影像的分类是将影像中的像素按照一定的特征进行划分和归类的过程。
根据不同的应用需求，遥感影像的分类可以包括地物类别的划分、植被覆盖度的估计、土地利用类型的分析等。
常见的分类方法包括基于像素的分类、基于对象的分类和基于深度学习的分类等。
4. 遥感影像的变化检测遥感影像的变化检测是指比较不同时段的遥感影像，分析地表特征在时间上的变化情况。
变化检测可以用于监测自然灾害、城市扩张、森林砍伐等方面的变化。
常见的变化检测方法包括像素级变化检测和基于对象的变化检测等。
5. 遥感影像的数据融合遥感影像的数据融合是将多源、多光谱或多分辨率的遥感影像进行融合，以提高遥感影像的空间和光谱分辨率。
数据融合可以增强遥感影像的细节信息，改善遥感影像的可视化效果，提高遥感影像在各种应用中的精度和效果。
常见的数据融合方法包括主成分分析、小波变换和多尺度分析等。
6. 遥感影像的特征提取遥感影像的特征提取是从遥感影像中提取出目标物体的特征信息的过程。
遥感影像分类方法比较研究
遥感影像分类方法比较研究一、本文概述随着遥感技术的迅速发展，遥感影像已成为地理信息系统、环境科学、城市规划等领域获取地表信息的重要手段。
遥感影像分类作为遥感技术应用的关键环节，其准确性和效率直接影响到后续的信息提取和应用。
研究遥感影像分类方法，对于提高遥感数据处理能力，促进遥感技术的广泛应用具有重要意义。
本文旨在比较研究不同遥感影像分类方法的特点、优势与局限性，以期在理论层面为遥感影像分类提供方法论的参考。
文章首先将对遥感影像分类的基本概念、分类体系进行阐述，为后续的比较研究奠定基础。
接着，文章将详细介绍几种主流的遥感影像分类方法，包括基于像元的分类方法、面向对象的分类方法、深度学习分类方法等，并对各方法的原理、实现步骤进行深入剖析。
在此基础上，文章将通过实验数据，对各分类方法的性能进行评估和比较，分析各方法的优劣和适用场景。
文章将总结遥感影像分类方法的发展趋势，展望未来的研究方向和应用前景。
通过本文的研究，旨在提高遥感影像分类的准确性和效率，推动遥感技术在各个领域的应用发展。
也为遥感领域的学者和实践者提供有益的参考和借鉴。
二、遥感影像分类方法概述遥感影像分类是遥感技术应用的重要领域之一，其目的在于通过对遥感影像的解译和分析，识别并区分地表上的不同特征和目标。
随着遥感技术的发展和进步，遥感影像分类方法也在不断更新和完善。
目前，遥感影像分类方法主要分为监督分类、非监督分类和深度学习分类等几种。
监督分类是基于已知训练样本进行分类的方法。
它通过选择具有代表性的训练样本，提取其特征并构建分类器，然后利用该分类器对整个遥感影像进行分类。
常见的监督分类方法包括最大似然分类、支持向量机分类、决策树分类等。
这些方法在遥感影像分类中具有较高的精度和稳定性，但需要大量的训练样本和先验知识。
非监督分类是基于影像内部像素之间的相似性进行分类的方法。
它不需要先验知识和训练样本，而是根据像素之间的统计特征或空间关系进行聚类分析，将具有相似性质的像素归为一类。
遥感图像融合
遥感图像融合问题描述1．遥感图像融合基本概念2．多传感器信息融合技术优点3．遥感图像融合层次的划分4．多源遥感数据融合的意义5．图像融合技术应用解答1．遥感图像融合基本概念遥感图像融合就是将多个传感器获得的同一场景的图像或同一传感器在不同时刻获得的同一场景的图像数据或图像序列数据进行空间和时间配准,然后采用一定的算法将各图像数据或序列数据中所含的信息优势互补性的有机结合起来产生新图像数据或场景解释的技术。
这种新的数据同单一信源相比,能有效减少或抑制对被感知目标或环境解释中可能存在的多义性、残缺性、不确定性和误差,最大限度地提高各种图像信息的利用率,从而更有利于对物理现象和事件进行正确的定位、识别和解释。
2．多传感器信息融合技术优点多传感器数据融合起源于上个世纪70年代初,至今己经经历了近30年的发展,成为一门具有比较完整的体系和丰富方法的学科。
多传感器图像融合属于多传感器信息融合的范畴,是指按照一定的算法,将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像合成到一幅满足给定要求的图像中。
单一传感器由于受由光的能量和衍射决定的分辨极限、成像系统的调制传递函数、信噪比三个方面的限制,要同时获得光谱、空间和时间的高分辨率是很难的。
多传感器图像融合技术由于可以有效的利用多幅图像提供的互补信息和冗余信息,因此融合后的图像对场景的描述比任何单一源图像都更全面、精确。
一般而言,使用多传感器信息融合技术具有以下优点：(1)可提高系统的可靠性和鲁棒性;(2)可扩展空间和时间上的观测范围;(3)可提高信息的精确程度和可信度;(4)可提高对目标物的监测和识别性能;(5)可降低对系统的冗余投资。
3．遥感图像融合层次的划分多源遥感图像数据从层次上可分为:像素级(特征提取之前)、特征级(属性说明之前)和决策级(各传感器数据独立属性说明之后)。
因此,图像融合就可相应地在像素级、特征级和决策级3个层次上进行,构成3种融合水平。
基于ETM+遥感影像的图像融合技术比较研究
２ Ｓ ｈｏ ｏ ｄｃｔ ｎｌ ｃ ｎｅ Ｇ ｎ ａ ｏｍ ｌ ｎｖｒｔ， ａｚｏ ４ ０ ｈｎ） ． ｃｏｌ ｆ ｕａｉ ａ Ｓｉ ｃ ， ａｎ ｎＮ ｒ ａ Ｕ ｉ ｓ ｙ Ｇ ｎｈｕ３ １０ ，Ｃ ｉａ Ｅ ｏ ｅ ｅｉ ０
Ａｂ ｔ ａ ｔ Ｗ ｉ ｈ ａ ｉ ｅ ｅｏ ｍｅ ｔ ｆ ｅ ｔ ｅ ｓｎ ｃ ｎ ｌ ｇ ｉ ｎ ｅ ｓｈ ｇ ｅ ｅ ｕ ｒ ｍｅ ｔ ｈ ｎｐ ｏ ｌ ｔｒ ｒ ｔ ｈ ｕ ｆｃ ｓ ｒ ｃ ： ｔ ｔ ｅ ｒ ｐｄ ｄ ｖ ｌｐ ｎ ｍｏｅ ｓ ｎ ｉｇ ｔ ｈ ｏ ｏ ｙ， ｔ ｅ ｄ ｉｈ ｒｒ ｑ ｉ ｈ ｏｒ ｅ ｅ ｎ ｅ ｅ ｐ ｅｉ ｅｐ ｅ ｅｓ ｒ ｅ ｗ ｎ ｔ ａ
２ １ 第 ６期 ０ ０年
文章 编 号 ：０ ６２ ７ （０ ０ ０ －０ １ ３ １０ ． ５ ２ １ ） ６ ６ ～ ４ ０ ０
汁 算 拇 与 现 １ ｆ Ｌ ｛ 二 ｊＳ Ｎ ｌＹ ＩＮ ＡＩＵ ｔＵ Ｊ Ｕ ＸＡ Ｄ ｔ Ａ Ａ Ｉ
总 第 １８期 ７
基 于 Ｅ Ｍ＋遥感 影 像 的 图像 融 合技 术 比较研 究 Ｔ
Ｏ 引 言
随着遥 感技术 和空 间技术 的迅 速发 展 ， 感 图像 遥
ｂｓ ｓ ｎ 是在各传感器对原始信息未作太多处理 ａｅ ｆ ｉ ） ｄｕｏ 前所 进行 的信 息 处 理 Ｊ其 优 点 是 保 留 了尽 可 能 多 ，
的信 息 ， 有最 高精 度 （ 采用 小波 变 换 、 Ｐ 具 如 Ｈ Ｆ变 换 、
郑 著 彬 任 静 丽 ，
（ ． 南师范学院历史文化与旅游 学院 ， １赣 江西 赣 州 ３ １０ ； ． 南师范学院教 育科 学学院 ， ４０ ０ ２ 赣 江西 赣州 ３ １０ ） ４ ００ 摘要 ： 随着遥感技 术的迅速发展 ， 人们在对地物进行解译时对遥 感数据 的分辨 率提 出更高的要 求。本 文分别利用 ３种 不
遥感影像变化检测方法的比较研究
遥感影像变化检测方法的比较研究在当今科技飞速发展的时代，遥感技术已成为获取地球表面信息的重要手段。
而遥感影像变化检测则是遥感技术中的一个关键环节，它对于监测土地利用变化、城市扩张、自然灾害评估等众多领域都具有极其重要的意义。
本文将对几种常见的遥感影像变化检测方法进行比较研究，以期为相关研究和应用提供有益的参考。
一、遥感影像变化检测的基本概念遥感影像变化检测，简单来说，就是通过对不同时期获取的同一地区的遥感影像进行分析和处理，从而识别出该地区在时间上发生的变化。
这些变化可以包括土地覆盖类型的改变、建筑物的新建或拆除、植被的生长或破坏等。
二、常见的遥感影像变化检测方法1、基于像元的方法基于像元的方法是最早也是最常用的变化检测方法之一。
它直接对每个像元的灰度值或光谱特征进行比较。
其中，差值法是最为简单直观的一种。
通过计算两个时期影像对应像元的差值，如果差值超过一定的阈值，则认为该像元发生了变化。
这种方法计算简单，但容易受到噪声和辐射差异的影响，导致检测结果的准确性不高。
另一种常见的基于像元的方法是比值法。
它通过计算两个时期影像对应像元的比值来判断变化。
比值法在一定程度上能够减少辐射差异的影响，但对于复杂的地物变化，可能会出现误判。
2、基于对象的方法随着高分辨率遥感影像的普及，基于对象的方法逐渐受到重视。
这种方法首先对影像进行分割，得到具有相似特征的对象，然后比较不同时期对象的特征属性，如形状、大小、纹理等。
相比基于像元的方法，基于对象的方法能够更好地考虑地物的空间上下文信息，减少“椒盐噪声”现象，提高检测的准确性。
3、分类后比较法该方法首先对两个时期的遥感影像分别进行分类，然后比较分类结果，从而确定变化区域。
这种方法的优点是能够综合考虑多种地物特征，但由于分类过程本身存在误差，可能会导致变化检测结果的误差累积。
4、基于深度学习的方法近年来，深度学习在遥感影像处理领域取得了显著的成果。
在变化检测中，常用的深度学习模型如卷积神经网络（CNN）可以自动学习影像中的特征，从而实现更加准确和精细的变化检测。
基于ERDAS和PCI的高分辨率影像几种融合方法的分析比较
基于ERDAS和PCI的高分辨率影像几种融合方法的分析比较简述了ERDAS软件和PCI软件中几种常用的融合方法，采用QB的全色影像和多光谱影像，对几种常用的融合方法进行试验和分析，结果表明HPF融合、PanSharp融合这两种融合方法整体融合效果较好。
标签：影像融合；主成份变换；小波变换；HPF融合；PanSharp融合随着现代遥感技术的发展，人们可以获得不同空间、时间和光谱分辨率的遥感影像[1]。
使用融合后的影像比单独使用全色影像或者多光谱影像更为有效[2]；融合后的影像有更丰富的细节信息，可以显著提高分类结果的准确性[3]。
影像融合是将全色高分辨率影像的纹理细节信息和多光谱低分辨率影像的色彩信息相结合，获得高分辨率的多光谱影像的一种技术。
对于许多遥感应用，尤其是基于GIS的应用，对影像既有清晰的纹理需求又有丰富的光谱信息需求，因此影像融合是遥感影像应用的关键。
文章分别使用ERDAS软件中的主成分变换法（PCA）、小波变换法（Wavelet）、HPF融合法和PCI软件中的PanSharp融合法对高分辨率影像QuickBird（以下简称QB）的全色影像和多光谱影像进行融合，并对不同的融合方法进行比较和分析。
1 影像融合方法1.1 主成分变换法（PCA）融合主成分变换（PCA，Principal Component Analysis），又称K-L变换，是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。
具体过程：先由多光谱影像数据求得影像间的相关系数矩阵，根据相关系数矩阵计算特征值和特征向量，求得各主成分影像；再将高分辨率影像进行直方图匹配，使其与第一主成分影像数据具有相同的直方图；最后用直方图匹配生成的高分辨率影像来替换第一主成分，将它同其他主成分一起经逆主分量变换得到融合的影像[4]。
1.2 小波变换（Wavelet）融合小波变换融合方法是Mallat于1989年提出的小波的多分辨分析思想及小波的分解和重构快速算法，基本函数是一些小型波。
测绘技术中的遥感影像处理方法详解
测绘技术中的遥感影像处理方法详解遥感技术是当今测绘领域中不可或缺的一项重要技术，通过利用卫星、飞机等遥感平台获取的地球表面影像，可以为地质勘探、环境监测、城市规划等领域提供丰富、准确的地理信息数据。
遥感影像处理是遥感技术中的一种核心技术，本文将对其中的几种常用的处理方法进行详解。
1. 影像预处理遥感影像预处理是指在进行后续处理之前，对原始影像进行一系列的校正、增强等操作，以提高影像的质量和可用性。
其中包括几何纠正、辐射校正和大气校正等步骤。
几何纠正主要是针对影像中的几何畸变问题进行校正，通常包括影像配准、去除地形效应以及去除大地畸变等处理。
影像配准是指将不同卫星或不同时间拍摄的影像进行精确对准，使得它们能够在同一坐标系下进行比较和分析。
去除地形效应是为了消除由于地表起伏引起的影像变形，以确保影像中对地物的位置和形状描述准确。
去除大地畸变是为了消除地球曲面引起的影像形变，通常采用像点的投影转换和校正等方法。
辐射校正是为了将影像中的数字计数值转换为大气无影响的地表辐射亮度值，从而能够实现不同时间、不同地域之间的比较研究。
常用的辐射校正方法有分级灰度线性变换法、大气校正法和无标定性辐射校正法等。
大气校正是为了消除大气介质对遥感影像的影响，以准确获取地表反射率信息。
常用的大气校正方法有大气能见度法、基于粒子传输函数的大气校正法以及辐射传输模型法等。
2. 影像分类遥感影像分类是将影像中的像素分为不同的类别，以实现对地物类型的识别和区分。
常用的影像分类方法包括无监督分类和监督分类两种。
无监督分类是指在不需要先验知识的情况下，根据像素的相似性进行聚类分组，从而得到影像中各个类别的统计信息。
常用的无监督分类方法有K均值聚类法、高斯混合模型法以及自组织映射法等。
监督分类是在事先提供类别标记的训练样本的基础上，通过对样本进行特征提取和模式识别，从而对整个影像进行分类。
常用的监督分类方法有最大似然法、支持向量机法、人工神经网络法以及决策树法等。
土地利用动态遥感监测中多源遥感影像融合方法比较研究
1 概 述
土地利用动态遥感 监测是建立在现有计算机 软、 硬件基础上, 充分利用不同时相的卫星遥感资料 对土地利用的变更进行动态遥感分析 , 利用地图对 土地利用变化做到及时、 有效的动态监测 , 为国家、 省市的土地管理提供快速、 准确、 可靠的资料依据。 土地利用的动态遥感分析就是将不同时相的多种卫 星 ( 航空 ) 资料数据进行组合、 融合、 分析对比 , 从中 提取出土地利用变化信息 , 并结合实地调查和现有 土地变更调查资料对监测变化的信息进行核检 , 从 而得到监测时段内的变化信息。 其中数据融合是遥 感动态监测的重要组成部 分 , 它直接为信息提取提供数据资料 , 是动态监测的 重要数据基础。
2 遥感影像融合及其原理
遥感数据的融合是指“ 采用一种复合模型结构, 将不同传感器遥感影像数据源所提供的信息加以综 合 , 以获取高质量的影像信息, 同时消除多传感器信 息间的信息冗余和矛盾 , 加以 互补, 降低其不确定 性 , 减少模糊度, 以增强影像中信息清晰度, 改善解 译精度、 可靠性和使用率, 以形成对目标相对完整一 致的信息描述。 ” 源影像的质量是融合中最初始的关键因素 , 良 好的数据源有助于提高融合影像的色调和细节。源
( 中国测绘科学 研究院 , 北京 100039) 【 摘要】 列 举了土地利用动态 遥感监测中常用的 影像融合方 法 , 并 选定实验区 对各方法 进行了光谱 分辨率、 空间分 辨率比较 , 最后定量计算出各种方法融合结果的均值、 标准方差、 偏差系数、 相关系数、 融合指数和信 息熵等七个参 数。并且总结了不同的融合方法在六种典型的土 地利用类型上的表 现 , 旨在为动 态监测中的影像融 合方法的选择 提供参考。 【 关键词】 遥感 ; 遥感技术 ; 土地利用 ; 动态监测 ; 影像融合 ; 信息熵 【 中图分类号】P 237 【 文献标 识码】A 【 文章编号】1009- 2307( 2000) 03- 0046- 05
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ห้องสมุดไป่ตู้
国外 对数 据融合 的研究 起步较 早 ， ２ Ｏ世 纪 ７ Ｏ年 代提 出“ 数据 融 合 ” 的概念 ， ８ ０年代 建 立一 系列 技术 方法： 基 于像元 级 的融合方 法 ， 如 ＨＩ Ｓ变换 法 （ Ｄ ａ ｌ ｋ ｅ Ｇ Ｗ， １ ９ ８ ２ ； Ｗｅ ｌ ｓ ｃ ｈ ， １ ９ ８ ７ ： Ｊ ｉ ｍ， １ ９ ９ １ ） ’ 、 主成 分 变换 法（ Ｙ ｅ ｓ ｏ ｕ Ｈ， １ ９ ９ ３ ； Ｅ ｈ ｌ ｅ ｒ ｓ ． Ｍ， １ ９ ９ １ ） 。 ’ 、 高通滤 波 （ Ｃ ｈ ａ ｖ ｅ ｓ Ｐ Ｓ ， １ ９ ９ １ ； Ｌ ｉ Ｈ， １ ９ ９ ５ ） ［ ８ ， ９ ３ ． 基于特 征级 和决策级 融合， 如 贝 叶 斯估 计 （ Ｃ ｏ ｎ ｒ ａ ｏ ｎ Ｋ， １ ９ ８ ４ ） …、 聚类分析 （ Ｃ ｈ ａ ｖ ｅ ｓ Ｐ Ｓ ． Ｊ ｒ ， １ ９ ８ ３ ） 、 神 经 网络 （ Ｋ ｏ ｏ ｐ ｍ ａ ｎ ｓ Ｂ Ｎ， １ ９ ９ ３ ） ㈩ 等．
比值 变换 ， Ｈ Ｉ Ｓ变换 ， 小波 变换 的影像 融合 ． 通过 计算 亮度信 息 、 清 晰度 、 光谱 信 息、 信 息量 等定 量 评价 参数 ， 对融 合效 果进 行 定性和 定量 的评价 ． 实验 表 明 ， 不 同的 融合 方 法进行 融 合 时会 产 生不
同的效 果 ， 通过 多角度 的 定量评价 和 目视 定性评 价相 互验证 能够确 定评 价指标 的准确 性．
国外 的研 究相 比， 我 国在该 领域 的研究 还需要 加强 ． 多源遥 感影像 融合 的过 程分 为 影像 的空 间 配 准 和影像
ｌ Ｉ 多源遥感影像 ｌ
＋
的融合 ． 影像 的空 间配 准是 影 像 融合 的前 提 ， 对 两 幅影 像 进行 空 间配准 ， 是 将 一 幅 影像 作 为参 考 影 像 ， 以其 为 基 准 对 另 一 幅影像 进 行影像 校 正 ． 根 据影 像 的融 合 的层 次 、 目的 选 择合适 的算 法 ， 将 配 准 后 的数 据 利 用 图 形 处 理 软 进 行 融 合． 多 源遥感 影像融 合 的流程 如图 １ ．
关键词 ： 多源遥 感影像 ； 融合 ； 评 价 中 图分 类 号 ： Ｔ Ｐ ７ ５ 文献标 识码 ： Ａ
随着 遥感技 术 的进步 ， 多平 台 、 多 时相 、 多 光谱 、 多分 辨率 和多 传感 器 的遥 感影 像 数 据大 量涌 现 ． 同单 源遥 感数据 相 比 ， 多 源遥感影 像数据 所提 供 的信息具 有冗 余性 、 － ￣ － ￥ ｂ 性 和合 作 性等 特点 … ， 这 些特 性使 得
第３ ２卷 第 ２期
２ ０ １ ３年 ３月
许 昌学 院学报
Ｊ ＯＵＲ ＮＡＬ ０Ｆ ＸＵＣ ＨＡＮＧ ＵＮＩ ＶＥ ＲＳ Ｉ Ｔ Ｙ
Ｖｏ １ ．３ ２． Ｎｏ．２
Ｍａ ｒ ． ２ ０１ ３
文章编号 ： １ ６ ７ １— ９ ８ ２ ４ （ ２ ０ １ ３ ） ０ ２— ０ ０ ３ ２— ０ ５
不 同遥 感 影 像 融 合 方 法 的 比 较 研 究
李 娜 ， 殷 学永
（ １ ． 许 昌学院 电气信 息工程 学院 ， 河南 许昌 ４ ６ １ ０ ０ ０； ２ ． 许 昌学 院 城 市与环境 学院 ， 河南 许昌 ４ ６ １ ０ ０ ０ ）
摘 要 ： 以许 昌市某地 区的 Ｔ Ｍ 遥 感 影 像 为 实验 数 据 ， 分别进 行基 于主 成 分变换 ， 乘 积 变换 ，
国内对数 据融合 的研究 起步 较晚 ， 开始 于 ２ ０世 纪 ９ ０年代 中期 ， 主要是 以贾 永红 、 李德仁 、 孙家炳 等展
开 了关 于主成分 变换 、 Ｈ Ｉ Ｓ变换 、 比值变换 、 小 波变换 、 决策分 类等 的遥感 融合 ． 例如 ： 孙 家炳 等 （ １ ９ ９ ８ ） 在遥 感 学报 中进行 了 四种 Ｈ Ｉ Ｓ变换用 于不 同传感器 融合 的 比较¨ ： 李军 等 （ １ ９ ９ ８ ） 将小 波变换 与 Ｈ Ｉ Ｓ变换相结 合， 提 出了新 的融合 方法 ： 王洪华 等 以多进制小 波理 论为 基础 ， 提 出 了基 于特 征 的多进 制 小变 换 的融 合 方 法 ： 王海 晖等提 出 的基 于小 波报 的影像 融 合 ¨ ． 这些 研 究都 在 一定 程 度上 改 变 了影 像 的 融合 效 果． 与
融合影像输 出评价与应用
图 １ 多源 遥 感 影 像 融 合 流 程
它 在现实 中 的应 用更 具潜力 ． 美 国学者 最 早提 出“ 数 据融 合 ” 的概念 ， 多 源 遥感 影像 数 据融 合对 遥 感影 像
解译 有非 常重要 的作 用 ， 可 以提 高融合 影像 的空 间分 辨 率 ， 提 高 图像 的对 比度 和清 晰度 ， 增 强 影像 的解 译 和动态监 测 能力 ， 能够有效 地提 高多 源遥感 影像数 据 的利 用效 率 ． 随着 数据 融合 技术 的逐 渐 成熟 ， 海
基 于 像元 的 融 合
＋
ｌ 空间配准 Ｉ ｊ
ｊ
』 ｌ
基 于 特征 的 融 合
÷
基于 类 别 的 融 合
＋
１ 多源 遥 感 影像 融 合 方 法
影 像融 合算 法研 究 是 遥 感 领 域 的 热 点 问 题． 近年来 ， 许
收稿 １ ３期 ： ２ ０ １ ２—０ ３—２ ２ 项 目基金 ： 河 南省 教 育 厅 自然 科 学研 究基 金 （ ２ ０ １ １ Ｂ １ ７ ０ ０ １ １ ） 作者简介 ： 李 娜（ １ ９ ８ ２ 一） ， 女， 周 口沈丘 人 ， 助教 ， 硕士 ， 研 究方向： 计 算 机 图像 处理