最新vi7[心理學(xué)]遙測數(shù)位影像處理-藥學(xué)醫(yī)學(xué)精品資料.ppt

《最新vi7[心理學(xué)]遙測數(shù)位影像處理-藥學(xué)醫(yī)學(xué)精品資料.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、最新vi7[心理學(xué)]遙測數(shù)位影像處理-藥學(xué)醫(yī)學(xué)精品資料主要統(tǒng)計(jì)項(xiàng)目及其意義各基本統(tǒng)計(jì)在影像處理間之關(guān)連影像度量統(tǒng)計(jì)與影像空間度量一、主要統(tǒng)計(jì)項(xiàng)目及其意義1.平均數(shù)(X):a.公式:b.意義：一影像資料之中央趨勢，若為光譜平均則可視為其影像之平均亮度，值大則影像亮、值小則影像暗。3.變異數(shù)(variance)a.公式:b.意義:近似S之含義。*亦為許多其他統(tǒng)計(jì)之基本計(jì)算元素。c.案例:見S部份說明。4.相關(guān)係數(shù)(γ)a.公式:b.意義:γ為兩影像資料間的相關(guān)性，γ愈高則愈相關(guān)，亦表示兩影像愈相似，故影像總和資訊較小，反之亦然。c.案

2、例:臺北市SPOT影像光段1與光段2，及光段2與光段3之相關(guān)性比較。圖4.5BAND1圖4.6BAND2圖4.7BAND35.共變數(shù)(covariance)a.公式:b.意義:cov代表兩影像之關(guān)連性，是未經(jīng)標(biāo)準(zhǔn)差正規(guī)化之相關(guān)值，其大小同時(shí)受關(guān)連性及各影像標(biāo)準(zhǔn)差大小之影響。c.案例:參考var。6.最小值(min)、最大值(max)及範(fàn)圍(Range)a.公式:b.意義:1).min是影像中之最小值，即最暗色。2).max是影像中之最大值，即最亮色。3).range是前兩者之差，若愈大則代表影像絕對明暗差愈大，反之亦然。c.案例:

3、臺北市SPOT影像光段1與光段3之對比圖4.8Band1,min=53,max=171,range=118圖4.9Band3,min=46,max=182,range=1367.頻率統(tǒng)計(jì)（freguencycount）Histogram,Scatterplota.公式:b.意義:特定I之Freq(i)為其影像上出現(xiàn)的次數(shù)，即多少個(gè)像元(pixel)或表示同一i值所佔(zhàn)之面積大小(=pixelsize*Freq(i))。Freq(i)愈大表示其出現(xiàn)的頻率愈高，所佔(zhàn)面積愈大;各Freq(i)可以繪出一維之直方圖，若有兩光段則可繪為二維頻

4、率分布圖（scatterplot），但其頻率的表現(xiàn)則可以用顏色或立體透視表現(xiàn)之，高度即為頻率。c.案例:臺北市SPOT影像光段1與光段3之對比。圖4.10BAND1圖4.11BAND3相關(guān)網(wǎng)頁KhorosLabforTEMPUSCIDECImageProcessingCourse(ImageStatistics)二、各基本統(tǒng)計(jì)在影像處理間之關(guān)連1.統(tǒng)計(jì)與前處理例如：影像加強(qiáng)a.線性加強(qiáng)(Linearmin-maxstretching)公式：Val':為加強(qiáng)後新值。Val:為原值。Min:為最小值。Maxvalue:加強(qiáng)後之最大值(

5、以0為最小值)。對應(yīng)曲線斜率大於1者為加強(qiáng)部分，斜率小於1者為壓縮部分。圖4.12b.均頻加強(qiáng)(Histoequalization)公式/作法：Freq(i)':是每一新I強(qiáng)度的頻率。n:是影像之總像元(pixel)數(shù)。maxval:欲取得之新值總數(shù)。相關(guān)網(wǎng)頁KhorosLabforTEMPUSCIDECImageProcessingCourse(HistogramStretchingContrastEnhancement)KhorosLabforTEMPUSCIDECImageProcessingCourse（Histogram

6、Equalization）若y軸之d%間距相同，則其形成之A與B之面積相同，故在y軸等分所形成之x軸上之切割對應(yīng)點(diǎn)，分組之頻率和相同，亦即均頻。圖4.13圖4.14理想轉(zhuǎn)換線之直方圖應(yīng)為水平線分佈，即各組頻率相同。圖4.15圖4.16圖4.172.統(tǒng)計(jì)與資訊抽取例如：分類a.最小距離法公式：以差異之總和作為相似性之定義，差異愈小，則愈像。亦是另一種歸屬函數(shù)；但類別間有相互競爭，最像者得此分類單元（pixel或區(qū)域）優(yōu)點(diǎn)：計(jì)算簡單、成本低。缺點(diǎn)：此方法只考慮與類別之中心趨勢平均間距離，但未考慮其分佈大小。圖4.18最小距離法A.分類

7、方法；B.分類結(jié)果A.B.b.平行桿法公式：函數(shù)in：為xi值在Catj之統(tǒng)計(jì)range之內(nèi),則in值為j。即落入分類組之分佈範(fàn)圍，即稱為相似。優(yōu)點(diǎn)：此法考慮了分佈，且成本低。缺點(diǎn)：但可能有較多之重疊競爭，需有法則處理，其尚未考慮到分佈機(jī)率。圖4.19平行桿法A.分類方法；B.分類結(jié)果A.B.c.最大相似法公式：函數(shù)Probj：為Catj之常態(tài)分布機(jī)率函數(shù)；最大或然率之j即為Cati之值。此法以機(jī)率為其相似性指標(biāo)，機(jī)率最大者為最像。優(yōu)點(diǎn)：其有考慮平均及分佈並算出機(jī)率，可以較細(xì)緻的判釋其正確性，一般而言較高。缺點(diǎn)：其分佈假設(shè)為常態(tài)分

8、佈，若真實(shí)分佈為其他分佈或雙（多）峰分佈則不準(zhǔn)、計(jì)算成本較大。改進(jìn)方法：可以計(jì)算其真實(shí)機(jī)率來取代，但成本會(huì)更大。圖4.20最大相似法A.分類方法；B.分類結(jié)果A.B.3、統(tǒng)計(jì)與影像轉(zhuǎn)換及選用利用主軸成分分析（PCA），將影像中的相關(guān)性降低，減少重複