圖像處理(增強(qiáng))

1、第4章 遙感圖像處理w4.1 光學(xué)原理與光學(xué)處理w4.2 數(shù)字圖像概念w4.3 數(shù)字圖像的校正w4.4 數(shù)字圖像增強(qiáng)w4.5 多元信息復(fù)合w4.6 遙感圖像計(jì)算機(jī)分類4.4 數(shù)字圖像增強(qiáng)（Image Enhancement ）w一一. 對比度變換（對比度變換（contrast conversion ） 也稱為輻射增強(qiáng)，或直方圖拉伸w 對比度變換：通過改變圖像像元的亮度值來改變對比度，從而改善圖像質(zhì)量的圖像處理方法。w 直方圖：以橫坐標(biāo)代表像元的亮度值，縱坐標(biāo)代表某一亮度或亮度間隔的像元數(shù)的統(tǒng)計(jì)圖。從直方圖的形態(tài)可以判斷圖像的質(zhì)量。一. 對比度變換一. 對比度變換w1. 線性變換w線性變換：按比

2、例擴(kuò)大原始亮度值的范圍。將過于集中的像元分布區(qū)域擴(kuò)展開來，增加圖像表現(xiàn)的層次性。 a1 ，a2 b1，b2變換函數(shù)為直線方程：111212)(baxaabbxab一. 對比度變換w1. 線性變換xbb2線性變換分段線性變換xbxaxab1a1a2b0b1b2b3a0a1a2a3一. 對比度變換w2.非線性變換 變換函數(shù)為非線性函數(shù)，即對暗區(qū)與亮區(qū)不同比例地?cái)U(kuò)展，常用的有：n指數(shù)變換指數(shù)函數(shù)n對數(shù)變換對數(shù)函數(shù)n查表法1. 對比度變換w2.非線性變換指數(shù)變換（突出亮區(qū)，壓制暗區(qū)）對數(shù)變換（突出暗區(qū)，壓制亮區(qū)）xbb2xab1a1a2xbb2xab1a1a2一. 對比度變換1. 對比度變換w 3.

3、直方圖變換w A.直方圖均衡（Histogram equalization） 1. 對比度變換1. 對比度變換w 3. 直方圖變換w A.直方圖標(biāo)準(zhǔn)化（Histogram normalization ）4.4 數(shù)字圖像增強(qiáng)w二. 空間濾波（鄰區(qū)法處理）w 空間濾波：通過處理像元與其周圍相鄰像元的關(guān)系，突出圖像上某些特征的圖像處理方法。w 圖像卷積運(yùn)算：選定一“模板”（即濾波器）作為卷積函數(shù)，將模板對應(yīng)像元內(nèi)的灰度值與模板像元亮度值對應(yīng)相乘后相加，然后將計(jì)算結(jié)果作為窗口中心的像元的灰度值。 卷積運(yùn)算v 空間濾波處理：對數(shù)字圖像中各行或各列所構(gòu)成的復(fù)式波形曲線，通過濾波算子將其分解成不同頻率的簡單

4、波形曲線，根據(jù)需要選擇適宜的頻率波形曲線，重新構(gòu)成新的圖像。亮度值像元高通濾波低通濾波 二. 空間濾波（Spatial filtering ）二. 空間濾波w1.平滑（低通濾波）：消除變化過大的區(qū)域，使亮度平緩或去掉不必要的“噪聲”點(diǎn)。n均值濾波l卷積運(yùn)算公式：),(1),(11nmMNjirMmNn 二. 空間濾波l模板（33）：11111111191),(nmt11110111181),(nmt或均值濾波均值濾波均值濾波前均值濾波后中值濾波n卷積運(yùn)算法則：取窗口內(nèi)所有像元亮度值的中值為中間像元的亮度值。13模板均值濾波與中值濾波w 圖象亮度階梯狀變化時(shí)均值平滑w 圖象中有突出亮點(diǎn)噪聲中值平

5、滑二. 空間濾波w2.銳化（高通濾波）：突出圖像中亮度變化大的細(xì)節(jié)。如突出邊緣和線性地物等。經(jīng)銳化后，原遙感圖像只保留邊緣的信息。二. 空間濾波w羅伯特梯度：=t1+ t2 10011t01102t二. 空間濾波w索伯爾梯度：=t1+ t2 1210001211t1012021012t二. 空間濾波w拉普拉斯算法010141010),(nmt二. 空間濾波w3.定向檢測：n檢測垂直邊界101101101),(nmt121121121或二. 空間濾波w3.定向檢測：n檢測水平邊界111000111),(nmt111222111或二. 空間濾波w3.定向檢測：n檢測對角線邊界 t（m，n）=，01

6、1101110110101011112121211211121112 彩色合成TM432圖 地物邊界形狀信息 水平線性地物信息 垂直線性地物信息4.4 數(shù)字圖像增強(qiáng)w三. 彩色變換w人眼對色彩有較強(qiáng)的識別力，因此往往將黑白影像處理后賦予各種顏色。三. 彩色變換三. 彩色變換w1.單波段彩色變換：彩色密度分割n將一幅圖像的亮度值分成若干個(gè)等級，每個(gè)等級以不同的顏色來表示。 DEM數(shù)字高程圖像 偽彩色坡度分割圖 偽彩色高度分割圖三. 彩色變換2.多波段彩色變換：彩色合成 RGB Color Composite n真彩色合成（natural color composite. ）： TM 321n假彩

7、色合成（false color composite ）：l標(biāo)準(zhǔn)假彩色合成：TM 432l其他：TM 453，TM742 彩色合成TM321圖欽州市 彩色合成TM432圖欽州市 彩色合成TM742圖欽州市TM1TM4TM7754TM2TM5321543645TM3TM6432742643423南寧NDVI 2000與2006年 兩時(shí)相假彩色合成圖紅色-植被指數(shù)減少 青色-植被指數(shù)上升 灰色、黑色-植被指數(shù)不變R:1998NDVIG:2006NDVIB:2006NDVI三. 彩色變換w3.HLS變換：hue，lightness，saturationnHLS變換：將RGB模式轉(zhuǎn)換為HLS模式。nH：

8、0360紅、黃、綠、青、藍(lán)、品nL： 01 黑 白nS： 01 極不純 純l S=0時(shí)，H無定義，為黑或灰或白l S=1時(shí)，L=0.5 三. 彩色變換w對于RGB：三種顏色混合相加。其亮度分別為LR，LG，LB. 設(shè)： Lmax=max（ LR，LG，LB） Lmin=min（ LR，LG，LB）三. 彩色變換w對于HLS：w明度L=（ Lmax + Lmin ）/2 當(dāng)Lmax= Lmin 時(shí)，即LR=LG=LB， 色調(diào)為灰色，H無定義，S=0 三. 彩色變換w飽和度S=（Smax-Smin）/（Smax+Smin） （L0.5） 或 =（Smax-Smin）/(（1-Smax)+(1-Sm

9、in）) （L0.5） 三. 彩色變換w色調(diào)H =60(HG-HB) /H （當(dāng)HR=HRrmax） 黃品或 =60(2+(HB-HR) /H ) （當(dāng)HG=HGrmax ） 青黃或 =60(4+(HR-HG) /H （當(dāng)HB=HBmax ） 品青 式中： H =（ H max - H min ）4.4 數(shù)字圖像增強(qiáng)w四. 圖像運(yùn)算（Arithmetic Operations）利用兩幅或多幅已經(jīng)完成空間配準(zhǔn)的不同波段的影像，進(jìn)行加、減、乘、除四則混合運(yùn)算，達(dá)到提取或去掉某些信息的目的。四. 圖像運(yùn)算n1.差值運(yùn)算: fD(x,y)=f1(x,y) f2(x,y)l紅外波段紅光波段:突出植被信息

10、l事件發(fā)生前后相減:動態(tài)監(jiān)測l錯(cuò)行(列)后相減:邊緣增強(qiáng)，四. 圖像運(yùn)算n2.比值運(yùn)算： fR(x,y)=f1(x,y) / f2(x,y)l植被指數(shù)：近紅外/紅 或 (近紅外-紅) /(近紅外+紅) 用于突出植被特征,提取植物類別或估算生物量。四. 圖像運(yùn)算n2.比值運(yùn)算：lTM1/TM2,可以消除地形的影響。亮度值TM1TM2TM1/TM2陽坡砂巖28430.65陰坡砂巖22340.651998年南寧NDVI 2006年南寧NDVI 0.54.4 數(shù)字圖像增強(qiáng)w五. 多光譜變換n對遙感圖像實(shí)行線性變換。n多光譜空間就是一個(gè)n維坐標(biāo)系，每個(gè)坐標(biāo)軸代表一個(gè)波段，每個(gè)像元點(diǎn)的位置可表示為一個(gè)n維

11、向量 X，每個(gè)分量xi 為該點(diǎn)在第i個(gè)坐標(biāo)軸上的投影，即亮度值。五. 多光譜變換lK-L變換主成分變換（Principal Component Analysis ）lK-T變換纓帽變換（Tasseled Cap Analysis ） K-L變換（ 主成分分析）v K-L變換，也稱主成分變換。它是對多光譜圖像X進(jìn)行K-L變換，得到矩陣A，而后進(jìn)行線性組合，產(chǎn)生新的光譜圖像Y，公式為： Y = A X 式中:X原圖像像元的光譜矢量； Y變換后主分量空間的光譜矢量； A變換矩陣v經(jīng)過K-L變換后，新圖像Y中的各yi之間具有最小相關(guān)性。 K-L變換（ 主成分分析）v多光譜圖像中，各波段數(shù)據(jù)間存在相關(guān)的

12、關(guān)系，利用主成分分析法將原圖像中所含的大部分信息用虛擬的少數(shù)波段來表示。x1x2y1在多波段數(shù)據(jù)彩色合成中，能夠同時(shí)被感知僅限于三個(gè)波段RGB，因此通常利用主成分分析法將多波段數(shù)據(jù)壓縮到三個(gè)波段。 K-L變換（ 主成分分析）x1x2y1y2 K-L變換（ 主成分分析）w 對n維的原始圖像向量X，作如下的線性變換:YAX An n正交矩陣Yn維新的圖像特征向量其中: Y中n（n）個(gè)特征為“有效特征”，剩余的n-n 個(gè)為“噪聲特征”。A的確定：通過計(jì)算X的協(xié)方差矩陣的特征值和特征向量求得。 K-L變換（ 主成分分析） 經(jīng)變換后，新向量的各分量之間具有最小相關(guān)性。第一主成分集中了最大的信息量，前三個(gè)

13、主成分集中了原向量的大部分的信息量，可以用前幾個(gè)主成分向量代替原向量，從而實(shí)現(xiàn)了降維處理。當(dāng)特征值ii+1，便可舍去yi+1特征。 K-T變換（纓帽變換）v K-T變換，也稱纓帽變換。也是一種線性變換。主要針對MSS、TM圖像數(shù)據(jù)進(jìn)行，其變換公式為： Y = B X 式中:X原圖像像元的光譜矢量； Y變換后主分量空間的光譜矢量； B變換矩陣。對于MSS變換矩陣為44， TM變換矩陣為66。 K-T變換（纓帽變換）B的確定：經(jīng)長期研究，由專家提出。的確定：經(jīng)長期研究，由專家提出。對于對于TM數(shù)據(jù)：數(shù)據(jù)： B= 0.30 0.28 0.47 0.56 0.51 0.19 -0.28 -0.24 -

14、0.54 0.72 0.08 -0.18 0.15 0.20 0.33 0.34 -0.71 -0.46 -0.82 -0.08 0.44 -0.06 0.20 -0.28 -0.33 -0.05 0.11 0.19 -0.44 0.81 0.11 -0.90 0.41 0.06 -0.03 0.02 TM1 TM2 TM3 TM4 TM5 TM7 K-T變換（纓帽變換） TM數(shù)據(jù)變換后矢量分量為： Y=(y1,y2 ,y3,y4,y5,y6 )T 各分量的物理意義：其中y1為亮度分量，反映總體的亮度值； y2為綠度分量，TM4-TM3-TM2-TM1； y3為濕度分量, TM1+TM2+TM

15、3+TM4-TM5-TM6； K-T變換（纓帽變換）（y1,y2 ）：植被視面；（y1 ,y3）：土壤視面；（y3 ,y2）：過渡區(qū)視面； 在由y1 , y2 , y3構(gòu)成的三維坐標(biāo)體系中，農(nóng)作物的生長過程的形態(tài)，很像一頂帶穗的帽子，所以也把K-T變換形象地稱為纓帽（ Tasseled Cap ）變換。K-T變換（纓帽變換）B1B2B3B4IgvIsbK-T變換（纓帽變換）w經(jīng)變換后，：n植被的特征點(diǎn)集中在帽空間中，不同植被周期，特征點(diǎn)沿垂直于帽的軸線發(fā)生變化。n土壤地物特征點(diǎn)主要集中在帽的底部，沿過特征空間原點(diǎn)的一線軸射線散布。TM543合成圖主成分變換123合成圖纓帽變換-123合成圖基于

16、主成分變換的分類圖融合分類圖第4章 遙感圖像處理w4.1 光學(xué)原理與光學(xué)處理w4.2 數(shù)字圖像概念w4.3 數(shù)字圖像的校正w4.4 數(shù)字圖像增強(qiáng)w4.5 多元信息復(fù)合w4.6 遙感圖像計(jì)算機(jī)分類4.5 多元信息復(fù)合w1、 遙感信息的復(fù)合v 遙感信息復(fù)合： 將不同來源的遙感數(shù)據(jù)或其它數(shù)據(jù)統(tǒng)一到同一地理坐標(biāo)系中，采用一定的算法生成新的信息或合成圖像的過程。 1、 遙感信息的復(fù)合HLS變換信息融合變換信息融合DEM信息融合信息融合基于HLS變換的多源影像融合w 基本原理：n將低分辯率的多光譜圖像進(jìn)行重采樣，使其圖像大小和高分辨率全色波段的圖像大小一致。n對采樣得到的多光譜圖像進(jìn)行HLS正變換處理，得到色調(diào)H、飽和度S和亮度L三個(gè)分量。n用高分辨率的全色波段替換亮度I，再進(jìn)行HLS逆變換