时间：2023-05-29 17:39:48
[关键词]公安 刑事技术 影像技术 图像
中图分类号：D918.2 文献标识码：A 文章编号：1009-914X（2017）02-0285-01
1 前言
在许多刑事案件中公安机关都能够获取到影像资料，这些影像资料为案件的侦破带来了非常大的价值。但由于不具备统一固定的标准和设备，得到的影像资料往往参差不齐、五花八门，其中模糊图像占据了很大的比重。如果没有专业影像技术和知识，模糊图像往往是镜中花水中月，无法清晰反映出现场的情况和信息，成为了鸡肋。为了尽可能的发挥出影像资料的证据价值，必须要借助于影像技术模糊图像处理技术手段对其实施有效处理，提升图像质量。
2 模糊图像概述
近年来随着公共场所监控区域的密度和范围逐渐扩大，影像信息保存日趋完整，大部分城市监控系统主要为宏观场景判断与监视，通常包含目标的行为、数量、相互关系等信息获取，往往以人工观察判读为主。而与刑事案件相关的影像分析一般都需要具体详细的目标信息，如车牌号码、尺寸、人物相貌、衣着外形等，此类信息对刑事侦查来说非常关键。由于各类架设城市监控的目的大多为宏观上观察，导致现阶段多数城市监控系统的影像材料在分辨率以及图像质量等方面无法符合刑侦系统工作的实际需求，也给刑事影像分析技术提出了较大的困难。还有一些情况使得本应该获得正常影像的时候，出现了模糊图像。例如天气、照明、夜晚等恶劣外部环境使得高清采集器材无法记录高清影像；突发事件时采集工具设备的像素和对焦等问题，使得到的影像出现模糊图像等。
3 常见图像处理技术
3.1 降噪处理
图像降噪处理是计算机视觉与图像处理技术中一种应用十分普遍的技术方式，一般选择的降噪方式包括两种：单帧处理与序列图像处理。单帧处理能够把图像像素亮度值直接用于降噪。空间滤波结果来自给定窗口内像素的加权平均。一些专家提出双边滤波，其权重和亮度距离与空间距离直接相关，让算法具备更佳的有效性。在信号处理系统内部噪声通常是变换域中的高频区域，应用变换算法把输入图像转换到变换域，去除或者压缩噪声部分实现抑制噪声影响的目的。
3.2 对比度处理
对比度增长属于提高低对比度图像质量的有效方法，可以明显提高图像暗部区域的细节，其原理相对简单，操作简便，容易实现。但是此类技术算法的主要缺陷在于适应性不是很好，必须要结合具体的亮度程度来对参数予以调整。直方图均衡化是计算机视觉与图像处理过程中的典型点处理算法，十分适用于低照度这种狭窄灰度范围的情况，和灰度变换处理比起来，直方图均衡化不仅能够U展动态范围，同时还可以确保灰度级的分布均匀。作为一种点处理算法，其计算量相当少，完成效率高，仅需一次图像灰度值的概率统计与映射便能够实现。
3.3 复原处理
图像复原处理是结合图像退化的先验知识构建退化模型，之后根据这一模型作为基础，选择进行逆操作来实施恢复，进而实现复原图像细节的目的。即便是图像复原与增强的主要目的都是促进图像清晰度的提升，但二者从技术方面来说却存在明显的差异。图像增强无需了解模糊图像的详细降质模型与具体参数，一般借助于图像亮度值的更改来促进图像视觉效果的提升；而图像复原则必须要清楚的了解图像退化过程的先验知识，随后采取逆操作来获得更加清楚的图像。因为选择逆操作的方式，使用的模糊图像降质模型参数直接决定了图像复原的最终效果。一般在实际工作中所选择的复原手段主要是逆滤波、维纳滤波以及带约束的迭代法等。而维纳滤波拥有较高的降噪能力，模糊图像与复原图像之间的误差最小，在具体实际工作实践中应用非常普遍。
4 结语
总之，随着现代数字技术的不断进步以及影像专业对视频技术的促进和要求，模糊图像处理技术的相关研究也在不断摸索和研究新的理论和软件。实践说明，模糊图像处理技术在车牌、人脸的识别中能够发挥出非常好的效果，对公安机关刑侦系统影像专业寻找搜集线索、证据等具有重要意义。
参考文献
[1] 刘耀.物证鉴定科学.[M].北京：群众出版社，1998.
关键词：云计算 航空影像 数据处理 构架
中图分类号：P237 文献标识码：A 文章编号：1672-3791（2014）07（a）-0046-02
随着摄影测量手段和信息获取技术的发展，航空影像数据的获取周期越来越短，航空影像数据的更新频率越来越快。对于海量遥感数据快速处理以达到实现快速响应机制，传统的摄影测量数据处理平台已经不能满足当前的生产需求。因此，如何快速、高效地处理这些影像数据，以及如何迅速的从影像数据中获取用户所需的基本信息（如概貌、土地的分类、土地利用情况、植被分布、水系的分布和变化，灾害区的范围等）是一个值得研究并且急需解决的问题，也是建立遥感快速响应机制领域的一个重要的应用和发展方向。本文将云计算模型处理的技术引入影像数据处理中，设计了基于云计算的海量影像数据的云处理模型。
1 云计算模型构架
云计算的关键是如何实现大规模地连接到更加广泛的服务器甚至个人计算机，使这些计算机并行运行，各自的资源结合起来形成足可比拟超级计算机的计算能力。我们可以通过个人电脑或便携设备，经由因特网连接到云中。对用户端来说，云是一个独立的应用、设备或文件，云中的硬件是不可见的，如图1所示。
它的过程是这样的：首先，用户的请求被发送给系统管理，系统管理找出正确的资源并调用合适的系统服务。这些服务从云中划分必要的资源，加载相应的Web应用程序，创建或打开所要求的文件。Web应用启动后，系统的监测和计量功能会跟踪云资源的使用，确保资源分配和归属于合适的用户。
2 云计算处理模型的运行机制
基于云计算模型的影像数据处理模型是在传统的影像数据处理流程的基础上，突破了传统的计算模式，使用了云计算强大的计算资源来完成整个数据处理中的大量的数字运算。其中包括任务的分发、云端处理以及处理完数据的集中和影像的镶嵌等操作。
2.1 云处理模型的体系结构
基于云计算模型的影像数据处理系统的体系结构。云工作站负责管理和分发任务，云端处理服务器依据分发的任务，从云存储中取出影像进行相应的处理，通过TCP/IP通信协议与服务器建立通讯。当对应的云端处理服务器（可以是大型的计算机业可以使微型的个人机）接收到任务时，通过调用系统的计算资源进行相应的处理服务，同时通过云端系统之间的相互通信可以实现一些软件资源的共享等。
2.2 云处理模型的工作流程
图3为基于云计算模型的影像数据处理系统的一般的工作流程，主要包括任务表的创建与分发，云端系统的具体的处理过程以及数据成品的集中和影像的镶嵌。利用云计算强大的计算资源来完成其中涉及到的巨大的运算要求。
3 基于云计算的航空影像处理模型
在这个模型系统中，主要包括数据的预处理和专题信息的提取。在后期的制图过程中主要包括地图信息的符号化和综合。
3.1 预处理
遥感图像的预处理主要包括几何校正和辐射校正，还包括其他的预处理手段，如图4所示。遥感图像成图时，由于各种因素的影响，图像本身的几何形状与其对应的地物形状往往是不一致的。遥感图像的几何变形是指图像上各地物的几何位置、形状、尺寸、方位等特征与在参考系统中的表达要求不一致时产生的变形。遥感图像的变形误差可以分为静态误差和动态误差两大类。静态误差是在成像的过程中，传感器相对于地球表面呈精致状态时所产生的各种变形误差。动态误差主要是成像过程中由于地球的旋转等因素所造成的图像变形误差。遥感图像的几何处理主要包括图像的粗加工、精纠正，还包括重采样以及共线方程的纠正的。
由于航空影像成像过程的复杂性，传感器接收到的电磁波能量与目标本身辐射的能量是不一致的。传感器输出的能量包含了太阳位置和角度条件、大气条件、地形影响和传感器本身的性能所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解会造成影响，必须加以校正或消除。辐射校正就是指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。在影像数据制图中，数据的收集一般包括遥感影像数据的收集和其他非空间数据的收集，在充分收集历史和当前数据的基础上要对于资料进行初步的整理。数据的预处理主要包括影像数据的几何处理和辐射校正。预处理的云处理模型已经在之前介绍过了。
3.2 中期操作
在传统的遥感影像专题信息提取中，主要包括影像数据的格式转化，图像的增强和均衡化、波段的融合、纠正等，文本资料的分类，地图信息的分析，同时在信息的提取中有监督法分类和非监督法分类，以及分类后处理等操作。在基于云计算模型的遥感影像处理系统中，上述的操作方法不变，变化的是计算的模式。传统的处理模式是串行的处理，基于云计算的遥感影像处理模式主要是利用云端系统强大的计算资源实现影像的实时处理。在完成任务的分发后，相应的云端通过直接的相互通信，能够下载相应的处理模块所需的软件和模块，同时按照当前服务器的计算资源状况完成相应的处理和任务的分发等。
3.3 后期操作
后期的专题地图的制作中主要包括地图信息的综合，按照专题的信息决定地图信息的取舍，突出重点的专题，省略其他无关的要素，符号化的过程主要依据可视化和视觉美学等知识进行取舍，其中涉及到大量的计算任务仍然放到云端来完成。影像数据的处理一般包括格式转换、图像的增强、均衡化、波段的融合等，在影像数据的应用上主要有信息的提取、分类、专题图的制作等。
4 结论
云计算是一种颠覆性的技术具有深刻意义，不仅对互联网服务，而且对这IT业都是一次革命。将它应用在航空影像数据处理领域更是一种大胆的尝试，作为航空影像数据处理专业领域，如何进行海量数据存储与处理、系统的扩展与开放等是该领域长期的瓶颈，云计算的出现给解决这些问题带来了希望。本文详细探讨了遥感云计算的系统构成和实现方法，并以一个具体的原型系统展现了航空影像云计算模式的用户界面、技术手段和运行流程。
参考文献
关键词:Worldwind;多分辨率图层技术;遥感影像显示;瓦片
中图分类号:TP317.4文献标识码:A 文章编号:1009-3044(2010)10-2463-03
Solution of Remote Sensing Image Processing Based on NASA World Wind
ZHI Jing-jing1,2,3 , MA Xiao-fei1, QIAO Bao-jun1,2,3 , PAN Wei1,2,3
(1.College of Computer and Information Engineering, Henan University, Kaifeng 475001,China;2.Institute Of Remote Sensing Applications Chinese Academy Of Sciences, BeiJing 100101,China;3. Demonstration Center for Spaceborne Remote Sensing National Space Administration, BeiJing 100101,China)
Abstract:This paper studies on the visualization of massive remote sensing datas. considering the problems of splicing between the remote sensing images in application of NASA World Wind, author designed a solution of remote sensing image processing Based on NASA World Wind. The solution focuses on a single remote sensing image, based on the NASA World Wind layer multi-resolutions technique , improved single-image multi-resolution techniques, thus avoiding the problems in splicing between the remote sensing images. The solution are effective to avoid he problems of splicing between the remote sensing images,and experiments show that accurately display remote sensing images.
Key words: Worldwind; GeoTIFF; Image Display; Java Three-Layer Architecture
美国副总统Gore的“数字地球:二十一世纪认识地球的方式”演讲掀起了数字地球的研究热潮。1998-2001年间,美国政府资助了由美国航空航天局牵头、数字地球跨部门协调机构(Inter-agency Digital EarthWorking Group),IDEwG负责协同的“DigitalEarth Initiative”研究行动,致力于数字地球的研究[1]。NASA World Wind 是一款由美国宇航局(NASA)和合作伙伴――开源社区,共同开发的三维地理信息系统[2]。该数字地球采用一种新颖的方法,以高传输宽带速度为行星和其他天体包括卫星数据和其他数据提供高达TB级的影像和数字高程模型数据服务,包括地球,月球,火星,金星和木星,这些天文级数据量的数据通过斯隆数字天空调查局有效地处理。World Wind 既是一款可以为公众提供动态科学数据的地理浏览器也可以作为一个对陆地、海洋、天空和宇宙进行任务操作的平台。World Wind 作为一个开放源代码工程的最重要特性是它是唯一拥有将多种公开和专用地理数据聚合功能,不但可以提供NASA自身的数据,还可以提供从其他政府部门、行业和普通大众中得
到的数据。World Wind 在地图显示的通过采用使用多分辨率图层技术[3],达到快速浏览、放缩遥感影像数据。但是NASAWorld Wind使用多分辨率图层技术是针对全球数据进行处理的。我们拿到的卫星数据往往不是全球数据,而是以景为单位的区域数据。因此World Wind在处理非全球数据过程中存在一系列的问题。
1 NASA World Wind多分辨率图层技术及其在遥感影像处理中面临的问题
本文针对这些问题,提出针对单景或多景遥感影像显示的多分辨率图层技术方案,该方案有效地解决了World Wind的多分辨率图层技术在处理非全球数据过程中存在的问题。
1.1 World Wind 多分辨率图层技术
为了使用户缩放到不同区域时逐渐地显示更多的细节,World Wind 采用了多分辨率图层技术。所谓多分辨率图层技术[4]就是对被显示的数据进行重采样,提取不同分辨率的图层,然后根据Worldwind的视距显示不同分辨率的图层。Worldwind 首先对地球进行网格划分,在不同的分辨率层次上划分大小不同的网格,并进行编号[5]。在0层,World Wind 将地球分成50块瓦片,每一块影像跨度为36° x 36°,如图1所示。图层1在图层0影像的基础之上提高4倍的分辨率,也就是说对于同一影像,它被分成18°x 18°的片段,因此产生200块信息的瓦片。在图层2,分辨率提高到含有800块9° x 9°的瓦片,图层3也就是4.5° x 4.5° 而且含有3200块瓦片,以此类推。
当用户启动World Wind的时候,World Wind展现出分辨率最低的地球。用户放大浏览某一区域时,首先判断与该分辨率相匹配的图层,然后根据屏幕上所显示区域的经纬度计算需要显示的网格。World Wind根据网格编号进行通过因特网从服务器上下载与网格编号对应的地图并在网格上显示。
1.2 遥感影像处理中面临的问题
World Wind 多分辨率图层技术中的网格是对全球进行划分,对于处理全球的影像数据比较适合。而我们获取的卫星数据大都不是全球数据,而是以景为单位的某块区域的数据,如果再按照World Wind处理方案进行处理则需要解决一些列的问题[6]。如图2所示。
图2背景为全球网格,其中有两景上下排放的遥感影像。如果按照World Wind的划分方式把地球分成50个网格。当我们拿到要遥感影像后,需要根据遥感影像经纬度信息在全球范围内进行匹配,如上图所示。然后在按照World Wind网格划分方法把遥感影像进行切片。
由于当前切分的数据不再是全球数据而是部分数据,许多切片的数据往往来自多景遥感影像[7]。如网格第二行第五列的切片只有右下角有数据,最上边和最左边的数据不在该景遥感影像中。在第三行第五列网格的遥感影像切片除了来自于图中两景遥感影像还需要从其他遥感影像读取数据才能切出完整的切片。不同景的遥感影像之间还存在边界重叠的问题。因此在处理边界上的切片时需要繁琐的处理。
2 基于单景遥感影像的多分辨率图层技术
World Wind多分辨率图层技术在遥感影像处理中面临的问题主要是由于该技术着眼于全球数据,而我们获取的遥感影像往往只是某一区域的数据之间的矛盾。因此本文在处理遥感影像数据的过程中应当调整着眼点,立足于单景遥感影像进行处理,提出基于单景遥感影像的多分辨率图层技术。具体流程图下:
首先,对World Wind只做多分辨率划分,而不再进行网格切分。视点到地表距离的不同划分出多个分辨率等级。如图3所示。
其次,对遥感影像产品同样进行多分辨率划分。最大分辨率为Level n;最低分辨率为Level 0。由遥感影像原始分辨率为最大分辨率[8],重采样低一级分辨率的遥感影像,低一级的分辨率为高一级分辨率的四分之一.根据逐级重采样,一直到重采样的后的文件大小小于mK(m为一个固定值,通常为256)。然后对图像进行基于四杈树切分,每级Level的切片数为4n,如图4所示。
最后,对World Wind分辨率与遥感影像分辨率进行匹配。World Wind根据当前分辨率等级查询与之相匹配的遥感影像图层,再根据屏幕显示区域的地球经纬度信息匹配遥感影像图层中之相匹配的切片。如果没有相匹配的切片,则不进行数据请求。如果有相匹配的切片,则根据经纬度信息请求相匹配的切片数据进行显示。在World Wind与遥感影像进行匹配过程会出现三种情况,如图5所示。
由于World Wind和遥感影像的多分辨率图层划分都是采用1:4进行划分,因此只可能出现以上三种情况。
1)World Wind顶层分辨率对应多个遥感影像图层,取遥感影像图层中的最顶级图层与之匹配。当World Wind的分辨率大于遥感影像最大分辨率时则不再进行请求数据。
2)从遥感影像分辨率等级顶层开始,每个遥感影像分辨率图层有对应一个World Wind分辨率等级,则World Wind根据自身分辨率请求遥感影像图层切片。当World Wind分辨率超过遥感影像最大分辨率时则不再进行请求数据。
3)遥感影像分辨率图层不是从顶层开始于World Wind分辨率顶级开始匹配。在World Wind分辨率没有达到遥感影像顶级分辨率图层时,不请求该遥感影像数据,达到该遥感影像顶级分辨率等级后再请求遥感影像瓦片。当World Wind分辨率超过遥感影像最大分辨率时则不再进行请求数据。
3 实验结果
实验证明基于单景遥感影像的多分辨率图层技术能够快速正确地实现基于NASA World Wind 的遥感影像显示。遥感影像切片过程中不需要考虑不同景遥感影像在同一个切片上的拼接问题。
4 总结
本文通过研究World Wind 地图显示方案,以及该方案在针对非全球遥感影像数据处理过程中的问题,对该方案进行改进,提出基于单景遥感影像的多分辨率图层技术方案。该方案实现了本地遥感影像基于World Wind的显示,同时在遥感影像处理过程中不必考虑各景遥感影像之间的关系,为基于World Wind处理非全球数据提供了重要参考价值。
参考文献:
[1] DAVID G.BELL,L.FRANK, M.CHRIS .NASA World Wind: Opensource GIS for Mission Operations [C].IEEE Aerospace Conference. New York,2007(11):1-2.
[2] 卢海斌,郑文峰,银正彤,杨朝辉,李晓璐.NASA World Wind JavaSDK数字地球客户端开发[J].测绘科学,2009.34(3).169-170.
[3] GORE A Digital earth:understanding our planet in the 21st century 2008.
[4] 王宏武,董士海.一个与视点相关的动态多分辨率地形模型[J].计算机辅助设计与图形学学报.2009,12(8),576-578.
[5] TIFFTMRevision 6.0[S].Washington:Aldus Corporation.2001(8):13-16.
[6] Schiewe J Segmentation of high-resolution remotely sensed data concepts,applications and problems [J].Arch.of Photogrammetry and Remote Sensing,2002.4:380-385.
1.1遥感影像基本定义及介绍
遥感技术自诞生之日起,应用逐步延伸至我们日常生活的每个角落。1943年德国开始利用航空相片制作各种比例尺的影像地图。1945年前后美国开始产生影像地图,我国在20世界70年代开始研制影像地图。[1]在日常工作中,我们常常接触到遥感影像,谈及遥感技术及其应用。那么具体是指什么呢?所谓遥感影像,是指纪录各种地物电磁波数据而生成的各种格式的影像数据,在遥感中主要是指航空影像和卫星影像。目前遥感影像图无论在农业的土地资源调查,农作物生长状况及其生态环境的监测,还是在林业的森林资源调查,监测森林病虫害、沙漠化或是在海洋资源的开发与利用,海洋环境污染监测都有着非常重要的应用。[2]
1.2遥感影像的四个基本特征
遥感影像有其四个基本的影像特征:空间分辨率、光谱分辨率、辐射分辨率、时间分辨率。通常意义上,我们平时最多谈及精度的问题,常常是指空间分辨率(SpatialResolution),又称地面分辨率。后者是针对地面而言,指可以识别的最小地面距离或最小目标物的大小。前者是针对遥感器或图像而言的,指图像上能够详细区分的最小单元的尺寸或大小,或指遥感器区分两个目标的最小角度或线性距离的度量。它们均反映对两个非常靠近的目标物的识别、区分能力,有时也称分辨力或解像力。光谱分辨率(SpectralResolution)指遥感器接受目标辐射时能分辨的最小波长间隔。间隔越小,分辨率越高。所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小,这三个因素共同决定光谱分辨率。光谱分辨率越高,专题研究的针对性越强,对物体的识别精度越高,遥感应用分析的效果也就越好。但是,面对大量多波段信息以及它所提供的这些微小的差异,人们要直接地将它们与地物特征联系起来,综合解译是比较困准的,而多波段的数据分析,可以改善识别和提取信息特征的概率和精度。辐射分辨率(RadiantResolution)指探测器的灵敏度——遥感器感测元件在接收光谱信号时能分辨的最小辐射度差,或指对两个不同辐射源的辐射量的分辨能力。一般用灰度的分级数来表示,即最暗——最亮灰度值(亮度值)间分级的数目——量化级数。它对于目标识别是一个很有意义的元素。时间分辨率(TemporalResolution)是关于遥感影像间隔时间的一项性能指标。遥感探测器按一定的时间周期重复采集数据,这种重复周期,又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。这种重复观测的最小时间间隔称为时间分辨率。
2常用遥感影像
2.1一般遥感影像
目前,常用的中分辨率资源卫星有LandsateTM5、中巴资源卫星;以及常用的高空间分辨率的Spot5、Rapideye、Alos、QuickBird、WorldviewⅠ、WorldviewⅡ等。高分辨率遥感影像图信息丰富、成本低、可读性和可量测性强、客观真实的反映地理空间状况,充分表现出遥感影像和地图的双重优势,具有广阔的发展前景。[3]LandsateTM5、中巴资源卫星对大区域范围内的资源变化、国土资源变化、自然或人为灾害、环境污染、矿藏勘探有着较大的优势,但是因为分辨率低,所以在林业遥感判读中误判率相较于其他几种高精度遥感影像高,适合大面积地区的使用,譬如内蒙草原的退化变化以及荒漠化变化的监测等。其中ALOS因卫星故障已经于2011年4月开始较少使用。QuickBird虽然精度较高,但它一般对城区影像的覆盖较多较集中,对山区覆盖较少,而且存档数据很少,需要提前预定。不仅如此,QuickBird数据费用较高,综合以上原因,QuickBird数据一般很难大范围使用,所以在林业项目中使用较少。
2.2前沿遥感影像
WorldviewⅠ、WorldviewⅡ均为Digitalglobe公司的商业成像卫星系统,被认为是全球分辨率最高、响应最敏捷的商业成像卫星。这两颗卫星还将具备现代化的地理定位精度能力和极佳的响应能力,能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。其中WorldviewⅠ为0.5米分辨率。相较于WorldviewⅠ,WorldviewⅡ载有多光谱遥感器不仅将具有4个业内标准谱段(红、绿、蓝、近红外),还将包括四个额外谱段(海岸、黄、红边和近红外Ⅱ),能够提供0.4米全色图像和1.8米分辨率的多光谱图像。需要特别一提的是,WorldviewⅡ提供的四个额外谱段(海岸、黄、红边和近红外Ⅱ)可进行新的彩色波段分析:(1)海岸波段,这个波段支持植物鉴定和分析,也支持基于叶绿素和渗水的规格参数表的深海探测研究。由于该波段经常受到大气散射的影响,已经应用于大气层纠正技术。(2)黄色波段,过去经常被说成是yellow-ness特征指标,是重要的植物应用波段。该波段将被作为辅助纠正真色度的波段,以符合人类视觉的欣赏习惯。(3)红色边缘波段,辅助分析有关植物生长情况,可以直接反映出植物健康状况有关信息。(4)近红外Ⅱ波段,这个波段部分重叠在NIR1波段上,但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。林业工作对遥感影像的植被信息较为关注,以上提及的四个额外谱段能提供较多的植被信息。国外相关机构已经将四个特色谱段应用于前沿科学研究,譬如生物量遥感估测应用等等。美中不足的是,相较于其他类型的遥感影像,WorldviewⅠ,WorldviewⅡ影像费用较高,在质量和技术上领先但价格上不占优势,不易于大范围的使用。
2.3林业工作中应用较多遥感影像
除去以上谈及的几种类型的遥感影像,在工作中较多使用到的是Spot5和Rapideye这2种遥感影像。Spot5是由法国发射的一颗卫星,常规提供2.5米全色影像和10米多光谱影像。SPOT5卫星影像的专业制图比例尺为1:25,000,概览成图比例尺极限为1:10,000。工作中,我们通常将2.5米全色影像与10米多光谱影像在正射纠正完后进行融合,生成2.5米空间精度的影像用于林业应用。Rapideye卫星为德国所有的商用卫星,主要性能优势:大范围覆盖、高重访率、高分辨率、5米的多光谱获取数据方式,省去了其他种类遥感影像需要全色影像与多光谱影像融合的步骤,这些优点整合在一起,让RapidEye拥有了空前的优势。RapidEye是第一颗提供“红边”波段的商业卫星,结合4个业内标准谱段(红、绿、蓝、近红外)适用于监测植被状况和检测生长异常情况,在林业领域应用中较为有利。
3遥感影像准备及处理过程
3.1遥感影像准备
每种遥感卫星对地面覆盖范围不同,轨道不同,重访周期不同,拍摄时间、角度不同等等原因,还常受天气影响。因此根据实际需要使用的日期,来查询各景遥感影像是一件颇费周章的工作,一般需要向影像公司提前预定。实际工作中往往要求前后两期遥感影像对比,前后两期遥感影像对时间上的要求较为苛刻,因而这些工作往往经由熟悉遥感业务的高级技术人员执行。另外,遥感影像的购买、使用、存储需要考虑到保密工作,这一点也是需要谨慎对待。工作经验总结出Spot5、Rapideye有时因侧视角度过大原因,导致某些区域拉伸变形,尤其是高海拔山区部分;影像角度需要提前检查,侧视角度最佳保持在20以下。而较小侧视角可以保证邻近2景影像良好的接边,并能保证正射纠正后空间位置的准确性。
3.2遥感影像处理
3.2.1DOM及DEM数据准备通常,在条件良好的情况下,工作中使用1∶10000或更高精度的航片或是已经经过处理的高精度卫片作为DOM参考;但也可以使用的是1∶50000或1∶10000地形图作为参考。在实际工作中,我们往往会遇到DOM参考影像的空间分辨率不一致。在参考选用时,应该按照优先使用高精度DOM参考影像,然后再退而求其次的原则,保证校准的精度。一般地形图需要通过扫描形成DRG数据,在扫描图基础上进行逐公里网定位纠正处理,以达到精确的地理定位。DEM数据一般采用国家标准的1:50000DEM,或采用1∶10000、1∶50000矢量数据生成。DEM覆盖范围要大于遥感影像覆盖范围,这样才能保证遥感影像的有效纠正。
兰州大学第二医院（以下简称“兰大二院”）放射科在2005年上线PACS，并于2012年升级为全院级PACS。在全院级PACS规划、设计阶段，医院就把三维影像及后处理功能融入到整个系统中。目前，全院有各类影像工作站300台，覆盖所有影像科室及临床科室。全院级PACS上线后，大大提升了医院的诊断质量，并对医院的诊疗流程产生了变革。放射科主任周俊林说，拥有强大后处理功能（特别是三维后处理）的全院级PACS的上线，大大提升了放射科的存在感和影响力。
“只要有数据，就可以实现想要的东西”
周俊林介绍，随着医学的进步，临床医生对影像提出了更高的需求。影像科医生的诊断水平体现在对疾病的定位、定性和定效（疗效）评估上，非常强调疾病与手术病理的吻合程度，关注病灶从哪里起源、是哪种类型、是什么性质以及是哪个级别等。而临床医生更关注的是影像对手术病灶可切除性的评估。
周俊林说：“现在的多排螺旋CT、核磁共振都提供容积数据，医生完全可以根据需求，利用PACS平台，根据需要任意进行骨骼、韧带、软组织及血管内容的显示和观察，进行任意角度和任何组织的重建及仿真内窥镜的展示等，进行灌注成像及基物质的测定等功能方面的评估，而我们的设备仅仅是提供数据而已，只要拿到数据，在PACS系统就可以完美地实现我们想要的东西。”
“没有放射科医生参与，就做不了全面评估”
“PACS系统间接实现了多种影像的整合及融合，这一切，使得我们是在融合影像的基础上做出影像评估，兼顾了多种影像技术、形态和功能、局部和整体，评估也更准确。”周俊林说，现代影像学的发展使得放射科医生必须要转变思维和理念，不能用传统的断面成像思维去评估某一区域、某一病灶，而是要站在整体的高度看待影像。
全院级PACS给科室带来的改变，周俊林深有体会。他说，在上线系统之前，放射科给临床科室的感觉就是照相馆，而现在，在全院每周五六个正式的多学科讨论中，几乎每个讨论都会请放射科医生参加，因为“没有放射科医生们帮他们做影像的解读、分析，他们自己可能是一知半解，至少会理解不全面。比如在腹部、消化领域，没有多学科讨论就不能做手术，而没有放射科医生的参与，就做不了全面评估。”
“提升诊断质量，变革诊疗流程”
2012年兰大二院上线全院级PACS，选择了北京思创贯宇科技开发有限公司（以下简称“思创科技”）的产品。全院级PACS上线两年来，周俊林觉得这套系统速度很快，对业务流程的改善帮助很大，三维及后处理平台的功能及效果完全达到设备带的专业工作站水平。他说：“影像高级后处理技术的融入带来的不仅仅是临床诊断质量的飞跃，更实现了对全院PACS流程的深入变革，开启了医院PACS诊断技术和应用领域的新时代。”
对于产品的选择，他有自己的理解：国产品牌跟国外品牌技术差不多，而且还不会存在国外大品牌可能出现的水土不服问题。并且，性价比和后期维护也是很重要的考量因素。
与思创科技合作已有两年，周俊林显然很满意自己当初的决定，他说：“我们可以提很多个性化的要求，他们都会想办法帮我们实现。完全可以说是给我们提供了一个适合我们自己医院的方案，让系统跟我们医院现有的设备和系统实现无缝融合。”
DisplaySearch针对电视产品调查报告指出，2007年第三季数字电视的图像处理芯片、MPEG动态图像处理芯片及视频解码扫描芯片等合计出货量比上一季增长28%，与2006年同期相比增长22%。而联发科(MediaTek)则持续取得更高的市占率，出货量比上一季增长高达94%，超越Genesis取得出货量第二名位置。即使电视芯片平均销售价格受到电视制造厂商议价的影响，造成微幅下降，不过来自第四季传统旺季需求所带动出货量提升，综合影响之下的第三季数字图像处理芯片出货金额仍比上一季增长16%。第三季度数字电视芯片出货金额达3.46亿美元，其中专业芯片厂商占88.3%的市场份额，其余为电视厂商自行开发。随着数字电视广播与地面数字电视传输的普及，预计数字电视芯片在2007年及2008年的出货都将有持续的高增长。
DisplaySearch数字电视芯片分析师Vish Nayak指出，第三季数字电视芯片的营收增长相当强劲，主要是消费者在2007年下半年对数字电视升级的需求，以及被新显示技术整合在LCDTV及PDPTV所带来的新功能所吸引。第三季的数字电视芯片出货及营收为今年的高峰。Nayak并指出，预计第三季出货的数字电视芯片库存，将会在美国感恩节到圣诞节期间随着数字电视的售出而消化一空。
厂商表现方面，泰鼎微电子(TridentMicroelectronics)仍然持续保持其市场第一名的地位，第三季占按出货量计市占率为21.7%；不过由于其新的整合ME/MC(动态画面增进与动态画面补偿)电路与120Hz技术的单芯片解决方案(主要目标市场为前四大液晶电视机品牌)较预期推出时稍晚，使其第三季仅比上一季微幅增长2%，同时也使其市占率比上一季下降5.5%。而联发科第三季占按出货量计市占率17.1%，比上一季提高6%。其增长动能主要在于台湾与大陆电视代工厂商与新进品牌等厂商大量采用联发科的数字电视芯片。
美商GenesisMicrochip第三季占按出货量计有13.6%的市占率，比第二季的13.1%微幅增长。虽然联发科的强劲增长使其表现略为逊色，不过从Genesis的出货量来看，第三季出货量为390万组芯片，比第二季出货量增长32%。另外，Genesis推出名为Douglas的数字电视单芯片，具有相当的价格竞争力，预期未来将成为市场推展的一大助力。
此外，目前芯片供货商逐渐将其市场重心转移至高速增长的欧洲市场。因此2007年DVB-T电视市场出货量将超过900万组，2011年估计将达到2380万组出货。而意法半导体(STMicroelectronics，ST)在第三季中出货到搭配DVB-T规格的数字电视机，所使用的独立非整合型MPEG2处理芯片的出货量排名第一。
AMD合并ATI后组成的AMD/ATI第三季在整合有MPEG2功能的图像处理芯片市场出货量达210万组，排名第一。而AMD/ATI仍持续加强多媒体、图像处理器以及数字电视芯片等产品的整合，以使该公司成为唯一一家全产品线的的芯片供货商，同时能提供合理成本及具竞争力的价格给客户。
此外，Zoran第三季在整合有MPEG2功能的图像处理芯片出货量为170万组，出货量排名第二，与上一季相比大幅增长86%，从营业额来看也比上一季增长41%。主要的增长动力来自于欧洲DVB-T客户的需求，及在中国有线电视市场的成功所致，同时Zoran也将与富士通(Fujitsu)、三菱(Mitsubishi)新的策略合作与芯片整合方案，为其未来增长注入新活力。
整体看来，第三季Trident以21.7%的市占率取得数字电视的图像处理芯片出货量第一名，联发科市占率17.1%跟随在后；从季度增长率来看，联发科的增长速度最快，第三季较第二季大幅增长94%，而Genesis增长率则居第二位。
关键词：卫星影像 正射影像 快速制作 正射纠正
中图分类号：P208 文献标识码：A 文章编号：1672-3791（2016）04（b）-0000-00
1 引言
卫星影像作为一种数字产品，是进行相关测绘工作的基础数据源。它具有覆盖面广、信息丰富、现势性强、更新周期短等优点，其地面分辨率随着航天传感技术的发展而提高，在国民经济和社会发展的各个领域，卫星影像均有着广泛的应用。要将卫星影像应用于基础测绘数据获取工作，就必须先对卫星影像进行几何校正，而正射纠正是几何校正的最重要的一个方面。本文结合实际生产经验，主要介绍在高分辨率遥感影像数据一体化测图系统（简称PixelGrid）下利用原始高分辨率卫星影像制作数字正射影像图的方法。
2 高分辨率卫星影像在测绘工作中的应用
目前，常用的航测成图法是在已有测绘成果资料和遥感影像的基础上，实行全数字化摄影测量与人工野外实地调查的方式，形成最终测绘成果。该方法由于航片获取周期长的问题，费时、费力，不能及时地获取全局的地理要素动态变化信息。近年来卫星遥感技术和计算机技术的迅速发展，为地理要素信息的获取提供了及时有效的新手段，利用卫星影像覆盖面广，更新周期短等优点，不仅可以及时有效地大面积获取地理要素信息，更可以大大降低工作成本，缩短作业周期。
高分辨率卫星影像作为基础数据源，按计划定期对其进行获取和正射纠正等处理，可满足地理要素动态监测的需求。
3 基于已有DEM/DOM成果的卫星影像快速纠正
基于已有DEM/DOM成果的卫星影像快速纠正，即对所获取的高分辨率卫星影像（影像分辨率不小于2米），利用控制点影像库或以通过质检的最新高分辨率的数字正射影像图作为控制资料，结合数字高程模型数据，进行正射纠正。
本文以与作为控制资料的DOM的套合误差来评定影像纠正精度（套合中误差应小于4米，最大误差不超过2倍中误差），故主要使用基于已有DOM/DEM快速更新方式的卫星影像纠正方法作为主要处理方法。即利用覆盖卫星影像范围的已有DOM和DEM数据，在PixelGrid系统中进行卫星全色影像与作为参考的DOM数据的自动控制点匹配。利用自动匹配的控制点，结合DEM数据，对全色卫星影像进行正射纠正。多光谱卫星影像与纠正后的全色影像进行影像配准，得到带空间参考的多光谱卫星影像，最后将纠正后的全色和多光谱影像进行融合形成最终的单景彩色卫星正射影像成果。基于已有DOM/DEM的卫星影像纠正流程如图1所示。
试验表明，由于软件自动匹配的控制点分布均匀且点数很多，对于变化不大的区域基本能满足地理国情普查标准时点核准的精度要求和接边的精度要求。但是对于变化较大区域的影像，会存在变化区域无法匹配控制点的情况，从而导致整景影像的控制点分布不均匀，最终纠正后影像达不到套合精度的要求。对于没有卫星影像的区域，要使用无人机获取影像进行补充。鉴于上述两种情况，需要使用控制点对影像进行正射纠正。若卫星影像之间有重叠区域，则可以采用区域网平差的方式进行正射纠正；否则采用单片纠正的方式进行正射纠正。采用区域网平差的方式，区域网的角点、拐点和重叠区域都要有控制点；采用单片纠正的方式，每景影像至少要有9个控制点。基于控制点的卫星影像纠正流程如图2所示。
4 影像匀色
在摄影过程中，由于环境因素及传感器本身角度的影响，可能会导致不同影像的灰度和色彩分布不一致的问题。在卫星影像图的后期处理过程中，为了使影像达到反差适中、自然的效果，需要对影像做整体匀色作业。Photoshop具有强大的图像处理功能，并且具有界面友好、操作简单、表现直观等特性，因此常被用于遥感影像的后期处理当中。我们采用Photoshop软件对影像进行必要的色阶调整、色彩平衡、颜色匹配等色彩调整工作，使影像达到理想逼真的色彩效果。
5 影像拼接、裁切
在进行了正射纠正，影像匀色等处理后，我们可按需对卫星影像进行拼接与裁切操作，最终得到我们需要的正射影像图。影像的拼接与裁切主要在TitanImage V8.0软件中进行。利用TitanImage V8.0软件提供的影像镶嵌模块来对影像进行拼接处理，并按照实际情况对镶嵌线进行适当的编辑，选择输出结果存放路径，点击镶嵌，得到镶嵌后影像成果。影像的裁切操作是在影像工具箱中的影像裁切模块中进行的，输入裁切范围矢量文件和待裁切影像，选择输出结果存放路径，点击确定，即可得到裁切后成果。实践证明该方法操作简便，影像处理质量可靠。
6 结语
本文利用基于已有控制资料的卫星影像快速纠正方法，实现高分辨率卫星影像与已有DOM/DEM之间的特征提取和匹配，然后利用RFM模型的区域网平差对匹配结果进行粗差剔除，最终实现高分辨率卫星影像的对地定位和正射影像更新。该方法采用金字塔逐级匹配策略，自动化程度高，匹配精度好，速度快，提高了遥感影像正射纠正处理的效率和可靠性，可广泛应用于高分辨率卫星遥感影像的正射生产中去。
参考文献
1测区概况
若羌区块位于塔里木盆地东部、塔克拉玛干沙漠南缘。测区南高北低,西高东低,西部有大面积沙漠,多为垄状沙地,比高在50米左右;中部、东部多为植物稀少的盐碱地和不长植被的戈壁滩。测区居民地和植被覆盖较少。
若羌区块分0523摄区和0909摄区两种。其中0523摄区采用GPS辅助空中三角测量的航空摄影方法摄影。0909摄区为常规航空摄影方法摄影。
2若羌区块空三加密布点方案
0523摄区为平地每隔三条基线布一排平高控制点见图1。
3空三加密作业中出现的问题
由于若羌区块航摄原始影像较差,部分原始影像纹理较弱、模糊不清,在加密作业中这部分影像无法匹配到自动点或自动匹配的点很少,即使人工刺点进行弥补也不能满足作业的规范要求。
4处理方法
针对加密作业中出现的这一情况我们采用了以下方法进行了试验。
根据纹理较弱、模糊不清原始影像分布情况,把加密区细化后分为小的加密作业区,原始影像相对纹理稍微清晰的区域可独立为加密作业分区,而纹理较弱的原始影像集中的区域也独立为加密作业分区,这样既不影响下工序的作业进度又便于问题的集中解决。
(1)对原始影像相对纹理稍微清晰的区域我们采用Imagedodging软件进行了整体匀色,匀色后的影像纹理凸显出来,用匀色后的影像进行加密作业,模型相对定向匹配点明显增多,并且匹配点分布基本均匀,可满足规范的作业要求。
(2)对于纹理较弱、模糊不清的影像数据我们分别用Imagedodging和Inpho软件进行了匀色试验,结果是用Inpho软件匀色的影像纹理较原始影像稍有提高,但加密作业中相对定向匹配点仍然少于50个点,满足不了限差要求,效果不佳。
而用Imagedodging软件匀色的影像纹理显现效果优于用Inpho软件匀色的影像,但匀色后的影像颗粒较大。在加密作业中相对定向匹配点虽然不是很多,但基本能满足限差要求。
(3)鉴于上述结果,我们在纹理较弱的原始影像相对集中的加密五区中用Imag edodging软件对其影像整体匀色后,再用Photoshop软件对局部影像作增强处理,进行了加密作业,以及引入加密数据后在JX-4全数字摄影测量工作站进行定向、测图的实际作业试验,本加密作业分区共三条航线17个立体模型。
第一条航线6个立体模型在JX-4中引入加密数据后,进行定向其相对定向、绝对定向值均可满足最大限差要求,测图作业中模型立体效果可满足立体采集的作业要求。
第二条航线的6个立体模型在JX-4中引入加密数据后,其中有两个模型090900392-090900393、090900393-090900394相对定向值超限,并且绝对定向有些外业点平面值也超限,经过试验我们采用手工定向的方法即在JX-4中重新建立立体模型后进行内定向、相对定向、核线重采样最后绝对定向中手工转刺外业点,这样相对定向、绝对定向值均可满足最大限差要求(规范规定平面≤2米,个别在3米以内)。
第三条航线的5个立体模型在JX-4中由于引入加密数据后相对定向值、绝对定向时外业点平面值均有超限,因此均采用在JX-4中手工定向的方法重新建立立体模型后进行内定向、相对定向、核线重采样最后绝对定向中手工转刺外业点,此方法的利用模型090900666-090900665、0900665-090900664、090900664-090900663均可满足相对定向、绝对定向值的限差要求。而090900663-09090 0662、090900662-090900661核线影像呈倾斜状,所建立的立体模型也呈斜坡状,立体采集作业无法进行。
经分析这两模型的090900662片和0909 00661片的影像均为无植被覆盖的平坦的戈壁滩,匀色增强后,影像纹理仍然较弱,致使相对定向自动匹配点少或是自动匹配点分布不太均匀造成核线影像呈倾斜状。
经过试验我们采用在JX-4中引入加密数据,在批命令设置中自动相对定向参数设置为“空三导入后做自动相对定向”进行相对定向(也就是利用加密成果再做一次自动相对定向),这样可以增加作初值的基础点,使核线影像质量更好以利于相关匹配,绝对定向时再利用手工转刺立体较为清晰的外业点,其余立体较差的点用已知点反求得到正确位置的方法,使模型相对定向结果为中误差Mq=0.011,最大误差Qmax=-0.150、绝对定向平面只能控制在3米以内;经过我们反复试验精度可达到规范最大限差要求。
5结语
纹理较弱数字影像是当前航测成图中困难而棘手的工作,没有好的方法和前车之鉴,只有通过实际生产摸索,总结经验,探讨出满足最终成图要求的方法。这仅仅是我们肤浅的认识,仍需进一步研究和试验,同时也肯请同行们共商解决纹理较弱数字影像当前航测成图中困难而棘手的问题。
参考文献
[关键词] 体层摄影术；X线平片；胫骨平台骨折；Schatzker分型
[中图分类号] R445.3 [文献标识码] A [文章编号] 1674-4721（2012）03（c）-0093-02
Diagnosis value of 64-slice multi-detector CT 3D reconstruction on tibial plateau fractures
SHI Jian SHI Xiaoping WANG Qinying WANG Qiang
Department of CT Room of Suzhou Mudu People's Hospital in Jiangsu Province, Suzhou 215000, China
[Abstract] Objective To evaluate the value of 64-slice multi-detector CT (MSCT) 3D reconstruction in the diagnosis of tibial plateau fractures. Methods Retrospective analysis of plain radiographs and MSCT 3D reconstruction images were performed in 40 cases with tibial plateau fractures and Schatzker classification was made respectively. Results of image studies were compared with those attained on the basis of surgical treatment. Results With plain radiographs, fracture diagnoses were not confirmed in 3 cases and classification errors happened in 7 cases. The diagnostic accordance rate was 75%. The diagnoses and classification of fractures were correct in all cases with MSCT 3D reconstruction images; the diagnostic accordance rate was 100%. Conclusion MSCT 3D reconstruction can make correct diagnosis and classification in tibial plateau fractures, which is very helpful in choosing a best treatment.
[Key words] X-ray computed tomography; Plain radiographs; Tibial plateau fractures; Schatzker classification
胫骨平台骨折（tibial plateau fracture，TPF）在膝关节外伤中是一种较为常见的骨折，由于其解剖关系复杂，X线平片及普通CT很难全面完整地反映关节内骨折及移位的具体情况，对骨折的分型也较为粗略。64排螺旋CT采用薄层容积扫描，得到的数据基本各相同性，通过多平面重组（multiplanar reconstruction，MPR）和容积再现重组（volume rendering technique，VRT）影像后处理技术后能够从对受损关节进行全方位立体观察，从而对骨折进行准确诊断和分型，为治疗方式的选择提供依据。本研究就40例胫骨平台骨折患者的X线平片，64排螺旋CT三维重组影像以及术中所见进行回顾性分析，探讨64排螺旋CT影像后处理技术在诊断胫骨平台骨折中的应用价值。
1 资料与方法
1.1 一般资料
本院2010年2月～2011年10月因TPF接受手术的患者40例，男29例，女11例，年龄19～72岁，平均41.2岁。车祸伤28例，高空坠落8例，不慎跌倒3例，重物砸伤1例，其中3例为双膝骨折，其余均为单膝骨折，所有患者均行X线平片及64排螺旋CT检查。
1.2 方法
X线设备使用Philips DR，AEC自动曝光控制，拍摄膝关节正侧位片。CT使用飞利浦BrilliantTM 64排螺旋CT。采用头先进或足先进的进床方式，以胫骨平台为中心上下3～5 cm进行容积扫描。扫描参数：120 kV，300 mAs，扫描层厚5 mm，螺距0.859；扫描后处理重建层厚1 mm，层间距1 mm。重建数据传至工作站，进行MPR和VRT三维影像重组，调节阈值达到最佳显示效果，并根据需要使用剪切功能。
2 结果
采用Schatzker分型法[1]将胫骨平台骨折分为6型，根据术中所见，40例患者中Ⅰ型单纯胫骨外侧髁的劈裂骨折6例，Ⅱ型胫骨外侧髁的劈裂骨折合并平台部分塌陷11例（如图1、2），Ⅲ型单纯的平台中央塌陷性骨折4例，Ⅳ型是胫骨内侧平台骨折6例，Ⅴ型同时有胫骨内外髁骨折8例，Ⅵ型是胫骨平台骨折伴胫骨干骺端骨折或胫骨干骨折5例（如图3）。普通X线片漏诊3例（1例为胫骨外侧髁的细微劈裂骨折，1例为单纯的平台中央塌陷性骨折（如图4），另一例为胫骨内侧平台骨折）。根据螺旋CT三维重建成像而改变普通X线片分型结果的有7例，见表1。
3 讨论
胫骨平台表面为不规则曲面，创伤暴力容易造成极其复杂的骨折形式[2]。尽管X线平片能对大多数的TPF做出诊断，但是由于X线平片影像上的相互重叠不能直观地显示骨折的全貌，特别是关节内骨折损伤的细节，对于一些移位不明显的劈裂骨折、局限于平台边缘的细小骨折难于有效显示而造成漏诊[3]。此外，X线片难以显示胫骨平台轴位俯视图像，影响骨折分型。对怀疑有TPF的患者，螺旋CT扫描侧重于进行了三维重组影像进行诊断，因为常规的轴位CT扫描对于TPF中的横行骨折仍然难以做出确切的诊断。64排螺旋CT三维影像后处理技术可通过图像的任意轴旋转和切割以显示胫骨平台的各个面，可充分显示骨折线的走向及长度、骨碎片的移动方向，尤其是骨折塌陷的程度及面积，避免了漏诊的发生。利用胫骨平台俯视图方法，切去股骨，观察胫骨平台面，经髁间隆突做一条前后方向的直线，取该线中点做一条横线，将胫骨平台面分为前外、前内、后外、后内4个象限，可作为胫骨平台骨折分型的补充[4]。
胫骨平台多层螺旋CT（MSCT）扫描后影像后处理技术通常用的是MPR和VRT，SSD现在较少使用。MPR能从任意方向清晰显示关节面的情况，发现关节受累及关节腔内游离的小骨片，能充分展示骨折线走向及骨片移位情况；用冠状面可以精确测量骨折劈裂移位的距离；MPR在确定平台塌陷的范围及程度上起到重要的作用[5]，但不能显示骨折的空间立体结构。VRT能重建完整的三维立体图，可从各个角度全面观察骨折情况，能直观立体的显示胫骨平台塌陷的程度及面积，而且能使骨科医生产生骨折结果的空间立体感，可更好地了解骨折情况并制定有效的治疗方案。
随着MSCT的广泛应用于临床，采用CT三维影像后处理技术越来越多地用于隐匿性和复杂部位骨折的诊断，提高了这类骨折诊断的准确性。但就TPF而言，Stroet MA等[6]认为与普通X线平片相比，MSCT三维后处理图像并没有显著提高TPF诊断准确率，也没有因为MSCT对TPF分型的修正而对随后的治疗方案做出大的修改，并从患者可能受到更多不必要的辐射和成本效益的角度质疑将MSCT作为常规的手段应用于TPF的诊断。从本文的研究发现，通过MSCT确实能够提高TPF的诊断准确率，尤其是部分微小的或特殊类型的骨折。但对于X线平片能够明确诊断，且分型的改变并不会影响治疗方案选择的患者，MSCT不建议常规使用。
[参考文献]
[1] Schatzker J，McBroom R，Bruce D. The tibial plateau fracture：The Toronto experience[J]. Clin Orthop Relat Res，1979，（138）：94-104.
[2] 陈滨，郭刚，张晟，等. 关节镜辅助下LCP微创治疗胫骨平台SchatzkerⅠ、Ⅱ型骨折的临床效果[J]. 中国矫形外科杂志，2009，17：401-403.
[3] 张海波，王义生. 多层螺旋CT对胫骨平台骨折分型及治疗的临床价值[J]. 中国矫形外科杂志，2009，17（24）：1857-1859.
[4] 张峻，侯筱魁，王以友，等. 三维CT重建在胫骨平台骨折的应用[J]. 中华骨科杂志，1988，18（7）：387-390.
[5] 倪恩珍，颜世苹，王淑慧，等. 螺旋CT三维重建在胫骨平台骨折中的应用[J]. 实用放射影像杂志，2003，4（3）：146-147.
[6] Stroet MA，Holla M，Biert J，et al. The value of a CT scan compared to plain radiographs for the classification and treatment plan in tibial plateau fractures[J]. Emerg Radiol，2011，18（4）：279-83.
[7] 王贵清，徐立录，许勐宇，等. 关节镜监护下治疗胫骨平台骨折[J]. 中国内镜杂志，2004，10（1）：23.
关键词：摄影测量；空中三角测量；航空影像
1 引言
智能空中三角测量与传统空中三角测量的区别主要在于提高软件的智能化和自动化程度。系统的智能化提高体现在能够通过数据处理流程的改变、提高影像匹配中自动粗差剔除能力、对空三区域自动分区自由网平差、自动识别弱区，减少空三的人工干预，对于计算机无法进行全自动的环节，则能够通过自动统计弱区信息指导作业员进行半自动作业（即"机人交互"式作业），让作业员在进行空三时能够在计算机的引导下做到有的放矢。智能空中三角测量的计算量是巨大的，为了提高智能空中三角测量的效率，需要在智能空中三角测量应用并行处理机制，提高智能空中三角测量系统的处理效率，特别是对于没有直接几何定位数据的影像尤为重要，大量的影像处理计算消耗了大量的系统资源，多片影像匹配计算也是占据系统计算资源的重要方面。虽然当今计算机性价比在不停地提升，但摄影测量中计算量也随着自动化程度的提高和数据量的增加而增加，要求计算机的处理性能不断提升。因此仅仅利用单一的计算机进行摄影测量的数据处理，已不能满足当今摄影测量的要求，需要充分利用网络技术和大数据量存储共享技术，分布式计算技术，将大量的摄影测量计算任务同时分解到不同的独立计算单元上，以缩短整个智能空中三角测量系统数据处理时间。因此研究智能空中三角测量系统的任务分解，将原数据处理流程中按顺序处理的过程，分解成多个相对独立、不相关的子处理过程，由系统中的独立计算单元独立同时处理完成，实现智能空中三角测量并行处理机制，从而提高智能空中三角测量系统的效率。
2 智能空中三角测量的系统组成
智能空中三角测量系统由四部分组成，即数据预处理、自动像点量测与"机人"交互编辑、自动控制点点位布设与量测以及光束法区域网平差。
2.1数据预处理
数据预处理包括影像数据的预处理和几何数据预处理两个方面，影像数据的预处理包括影像畸变改正、影像增强CWamis变换）、影像旋转以及金字塔影像生成等方面。几何数据预处理即空三区域中影像拓扑关系建立，包括区域航带影像列表等空三加密区域基本信息的建立，摄影区域相机参数的建立，影像间初始关系的建立。
2.2自动像点量测与"`机人"交互编辑
自动像点量测是智能空三中的关键部分，包括影像匹配与转点、自动粗差剔除、弱区分析、空三区域的自动分区以及"机人"交互编辑等功能组成。
2.3自动控制点点位布设与量测
自动控制点位的设计与自动量测是利用自动影像匹配技术对影像进行影像匹配，获取影像间的连接点，并通过区域网构建影像间的相互关系，根据可靠性理论和区域网平差分析区域中的最弱区以确立控制点位。主要包括以下方面的内容：
（1）对各分区进行自动点位预设；
（2）对自动预设的像控点区域进行影像特征分析，提取特征点，采用适合像控点要求的特征点提取方法，提取如房屋角点、道路交叉口等人工明显地物点及自然点状特征、线状特征交点等，选择控制点。
（3）利用多片特征影像匹配方法进行控制点像点的自动量测。
2.4光束法区域网平差
高精度自动空中三角测量解算完成以下功能：病态法方程系数矩阵的求解，不同类观测量的自动定权，附加系统误差参数的引入与自适应解算。
3 智能空中三角测量数据处理
3.1智能空中三角测量的总体数据处理流程
根据智能空中三角测量的功能组成构成了总体数据流程的四部分，其顺序为数据预处理、自动像点量测与"机人"交互编辑、自动控制点点位布设与量测以及光束法区域网平差，流程图如图1所示：
图1 智能空中三角测量系统总体流程图
从图1可以看出四个部分数据处理流程是一个数据流串行结构，即只有完成前一处理流程后方可进行下一步的数据处理，前一阶段的数据处理是下一阶段数据处理的保障。而传统的自动空中三角测量的流程相比，增加了"机人"交互和自动控制点点位布设和自动量测处理流程，突出了计算机的智能化功能。
3.2 数据预处理流程
数据预处理包括影像数据的预处理和几何数据预处理两个部分，分别得到预处理影像数据和区域影像列表和初始拓扑关系。
（1）基于导航数据、GPS/IMU等辅助数据的拓扑分析，建立空二区域的影像列表与初始拓扑关系。
（2）基于GPU和CPU协同的快速SIFT算子的快速无序影像的自动整理，建立影像列表和初始影像间的拓扑关系。
（3）人工分别建立航带影像列表，航带间影像的对应关系则通过量测航带间种子点的方法确定，最后按固定的影像重叠度或固定基线长度的方法，可以区域中影像间的初始关系。
3.3 自动像点量测与"机人"交互编辑
自动像点量测包括以下几个步骤：
（1）基于分层金字塔的由粗到细的分频道相关策略进行两两影像的影像匹配，目标点是基准影像按格网提取的特征点和上一模型的匹配点，逐级匹配后按最小二乘高精度影像匹配获得目标点的同名像点，这样就究成了影像匹配和转点。
（2）误匹配点自动别除分为模型内的基于共面条件的RANSAC算法剔除不满足共面条件的误匹配点。
（3）自动标准点位选点的目的有两个，一是为了减少自动量测点的数量，便于提高量测点的质量。二是为了分析像片连接条件和状态。
3.4 自动控制点点位布设与量测
自动控制点点位的布设是为了减轻外内业人员的劳动强度，提出的一种室内控制点布设方案，可以在影像上自动布设控制点，并自动量测控制点的像点坐标，以降低二次判读和观测误差。
（1）根据自动像点观测值和自动分区信息进行分区自由M平差，建立影像间的叠置分析数据结构。
（2）按周边布点方案。
（3）利用明显特征点提取方法，在控制点位的粗略位置区域内搜索明显特征点，并采用多片影像匹配技术进行控制点的像点量测，获得控制点在其它相邻影像上的同名像点坐标。
（4）以基本片的控制点的像点坐标为中心，输出控制点影像至移动设备，指定外业人员测量控制点的地面坐标。
4 结语
智能空中三角测量是最终实现全自动空中三角测量的必由之路，基本实现了计算机智能化的处理，但离摄影测量工作者期待的全自动化还有些距离，因此对空中三角测量的研究仍是从事摄影测量研究者任重而道远的艰巨任务。
参考文献：
[1] 李学友.GPS/IMU 辅助航空摄影测量原理、方法及实践[D].中国人民信息工程大学，2005.
图2-6 原图像
图2-7 第4波段直方图
shape \* mergeformat
图2-8 结合两种方法检测阴影流程图
图2-9 阴影检测的结果
图2-9 中： ,式中，rh 为dsm 数据分辨率；rl 为影像数据分辨率；k为像元宽度。
2.4 实际影响检测效果
我们用2.1和2.2节中所提到的两种方法分别对2-10图内的阴影检测。
图2-10 待检测的原图
检测结果如下图（图中黑色为检测出的阴影区域，白色为检测的非阴影区域）：
(a) 基于亮度的双峰法 (b) 归一化互相关函数法
图2-11 三种方法对阴影的检测结果
可以看出前两种方法对阴影的检测结果差别，主要原因由于而归一化互相关函数在检测阴影时，利用了亮度近似线性变化这一特点，因此当亮度有突然的明显变化，都会被判为阴影。而双峰法，当我们选取了比较合适的阈值，就能把阴影和光照区进行分割，对于绝大多数图片，这种方法提取出的部分，几乎都是阴影区域，只带有少量的颜色较深的斑点。如图(a)所示，图中非常小且分布不规则的斑点有些是树荫，有些则是颜色较深的车辆的车顶，植被，屋顶等。(a)和(b)图其原理其实都是基于亮度变化进行的检测，所以对亮度变化对这两种方法的影响起决定性的作用。对于亮度较低的实物却容易被判为阴影而被错误的检测出来。如图2-12，图中的树木由于自身色度等原因，即使在阳光下，亮度仍然很低。同样的情况还可能是颜色很深的房顶，这些比较深的颜色，在高分辨率遥感影像中，非常容易与影像自身的阴影相互混淆，因此在用双峰法检测时，造成很多不便。阴影的本质属性就是亮度很低，因此当出现了颜色很深造成的影像中亮度值低的部分，容易造成误检。归一化函数法要求稍多， 计算 两相对较大，相比之下，双峰法简单实用。但是目前还没有比较成熟的方法，能够精确的检测出阴影的全部区域而不发生误检。
图2-12
带有大量树阴的遥感影像及其阴影检测结果
第三章 阴影的补偿
3.1 灰度线性映射的阴影补偿
3.1.1 灰度级线性变换图像增强原理
图像增强处理在数字图像处理中占有很大的比例，一些灰度图像在退化后进行恢复主要采取增强手段。图像增强的方法分为空间域方法和频率域方法两大类，空间域增强是以对图像的像素直接处理为基础的增强。空间域处理可用下式表示：
g(x, y) =t [f (x, y)] （3-1）
其中f(x, y)是输入图像，g(x, y)是处理后的图像，t是对f一种操作，(x，y)是图像像素点的位置。z操作最简单的形式是邻域为1×1的尺度(即单个像素)。在这种情况下， g仅依赖于f在 (x, y)点的值，t操作成为灰度级变换函数，形式为
s = t (r) （3-2）
其中s和r分别为g (x, y)和f(x, y)在任意点(x, y)的灰度级。
灰度级线性变换增强是空间域图像在增强的一种，也就是通过分段线性变换函数来调整图像灰度级的动态范围。通过点(r1, s2 )和点(r2，s2)的位置控制变换函数的形状，(r1, s2 )和(r2，s2)的中间值将产生输出图像中灰度级不同程度的展开，因而影响其对比度，以达到增强图像之目的。
图3-1
灰度变换
分段线性变换公式如下：
（3-3）
其中 （3-4）
（3-5）
（3-6）
由于阴影对遥感影像造成的影响主要是使该区域的亮度值大幅降低，该方法直接针对这一问题，对遥感影像中的灰度进行线性调整。从而使得阴影得到一定程度的补偿。
3.1.2 图像阴影补偿处理
按照上述原理，现对一幅高分辨率遥感图像的灰度图像分析并在matlab软件上进行处理，其处理过程如下。首先打开一幅遥感图的灰度图像（如图3-2），由图3-3可以看出，该图像的阴影区域和图像非阴影区域的灰度值比较接近，通过查看其灰度直方图分布可以证实以上看法， 图3-2所示为该图像的灰度值直方图分布。
图3-2
原图像
图3-3
左图的直方图
从图像的灰度值直方图分布可以看出，该图像的灰度值分布呈双峰分布：其图像部分的灰度值集中在左峰附近，左峰的灰度值分布大约为15±10；图像的背景部分集中在右峰附近，右峰的灰度值分布大约为85±40。从二者的分布看，两峰值基本上呈正态分布，中间有一定的灰度值交叉，且右峰范围较大，使得图像的整体亮度偏亮。
1．根据灰度分布的特点进行灰度调整变换。
按照上述分析结果，要想使图像部分和背景部分较好地分离，达到增强图像的目的，可局部调整图像的灰度值。采用对图像的灰度级进行变换，使图像对比度得到调整，从而达到图像增强的目的。这里笔者采用三段线性变换方法，调节中间交叉部分的灰度值，使灰度值直方图上的双峰分开，进而调节其灰度值，最理想的结果是将政府图像的灰度值分布变成背景灰度和图像灰度两部分。具体的三段灰度根据灰度值分布分为：输人图像的灰度级三段是0～20、20～100、100～255，对应输出图像的灰度级三段为0～100、100～180、180～255，经过灰度级线性变换处理后，图像的整体亮度增强了。
2．进行对比度增强处理。
经过上述灰度级线性变换图像增强处理后，图像的灰度值分布偏向于灰度值直方图的右侧，阴影部分减弱了，图像部分也变暗了。再调节整幅图像的对比度，可将背景和图像对比度增强。将现有灰度值范围均匀分布，使其对比度增强，得到对比度增强后的处理图像。
3．用高帽、低帽方法进一步处理
经过亮度和对比度调整后，可以看出，阴影和图像进行了较为成功的分离，但在图像的下方还存在一定的灰度交叉现象，应再进行相应处理。采用高帽低帽处理可达到较为理想的效果。高帽低帽处理方法实际上是对灰度图像进行一定的加减法计算，去掉其中的某些部分，达到增强图像的目的。
4．再次调整图像的灰度，完成图像处理过程
经过高帽、低帽处理的图像其灰度值偏向灰度直方图的左侧，即图像增强了，同时背景也增强了，且灰度值分布较为集中。再经过灰度调整，使其均匀分布，得到最后的处理效果。
图3-4 映射处理后的图像
灰度级线性变换图像增强技术在处理灰度值分布呈双峰形态的退化图像增强时较为理想，且操作简便、实用性很强的处理方法。
3.2 基于直方图均衡的补偿方法
图像对比度增强的方法可以分成两类：一类是直接对比度增强方法；另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现；直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
基于直方图的均衡处理正是基于直方图的这一基本原理，具体方法如下。
定理：一维随机变量a~f(x)，则f(a)~u[0,1]，a从负无穷到正无穷，u[0,1]是标准均匀分布。
证明：（相反的思路）设b~u[0,1]，由定义，
（3-7）
设某值域为[0,1]的单调增函数f(x)的反函数是f-1(x)，则考察f-1(b)的分布情况，由定义p{f-1(b)<x}=p{b<f(x)}=f(x)，即f-1(b)~f(x)，令a=f-1(b)，则b=f(a)，有a~f(x)，且f(a)~u[0,1]。
这个定理说明了均匀分布的随机变量的地位，对于任意分布的随机变量，只要给出分布函数的反函数，就可能直接构造出来（不过大部分是很难有简单形式的）。
一张图片，可以看成是对现实景物的一次抽样，就是一个样本，样本有二重性，可以看成是随机变量，就某个特征，比如灰度，它有一定的分布，而直方图就是它的密度函数，均衡化就是先求出f(x)，把密度函数逐段求和就行了，再用f(x)作用每一个像素，将原图像的a，变换成f(a)，使直方图变得相对均衡。
(a) 处理前的原图 (b) 左图的直方图
(c) 补偿处理后的图像
图3-5 基于直方图均衡的补偿方法结果
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
缺点：
1）变换后图像的灰度级减少，某些细节消失；
2）某些图像，如直方图有高峰，经处理后对比度不 自然 的过分增强。
又由于是离散的变换，所以结果不会绝对均衡，有时甚至会严重失真。
3.3 其它方法
3.3.1 一种ikonos影像处理方法
在数字图像处理中，一幅图像至少要用64个灰度级别来表示，一般采用256个灰度级别。ikonos影像具有11比特的亮度信息，即2 048个灰度级别，其阴影区域的亮度信息具有较多灰度级别，ikonos影像的这个特点为再现阴影区域地物特征提供了可能性。在阴影检测和分离之后，设r(x, y)为ikonos影像阴影区域的影像，s(x, y)为一定灰度级别的影像。以下就是将阴影区域影像变换为一定灰度级别（本实验采用256个灰度级别）影像的算法和结果。可以看到，阴影区地物特征信息被清晰显现出来。设图像r(x, y)任一离散点的灰度值为rk,图像s(x, y)对应点的灰度值为sk：
(3-8)
式中：sk ∈[0,ds]；ds为影像s(x, y)的最大灰度值；rk ∈[rmin, rmax] 其中rmin, rmax分别为图像r(x, y)最小、最大灰度值。
同理对非阴影区域进行处理，也将非阴影区域影像变换为同样灰度级别影像。通过灰度线性映射变换的阴影区域影像和非阴影区域影像具有相同的灰度级别，不同的灰度分布。为使整幅影像合成后有较好的视觉效果,将阴影区域影像与非阴影区域影像进行直方图匹配，消除视觉差别。影像的一个像元相当于实际地面面积约为1m2，处于阴影区域边界的像元和处于非阴影区域边界的像元，由于既有阴影部分，又有非阴影部分，以及环境反射光的差异，形成阴影边界的亮边缘和非阴影边界的暗边缘。为消除这种边缘效应，分别追踪阴影区域和非阴影区域的边界线，对这两条边界线上像元进行平滑化处理：
式中：f(x, y)为原影像灰度值；g(x, y)为处理后影像灰度值；s为两条边界线邻域中点的集合；m为集合内点像元的总数；t为规定的非负阈值。用以上方法对边界线进行处理，结果显示：设定适当的t值，能有效地消除边缘效应，而且没有增加影像的模糊信息。
3.3.2 基于pcnn处理的新方法
pcnn(pulse coupled neural network)[5]有生物学的背景，它展示了猫、猴的大脑视觉皮层的同步脉冲发放现象，就目前的研究发现，pcnn可应用于图像分割、图像识别、通讯、决策优化等方面。目标识别时，我们可以用训练图像经pcnn图像阴影取出算法处理后得到的结果作为模板，将待识别图像经pcnn图像阴影去处算法处理后与模板相比，从而得到目标识别的结果。这样，就消除了阴影对目标识别的不利影响，从而达到正确识别目标的目的。
图像中阴影是由于图像中一块像素点的亮度值减小造成的。pcnn图像阴影去除算法的基本思路是先用pcnn 对原始图像进行分割处理，然后用原始图像除以分割后的图像。这样相除得到的结果中，既保存了原始图像的信息，又消除了图像中阴影的影响。
下面具体给出pcnn图像阴影去除算法。首先介绍算法中用到的符号。f，原始图像矩阵，矩阵中各个元素为原始图像中各个元素的亮度值；l，联接矩阵，矩阵中各个元素为图像中各个像素点的lj信号；u，调制矩阵，矩阵中各个元素为图像中各个像素点的调制信号uj；y神经元输出矩阵，矩阵中各个元素为图像中各个像素点对应神经元的输出，0或1；θ，阈值矩阵中各个元素为图像中各个像素点对应神经元的阈值；fac(1),fac(2),...,fac(n),图像因子矩阵，它们为算法中每次碟带运算得到的结果，其中，fac(2),...,fac(n),为去除阴影后得到的结果，inter，temp，yout为算法中用到的中间矩阵。δ为阈值调整常量，δ，阈值调整矩阵，各个元素为阈值调整常量δ，矩阵f，l，u，θ，fac(1)，fac(2)，…， fac(n) ，inter，temp，yout，δ的维数均为h×ω, 其中h为图像的高度，ω为图像的宽度，β为联接强度，该算法中，每个神经元的β均相同。α为联接强度的衰减因子，‘ ’表示相同维数的矩阵中对应元素进行相乘。‘ ’表示卷积，k 是3×3运算核矩阵， 计算 l时用到，
pcnn图像阴影去除算法描述如下：
(1) 原始图像f规整到min到1 之间，min=0.04>δ。l=u=0，θ=1；同时，令所有神经元均处于熄火状态，y=0。给出循环次数n；令n=1，优选参数，β=0.8，α=0.2，δ=0.02。
(2) l=step(y*k)；u=f (1+βl)；y=step(u-θ)。
(3)令θ=1。
(4) l=step(y*k)。
(5) inter=y，u=f (1+βl)，y=step（u-θ）。
(6) if y=inter，go to (7)；else l=step(y*k),go back to (5)。
(7) if y(i, j)=1，yout(i,j)= θ(i, j)，temp(i,j)=f(i, j)/yout(i,j), (i=1,...,h；j=1,..., ω)；y(i, j)，yout(i, j)，θ(i, j)，temp(i, j)，f(i, j)分别为矩阵y，yout，θ，temp，f中对应的元素。
(8) 调整阈值，θ=θ-δ+100*y。一方面，随着时间的增加减小阈值；另一方面，若神经元已经点火，则升高阈值，是该神经元不再点火。
(9) 如果所有神经元均已点火，即矩阵θ中的每一个元素均大于1，执行(10)；否则回到(4)。
(10) f=temp；β=α*β；
图像因子 fac(n)=yout；n=n+1。
(11) n=n-1。if n 0，go back to (2)；else end。
原始图像经过pcnn去阴影处理后，本分解成了多个图像因子fac(1), fac(2),..., fac(n) ，算法中每一次循环就给出一个图像因子，由算法可知，当n≥2时，图像中的阴影就给有效的去除了。
计算机仿真结果表明，当n≥2时，没有阴影的图像的图像因子fac(n)与该图像加阴影后的图像因子fac(n)几乎一样，因此，目标识别时，可以用训练图像的fac(n)(n≥2)作为模板，将待识别图像的fac(n)(n≥2)与之相比，从而得到目标识别的结果。这样，即使有阴影出现，也可消除其对目标识别的不利影响。从而达到正确识别目标的目的。随着n的增加，fac(n)越来越浅，最后变为全白，这可从算法中看出，实验也证明了这一点，实际应用中，可用fac(2)作为模板。
因此，基于猫眼为生物学背景的pcnn的阴影去除算法，是从仿生的角度，对阴影实施处理的新拓展。
3.4 实际影像阴影补偿效果
以下是我们分别采用灰度级线性变换和基于直方图均衡处理后的图像：
图3-12 待补偿的遥感影像
(a) 直方图均衡法的补偿结果 (b) 灰度线性变换的补偿结果
图3-13 实际影像阴影补偿效果
从上图可以看出，二者都能够把原本阴影所造成的影响很大程度上的补偿掉，让我们可以看到阴影区域内部的景物。但是基于直方图均衡的补偿方法由于是离散的变换，所以结果不会绝对均衡，有时甚至会严重失真。从图(a)中我们也可以看出有模糊失真的效果。而相比之下灰度级线性变换图像增强技术在处理灰度值分布呈双峰形态的退化图像增强时较为理想，是一种比较实用的方法。
参考 文献
[1] ralph highnam, michael brady. model-based image enhancement of far infrared images[j]. ieee transactions on pattern analysis and machine intelligence, 1997，19(4):410-415.
[2] voicu l i, myler h r and weeks a r. practical considerations on color image enhancement using homomorhpic filering [j]. journal of electronic imaging, 1997，1 (3):108-113.
[3] zamudio j a, atkison w.w. 1990“analysis of aviris data for spectral discrimination of geologic materials in the dally varden mountains” [j]. proceed-dings of the second aviris conference jpl pub 1993:54-162.
[4] 许妙忠，余志惠. 高分辨率卫星影像中阴影的自动提取与处理 [j]. 绘信息与工程，2003，28(1):20-22.
[5] 唐亮，谢维信，黄建军. 城市彩色航空影像中的阴影检测. 中国 体视学与影像分析 [j]，2003，8 (3): 12-134.
[6] 高龙华. 高分辨率影像阴影校正模型研究. 计算机工程与应用 [j]，2005，11:39-43.
[7] 杨益军，赵荣椿，汪文秉. 航空影像中阴影区域的检测.信号处理 [j]，2002，18(3):228-232.
[8] 王树根，王军利，郭丽艳. 基于k-l变换的彩色航空影像阴影检测 [j]. 测绘信息与工程，2004, 29(2):21-23.
[9] 虢建宏，田庆永. 一种ikonos影像阴影检测与去除的方法 [j]. 应用技术，2004, 4:32-35.
[10]s vassilopoulou. orthophoto generation using ikonos imagery and high-resolution dem: a case study on volcanic hazard monitoring of nisyros island (greece) [j]. isprs journal of photogrammetry & remote sensing, 2002, (57):24-38.
[11] 梅安新，等.遥感导论 [m]. 北京:高等 教育 出版社，2001, 29-30.
[12] 阮秋琦.数字图像处 理学 [m]. 北京: 电子 工业 出版社，2001.
[13] 黄浩，张友静，马雪梅. 基于影像融合的ikonos影像阴影信息自动提取方法 [j]. 遥感信息. 应用技术，2004，04:29-32.
[14] 王军利，王树根. 一种基于rgb彩色空间的影像阴影检测方法 [j]. 信息技术，2002，26(12):7- 8.
[15] horn b k p, shape form shading: a method of obtaining the shape of a smooth opaque object from one view [d] ph d. dissertation, massachusetts inst of technology, 1970.
[16] horn b k p, brooks m j. the variational approach to shape from shading [j], cvgip, 1986, 33:174-208.
[17] zhang r, tsai p s. criers j e et al shape from shading: a survey [j]. in the proceedings of ieee trans pattern analysis and machine intelligence, 1993, 21(8):690-750.
[18] pentalnd a p. local shading analysis [j]. ieee trans pattern analysis and machine intelligence, 1984, 6(2):170-187.
[19] szeliski r, terzopouls d. form splices to fractal [j]. computer grapghics, 1989, 23(3):51-60.
[20] lee k m, kuo c c j. shape from shading with a linear triangular element surface model [j]. ieee trans pattern analysis and machine intelligence, 1993, 15(8):815-822.
[21] b. klinkenberg. 阴影区和太阳照射区的分形分析（杨泽元 译） [m]. 世界地质，1995，4 (3):82-87.
[22] guoqing zhou，weirong chen，et al. a comprehensive study on urban true orthorectification [j]. ieee transactions on geosciences and remote sensing, 2005, 43(09).
[23] guoqing zhou, c.song, et al. urban 3d gis from lidar and digital image [j]. isprs, 2005.
[24] guoqing zhou, w.schickler. true orthoimage generation in extremely tall building urban area [j]. remote sensing, 2004, 25(00):1-18.
[25] 李艳，宫鹏. 基于dsm阴影仿真和高度场光线跟踪的影像阴影检测 [j]. 遥感学报，2005，9(4):357-362.
[26] shettigara v k, sumtrling gm. height determination of extended objects using shadows in spot images [j]. pe&rs.1998, 64(1):35-44.
[27] 梅雪良，张祖勋，张剑清. 基于约束满足 网络 的建筑物阴影结构提取 [j]. 武汉测绘科技大学学报，1996，21(3):265-268.
[28] ralph highnam, michael brady. model-based image enhancement of far infrared images [j]. ieee transactions on pattern analysis and machine intelligence, volume 19 issue 4, april 1997:410-415.
首先从诊断流程上来看，现在的高端CT和磁共振设备在给患者做放射检查时能够产生非常清晰的薄层影像，每次检查后得到的数据大到上千GB，而大部分PACS不会存储这些影像数据，医生在做诊断时也不可能浏览所有图像。这就需要通过后处理工作站来三维重建找到病灶点，而传统的后处理工作站本地存储空间有限，固定时间期限内原始图像就会自动删除，这对需要进行多次长期检查数据对比才能更好地诊断和治疗的患者如肿瘤患者非常不利。
医院的后处理工作站增多后，薄层影像的管理、为MDT提供多种影像诊断支持、长期的肿瘤情况对比等，都对系统的架构提出了挑战。超声、内镜、病理等非DICOM影像和放射DICOM影像同样需要在统一的平台上浏览查看，方便医生查看。如何满足MDT的信息要求以提供及时准确的影像等信息，需要通过调整医院原有的系统架构来实现。MDT的影像系统架构应该有以下部分组成。
统一身份认证系统
在需要访问多种信息系统的情况下，身份认证将会是一个大问题，每套系统都有一个身份管理，对于MDT用户来说，统一身份认证将是整个架构的基础。
采用统一身份认证后，用户只需要使用同一用户名、同一令牌就可以登录所有允许他登录的系统；管理员可以很方便地统一控制每个用户的身份以及每个应用系统的使用权限，使整个医院信息系统的安全管理水平得到极大提高。
集成平台
通过一个完整的信息和影像集成平台，医生能够在统一的界面中快速访问到患者的所有影像资料和诊断报告，通过支持DICOM、XDS和IHE标准，能够方便地管理和共享患者的影像及非影像数据，管理影像生命周期，用户还可以随时随地移动、压缩和删除所有影像。
DICOM数据流架构
在传统的后处理流程中，每个后处理工作站单独服务于一个影像设备，当患者完成扫描后，影像数据会自动发送到后处理工作站，如果有数据需要特别操作，也可以手工选择DICOM传输。
在新的高级影像处理平台上，整个平台上的所有临床功能要服务于多个影像设备。而如果人工选择DICOM传输的话，可以实现精确的DICOM传输，但是会带来大量的人工工作量，这时，智能化的路由系统是一个关键。
薄层存储架构
每一个后处理系统的内部存储空间是有限的，而现在需要后处理的患者影像数据都很大，而在后处理工作时，经常会出现查找患者历史影像信息、对比等操作，这就需要一套影像数据系统为后处理系统提供长期的薄层影像数据。
这个薄层图像归档系统将会为MDT提供长期的患者影像数据，当系统需要患者过往的薄层数据时，将可以从这个系统中获取数据。
服务器架构的高级三维处理平台
