遥感影像处理技术

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇遥感影像处理技术范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

遥感影像处理技术范文第1篇

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

遥感影像处理技术范文第2篇

1.1大比例尺基础测绘工程。基础测绘工程，就是指对某一个区间、空间进行测量，或者是对某个区域的土地及面积进行测量，通过测量到的各种有效信息、资料来绘制地形地图等。在我们这里，通常会在一些大型工程建设之前来对其所在区域进行地形图的绘制工作，或者是在开发处女地（未经开垦的土地或未探索的领域）的时候进行基础航空摄影，来获取基础地理信息的遥感资料。

1.2无人机影像。无人机影像就是指无人机遥感影像，在新形势下背景下，无人机遥感是遥感的发展趋势之一。无人机遥感影像技术之所以得到了广泛的应用和发展，主要体现在两个方面：①无人机遥感影像技术应用系统具备很多优点、优势，它运行工作的成本较低，再者就是在执行任务的时候灵活性非常强。②无人机遥感影像应用技术是作为卫星遥感、航空遥感的补充而存在和发展的，因为无人机由于自身特性，所以很多的功能是卫星遥感、航空遥感所不具备的。无人机影响的特点：前面也稍微的提及到了一点，无人机摄影相比较于那些载人的常规比较大的航空摄影飞机而言，其摄影相机的小型化、非专业化以及无人机飞行平台的低空化是其独有的特点，同时也是一定意义上的优势。其具体的优势主要表现为，无人机的种类多样化、所搭配的摄影相机也多样化，所以不同种类的无人机搭配不同类型摄影相机，其获取到的影像信息及数据方面的质量也就不同。像幅小、色彩真实、分辨率高是无人机影像普遍存在的特点和优势。

2无人机影像处理应用技术

2.1空三加密应用技术。关于空三加密，空三加密是我国无人机影像处理技术的关键所在，同时它也是整个工作流程当中的处理最难点，其质量和程度的好坏直接影响到后续的成果精度的准确性。我国早期发展无人机影像处理技术时，在大比例尺的基础测绘工程过程中，空三加密是当时的主要瓶颈。后来经过综合的运用多项相关的先进技术，以及科学的处理方法和策略，才得以解决这个问题。目前，空三加密多是采用我国测绘科学研究院研究制作的PixelGrid这种高分辨率的远程低空遥感影像一体化测图系统。

2.2大比例尺基础测绘工程影像数据预处理。无人机影像本身在航空测绘拍摄的过程中，所用到的摄影相机基本上都是非量测相机，所以其所拍摄到的影像图片也存在边缘上的光学畸变，所谓畸变现象在图E中可以看到。这种影像相片的边缘光学畸变，它已经改变了所拍摄区域的实际地面地形位置等方面。所以，在基础测绘过程中进行数据预处理可以更好的对影像图片进行矫正。

2.3影像畸变改正。前面也提到了影像畸变，无人机影像航空测绘与传统航空摄影有所不同，我们所使用的低空遥感平台，通常情况下搭载的都是非量测摄影相机。就目前而言，我国国内在进行大比例尺基础测绘工程过程中，在无人机影像处理技术的运用领域上，普遍使用的是500D、5DMarkII等民用普通单反摄影相机，它是用来配合定焦镜头来进行空中拍摄的。受到以上这些因素的影响和作用下，无人机拍摄到的影像相片存在着不同程度的畸变现象，如图E所示。所以，我们在测绘的时候为了削弱和降低非量测摄影相机由于畸变而带来的误差，采取以下必要的改正措施。改正模型如下：①Δx=（x-x0）（k1r2+k2r4）+p1［r2+2（x-x0）2］+2p2（x-x0）（y-y0）+α（x-x0）+β（y-y0）②Δy=（y-y0）（k1r2+k2r4）+p2［r2+2（y-y0）2］+2p1（x-x0）（y-y0）①式和②式中的x，y分别表示像素坐标系中像点的坐标，K1和K2为影像图片畸变系数，P1，P2表示偏心畸变系数。通过计算来对其进行还原。

遥感影像处理技术范文第3篇

关键词：遥感影像；1：2000地形图；地形图更新；调绘

中图分类号：P284 文献标识码：A 文章编号：

引言

为了满足城乡发展建设的需要,提高地形图现势性，地形图更新问题就显得尤为重要；然而地形图的更新情况不很乐观。本文结合某矿区1：2000地形图更新工程，探讨利用QuickBird卫星影像更新1：2000比例尺地形图的方法、流程和其间遇到的问题。

数据预处理

1.1 QuickBird卫星影像处理

⑴ 遥感影像处理的工作流程：影像数据的处理是整个更新工作的关键，因此，确定影像处理的工作流程是十分重要的。影像处理的工作流程如下：

图1遥感影像处理流程图⑵

纠正精度的控制：遥感影响的纠正过程中，X残差、Y残差、以及RMS(Root MeanSquare即均方根中误差)都控制在1个像素之内，很好的满足了技术规范的要求；如果纠正的精度超过标准，则回到纠正模式下，调整GCP的输入重新进行几何纠正，直至达到需要的精度为止。

1.2纸制地形图的矢量化扫描纸质地形图时，要确保地形图的完整无损、无折皱；矢量化的过程中要按照地理信息系统的标准做好分层矢量化，以及属性数据的录入。具体流程如下：

图2地形图矢量化流程图

1.3遥感影像和数字线划图的叠加配准将分幅后的遥感影像和数字化完毕的数字线划图导入测图软件或地理信息系统软件进行叠加配准。

2.地形图的更新在更新系统中，经影像与矢量图叠加配准后，便可以采用屏幕数字化的方式进行变化地物(主要是居民地、道路、水系、植被等)的更新(增、删、减等)[1]。

2.1建筑物的更新建筑物是大比例尺地形图中的主要地物，因此，对于建筑物的更新是地形图更新工程中一个相当重要的部分。由于工作区范围内的建筑物多为农村的四点平房，并不存在太多的边界线遮掩问题；所以在遥感影像上对建筑物的识别比较简单。但是，由于楼房以及工厂棚房与平房在遥感影像中并没有很明显的区别，所以，对于这些地物的判读必须由外业调绘人员到实地调查完成。

2.2道路的更新由于铁路以及高速公路的形状规则、特征明显，所以通过遥感影像很容易进行判读。但是对于等级公路、等外公路、大车路等，只能做大概的判断，由外业人员进行调绘处理时再做必要的补充。

2.3水系的更新按形状划分，水系大致可分为两种类型：线型水系(如河流、沟渠)非线型水系(如湖泊、池塘)。⑴ 线型水系的更新：根据水与河岸在影像上呈现的色调不同，可以容易地确定水涯线的位置，然后利用屏幕数字化的方式直接进行更新。⑵ 非线型水系的更新：工作区范围内存在大量的池塘，对于池塘的更新也是我们这次更新的一个重要环节。根据了解到的当地情况，集中分布的池塘多为鱼塘，而零星分布的池塘多为普通的池塘。依据这个经验，我们对工作区范围内的池塘进行了分类；经过后续的外业调绘发现，对于池塘的判读准确率是相当高的。

2.4植被的更新植被主要包括耕地、林地、草地等。由于工作区范围内多为农村，因此，对于耕地类型的更新是植被更新的关键。由于采用的QuickBird影像成像于2005年11月，此时正值该地区的农闲时节，所以不能从影像中判读植被的类型。在实际的操作中我们基于以下两原则对植被类型进行了判读：① 由于水田具有比较大的田埂，因此在影像上水田表现为具有明显的边界。②水田土壤的含水量高于旱地土壤的含水量，所以在影像上呈现的色调较深。经过后续的调绘发现，通过以上两点原则较好地区分了耕地的类型。

2.5外业调绘及补测⑴ 调绘：更新矢量地形图时，影像上无法判读的地物必须借助外业调绘进行确定。外业调绘主要作用是：对室内解译成果进行验证，对线状地物宽度实地量测，对新增地物的名称注记进行实地调查[2]。调绘过程中主要进行了以下两部分的工作：①不确定地物的调绘。很多相似的地物仅通过影像图是很难判读的，例如：平房与棚房、围墙具体界限、果园与林地等。对于这部分内容一定要到现场亲自调查以确定其类型，尤其是对于植被类型，要以地类界进行详细的划分。②注记数据的调绘补充。其调查内容可分为以下几种：楼房的层数、企事业单位的名称、村名、公路名称及等级、河渠名称及走向等。⑵ 补测：补测是地形图更新中相当重要的部分，起着数据补充的重要作用。在实际操作过程中我们针对以下两种情况进行了补测：①用户未提供矢量化地形图的地区。②地物变更范围比较大的地区。对所有需要补测的地区均采用GPS和全站仪进行了补测，并把所有结果都记录在线划图上。将外业调绘和补测的修改、新增、和变化地物的信息添加到地形图中，通过编辑处理形成用户需要的最终成果。

3.结论及建议

⑴ 作为更新数据源的QuickBird影像，其质量的好坏直接影响成果的精度。工程中采用的该矿区QuickBird影像清晰度好，分辨率高，倾角小，为工程的成功开展提供了良好的前提。

⑵ 使用本方法更新了该矿区约400平方公里1：2000地形图，作业时间短；精确度高（遥感影像的空间分辨率达到0.6m,用RTK进行GPS定位测量影像纠正后的点位绝对误差只在0.2m左右）。满足了用户的需要，为地形图的更新提供了新的经验。⑶ 实际操作中发现，仅凭影像图的目视解译判读地物是不可靠的，必须要亲自调查才能确定地物类型及其属性。因此，在地形图的更新中要加大调绘在整个更新工程中所占的比重。

参考文献

遥感影像处理技术范文第4篇

关键词 遥感影像处理 研究生 协同创新 开源

中图分类号：G643 文献标识码：A

Abstract For many types of remote sensing image processing algorithms， implementation complexity and other characteristics， development-oriented theory， technology innovation of new remote sensing processing requirements， this paper studies the characteristics of different graduate and professional background to the open-source remote sensing software OpenRS platform， remote sensing science and research technology Graduate collaborative innovation model， given curriculum design， so as to enhance collaboration and innovation graduate ability to solve complex problems.

Key words remote sensing image processing； postgraduate； collaborative innovation； open source

当前，随着计算机技术的高速发展，遥感图像处理已由简单的单机单算法处理，发展到涉及并行处理、图像处理、视频处理等跨专业联合处理的新型阶段。协同创新是针对某个大型复杂问题，各个创新主体角色间实现创新互惠，知识共享，资源共享，形成相互协调发展，推动共同前进，协同的结果使个个获益，整体加强，解决某些单一个体难以解决的复杂问题。下面将在分析研究生创新能力培养难点的基础上，给出相应的解决方案。

1 研究生创新能力培养难点分析

遥感科学与技术专业是2010年获批的教育部战略性新兴产业相关专业，是教育部人才培养模式改革试点。当前，随着计算机技术的高速发展，遥感图像处理已由简单的单机单算法处理，发展到涉及并行处理、图像处理、视频处理等跨专业联合处理的新型阶段。传统的基于遥感单学科密集理论的讲解，难以满足教育部及工程应用对创新性人才的需求，需要研究针对遥感科学与技术专业发展所需的协同创新模式的研究，克服当前研究生教育中存在的问题。协同创新是针对某个大型复杂问题，各个创新主体角色间实现创新互惠，知识共享，资源共享，形成相互协调发展，推动共同前进，协同的结果使个个获益，整体加强，解决某些单一个体难以解决的复杂问题。在我国，教育部指定了“2011计划”，其全称为高等学校创新能力提升计划，是继国家985工程、211工程之后，中国高等教育系统又一项体现国家意志的重大战略举措，已有多所高校通过“协同创新中心”论证。虽然我国协同创新中心已成立多所，在协同管理理论及其应用方面也有若干研究，但如何构建协同创新模式具体实施方案，如何进行相应课程设计等具体问题还鲜有研究。下面将在分析研究生创新能力培养难点的基础上，给出相应的解决方案。

2 多角色协同创新模式

OpenRS（全称：开放式遥感数据处理服务平台）开源软件由武汉大学研制，实现了一种面向接口和属性的算法插件系统，其目的是实现系统功能的动态调用和消除系统各模块的物理耦合性。在数据来源方面，OpenRS可处理从简单的字节型数据到复杂的复数型数据、从简单的栅格型数据到复杂的矢量型数据、从可见光、高光谱数据到红外数据，同时支持不断扩展的影像数据格式。在处理算法方面，OpenRS支持从简单像元级处理到复杂的对象级处理，包括了传统的影像变换、波段运算、影像滤波、影像融合、影像聚类、影像分类到影像的分割、对象描述、对象分类，从传统的定性处理到逐渐成熟的定量处理等适合于不同应用的算法和处理过程。在计算架构方面，OpenRS提供并行计算框架与计算模型，可支持网络透明的并行算法实现。OpenRS系统实现了一种面向接口和属性的算法插件系统，其目的是实现系统功能的动态调用和消除系统各模块的物理耦合性。插件系统与具体算法和应用无关，主要提供了插件的扫描、对象注册、对象创建与查找等基础功能。

随着技术创新复杂性的增强、速度的加快以及分工精细化发展，当代创新模式已突破传统的线性和链式模式，呈现出非线性、多角色、网络化、开放性的特征，并逐步演变为以多元主体协同互动为基础的协同创新模式。在目前遥感处理领域，相关人员一般可分为五类角色，分别是数据提供者、平台架构者、算法开发者、应用整合者和最终用户。

不同特点研究生的培养方向不同，也适合不同角色。协同工作的重点是合理区分角色行为。数据提供者侧重于提供原始数据，一般可由教研室合作提供，而无需受限于单个老师及学生经济能力；平台架构者侧重于提供基础的遥感数据读写、计算架构、通用基础处理算法和通用界面元素等，OpenRS开源平台可用于承担该类角色；算法开发者侧重于实现创新性的专业算法，实现过程中可利用平台提供的通用处理算法，科研型研究生承担该类角色；应用整合者在算法提供者提供的算法和平台架构者提供的基本界面元素基础上，实现各种定制化的服务界面，应用型研究生可承担该类角色。

3 课程设计

在课程安排上，要求教师在备课的过程中，仔细分析研究生的各自研究关注点，并根据个人意愿，合理划分研究生的不同角色，有意识地渗透协同创新能力教育的思想，更要在教学过程中把协同创新能力的培养贯穿于整个教学过程之中。因此，教师需精心设计有利于培养学生协同创新能力的编程案例为切入点，案例难度遵循循序渐进原则，以分组形式指导学生进行上机实习，多讨论，多实践，多总结，逐渐培养学生的创新能力。

在培养目标方面，课程旨在培养研究生掌握协同解决大型遥感问题的能力，了解OpenRS平台基本原理，并可在其基础上进行二次开发，编写与插入自己的专业算法，能胜任企业、研究院所和政府部门等有关遥感影像处理技术设计、开发和应用等工作。

在课程设置方面，应主要以上机实践为主，课堂授课为辅的教学形式。课堂授课主要讲授OpenRS平台的基本原理，如：算法插件机制，给学生较为清晰的学习脉络，帮助梳理其在多角色创新模式中感兴趣的角色，引导其协同创新思维，课堂授课不宜超过总授课时间的20%；在上机实践开始阶段，由教师对照编程代码，仔细讲解不同角色开发过程与相关技术关键点，由学生模拟实现；在上机实践中间阶段，以分组形式，让组内同学承担不同角色，相互协同开发，共同解决某一问题；在课程后期阶段，让分组间进行协同，完成更为复杂，更贴近实际应用的技术问题。以这种多层次，不断深入的模式，提高学生的实际协同工作能力，同时也潜移默化地培养协同意识。

4 结语

遥感科学与技术专业的高速发展使得协同创新成为必然趋势。OpenRS开源平台的开放性、扩展性、先进性正满足上述趋势。本文在对研究生创新能力培养难点与OpenRS平台本身特点加以分析的基础上，给出了遥感领域的多角色协同创新模式与课程设计。

参考文献

遥感影像处理技术范文第5篇

关键词 遗传算法 影像处理 变异操作 交叉操作

中图分类号：P237 文献标识码：A

影像的拍摄要经过图像的获取、传输、压缩、输出的一个过程，受大气流动、周围噪声、光照条件等因素影响，影像的质量会有所降低，如轮廓模糊、目视效果较差等，为提高影像质量，常需要做高清处理，随着技术的进步，影像质量优化方法越来越多，而如何实现智能化优化成了当前研究的重点。

1 影像质量增强技术

影像质量下降多因受到其他因素影响，可采用相应的技术削减各种干扰，提高清晰度，同时对影像信息的形式进行转换，使计算机容易接受，以起到提升影像质量的目的。一般的增强技术有两类：①空间域增强技术，以像素为主要对象，对其灰度值加以处理，包括直方图均衡化、线性和非线性变换；②频率域增强技术，往往起不到直接的效果，而仅仅对影像中的高低频信息进行分离，在数学变换后，对频谱进行分析，最终获得增强后的影像。从当前现状来看，第1种技术较为常用，计算速度快，而且效果比较直观，但也存在有不足之处，如该技术较为专业，对普通用户来说颇为困难；因主要是对像素进行处理，导致在解压缩中难以发挥作用；对于遥感影像而言，属于地球表面真实三维信息到二维信息的转化，在处理时多解性和模糊性较为明显；在处理彩色影像时，因色彩之间有各种关系，需要经过彩色空间变换处理，颇为复杂，且对技术要求严格。鉴于这几点，如何采用智能化算法实现运行参数的自动选取，以及如何建立适用于彩色影像或影像压缩处理的模型成了当前考虑的重点。遗传算法则能够满足这两点要求，作用日益突出。

2 遗传算法及其在影像处理与分析中的运用

2.1 定义

遗传算法是一种智能化的随机优化搜索方法，鲁棒性较强，以生物进化规律为主要理论依据，具有良好的全局寻优功能，可直接对结构对象展开操作，通过概率化的方法，可自动调整搜索方向，获取所需信息，在影像处理、函数优化、遗传编程、机器人学等诸多领域都有广泛应用。

2.2 遗传算法的基础操作

（1）编码方式。主要包括三种：一是二进制编码，该方法的编码和解码都容易操作，而且实现交叉和变异操作难度较大小，在用模式定理分析算法方面很是适用。该方法的不足之处在于，反映所求问题结构特征的能力较弱。另外，因遗传算法是一种随机搜索法，在优化连续函数时，局部搜索能力偏弱；二是格雷编码，该方法是二进制编码的变形改进，在方便实现交叉、变异等操作的同时，还能够提高遗传算法的局部搜索能力，也可借助模式定理实现算法的理论分析。三是浮点数编码，上述两种方法在函数的优化精度方面偏弱，而浮点数编码用某一范围的浮点表示其个体基因，个体编码长度与决策量个数一致，在精度要求较高、范围较大的数等方面比较适用，在复杂的遗传算法中，能够提高工作效率。

（2）选择操作。选择算子最能体现遗传算法的原理，通过对个体适应度函数的计算决定遗传到下一代的概率。选择算子有很多种，如比例选择算子，作为一种回放式随机采样的方法，比例选择算子认为个体被选择的概率与适应度成正比。操作程序为，先计算全部个体适应度的总和，然后计算每个个体被遗传到下一代的概率，最后模拟赌盘操作，确定个体的选中次数。

（3）交叉操作。具有产生新个体的功能，为实现信息交换，可结合交叉概率，在匹配库中随机选择一对父代染色体，通过信息交换会产生两个“子代个体”。交叉算子主要包括单点交叉、算术交叉、均匀交叉等多种形式。

（4）变异操作。要想更好地完成全局搜索，需将交叉算子和变异算子相结合，变异算子包括均匀变异、非均匀变异等多种形式，可维持群体的多样性，避免有早熟现象发生。

2.3 遗传算法与影像处理

在影像处理中，遗传算法主要涉及模式识别、影像边缘特征提取、影像的分割及增强等方面，随着技术的进步，该算法在此领域取得了良好效果。

在模型参数的优化方面，界内某些人士认为影像质量与线性模糊索引值有关，后者的值越大，影像质量就越高，所以将模糊集理论和遗传算法有机结合，然后通过对PIF极大值点的搜索，提高影像的处理质量，国内也有许多专家借助遗传算法解决模糊隶属度参数的最优化问题。另有一些人士利用遗传算法优化选择了以粗糙集理论为基础的影像分类门限值，将粗糙集理论和遗传算法有机结合，使得影像增强效果更为明显。国内有专家将遗传算法和Otsu阈值选取理论相结合，对影像分割的最佳灰度阈值进行搜索；在目标区域使用较为适宜的增强技术，进一步突出目标细节。国外相关专家在增强彩色影像质量方面引入了遗传算法，使得单尺度Retinex函数的空间尺度、截断操作系数、群众系数、色彩恢复系数等诸多方面都实现了自适应选取，对提高彩色影像质量提供了极大的帮助。在此方面，还有许多相关研究，如通过遗传算法对带参数的分段线性增强算子参数进行了自适应动态调节；基于非完全Beta变换函数的可覆盖全色遥感影像增强的非线性变换曲线自动拟合构造函数的提出；对遗传算法加以改进，在处理非完全Beta变化函数的参数时，实现自适应优化选择，进而取得了良好的处理效果。

在模型组成的优化方面，国外专家将遗传算法用于滤波器最优序列的寻找，有效地解决了多个滤波器同时使用的问题，并完成了彼此之间功能的互补工作。国内某些专家利用学习协同进化遗传算法优化选择影像模糊增强算法中最佳隶属度函数和模糊规则及其参数，以此为基础实现影像增强处理。

3 结束语

遗传算法是一种智能化的随机搜索方法，在当前很多领域都有广泛应用，本文对其在影像处理方面进行了分析，该方法值得推广应用。