遙感數(shù)字圖像處理數(shù)字影像增強

1、遙感數(shù)字影像處理數(shù)字影像增強第三講 數(shù)字影像增強 數(shù)字影像增強目的：增強目視效果提高影像質(zhì)量和突出所需信息有利于分析判讀或作進(jìn)一步的處理 數(shù)字影像增強1 對比度變換2 彩色變換3 空間濾波4 影像運算5 多光譜變換 1 對比度變換 是一種通過改變影像像元的亮度（灰度）值來改變影像像元對比度，從而改善影像質(zhì)量的圖像處理方法。又稱對比度擴(kuò)展、反差增強、灰度變換、輻射增強。因為亮度值是輻射強度的反映，所以也稱之為輻射增強。常用的方法有對比度線性變換和非線性變換。 通過像元亮度直方圖可以判斷影像質(zhì)量： 每一幅影像都可以求出其像元亮度值的直方圖，觀察直方圖的形態(tài)，可以粗略地分析影像的質(zhì)量。一般來說，一幅

2、包含大量像元的影像，其像元亮度值應(yīng)符合統(tǒng)計分布規(guī)律，即假定像元亮度隨機(jī)分布時，直方圖應(yīng)是正態(tài)分布的。實際工作中，若影像的直方圖接近正態(tài)分布，則說明影像中像元的亮度接近隨機(jī)分布，是一幅適合用統(tǒng)計方法分析的影像。當(dāng)觀察直方圖形態(tài)時，發(fā)現(xiàn)直方圖的峰值偏向亮度坐標(biāo)軸左側(cè)，則說明影像偏暗。峰值偏向坐標(biāo)軸右側(cè)，則說明影像偏亮，峰值提升過陡、過窄，說明影像的高密度值過于集中，以上情況均是影像對比度較小，影像質(zhì)量較差的反映。 從直方圖形態(tài)判斷影像質(zhì)量 1.1 線性變換 為了改善影像的對比度，必須改變影像像元的亮度值，并且這種改變需符合一定的數(shù)學(xué)規(guī)律，即在運算過程中有一個變換函數(shù)。如果變換函數(shù)是線性的或分段線性

3、的，這種變換就是線性變換。線性變換是圖像增強處理最常用的方法。 直方圖數(shù)字影像最小值最大值 將亮度值為015影像拉伸為030，要設(shè)計一個線性變換函數(shù)，橫坐標(biāo)xa為變換前的亮度值，縱坐標(biāo)xb為變換后的亮度值。當(dāng)亮度值xa從015變換成xb從030，變換函數(shù)在圖中是一條直線OO，方程式為1530abxxabxx2變換前后直方圖對比變換后影像 一般情況下，當(dāng)線性變換時，變換前影像的亮度范圍xa為a1a2，變換后影像的亮度范圍xb為b1b2，變換關(guān)系是直線，則變換方程為 121121aaaxbbbxab111212)(baxaabbxab 通過調(diào)整參數(shù)a1，a2，b1，b2，即改變變換直線的形態(tài)，可以

4、產(chǎn)生不同的變換效果。若a2-a1b2-b1，亮度范圍縮小，影像被壓縮。對于a2與a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗處，均可根據(jù)對影像顯示效果的需要而人為地設(shè)定。 有時為了更好地調(diào)節(jié)影像的對比度，需要在一些亮度段拉伸，而在另一些亮度段壓縮，這種變換稱為分段線性變換。分段線性變換時，變換函數(shù)不同，在變換坐標(biāo)系中成為拆線，拆線間斷點的位置根據(jù)需要決定。從圖中可以看出，第一、三段為壓縮，第二段為拉伸，每一段的變換方程為： abxx31102abxx41543abxx 變化前亮度值0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15變化后亮度值0 0 1 1 1 2

5、2 4 6 8 10 12 13 14 14 15結(jié)果比較1.2 非線性變換 當(dāng)變換函數(shù)是非線性時，即為非線性變換。非線性變換的函數(shù)很多，常用的有指數(shù)變換和對數(shù)變換。 1.2.1 指數(shù)變換 其意義是在亮度值較高的部分xa 擴(kuò)大亮度間隔，屬于拉伸，而在亮度值較低的部分xb縮小亮度間隔，屬于壓縮，其數(shù)學(xué)表達(dá)式為 cbexaaxba，b，c為可調(diào)參數(shù)，可以改變指數(shù)函數(shù)曲線的形態(tài)，從而實現(xiàn)不同的拉伸比例。 1.2.2 對數(shù)變換 與指數(shù)變換相反，它的意義是在亮度值較低的部分拉伸，而在亮度值較高的部分壓縮，其數(shù)學(xué)表達(dá)式為 caxbxab) 1lg(a，b，c仍為可調(diào)參數(shù)，由使用者決定其值 。 對比度變換實

6、習(xí)內(nèi)容：1分段線形拉伸（34）2查找表拉伸3直方圖均衡化4直方圖匹配5亮度反轉(zhuǎn)處理6去霾處理7降噪處理8去條帶處理2 彩色變換 亮度值的變化可以改善影像的質(zhì)量，但就人眼對影像的觀察能力而言，一般正常人眼只能分辨20級左右的亮度級，而對彩色的分辨能力則可達(dá)1000多種，遠(yuǎn)遠(yuǎn)大于對黑白亮度值的分辨能力。不同的彩色變換可大大增強影像的可讀性，在此介紹常用的三種彩色變換方法。單波段彩色變換多波段色彩變換HSI變換 2.1 單波段彩色變換單波段黑白遙感影像可按亮度分層，對每層賦予不同的色彩，使之成為一幅彩色影像。這種方法又叫密度分割、 偽彩色增強，即按影像的密度進(jìn)行分層，每一層所包含的亮度值范圍可以不同

7、。例如，亮度010為第一層，賦值1，1115為第二層，賦值2，1630為第三層，賦值3，等等，再給1，2，3等分別賦不同的顏色，于是生成一幅彩色影像。目前計算機(jī)顯示彩色的能力很強，理論上完全可以將256層的黑白亮度賦予256種彩色，因此彩色變換很有前景。 對于遙感影像而言，將黑白單波段影像賦上彩色總是有一定目的的，如果分層方案與地物光譜差異對應(yīng)得好，可以區(qū)分出地物的類別。例如在紅外波段，水體的吸收很強，在影像上表現(xiàn)為接近黑色，這時若取低亮度值為分割點并以某種顏色表現(xiàn)則可以分離出水體；同理砂地反射率高，取較高亮度為分割點，可以從亮區(qū)以彩色分離出砂地。因此，只要掌握地物光譜的特點，就可以獲得較好的

8、地物類別影像。當(dāng)?shù)匚锕庾V的規(guī)律性在某一影像上表現(xiàn)不太明顯時，也可以簡單地對每一層亮度值賦色，以得到彩色影像，也會較一般黑白影像的目視效果好。 2.2 多波段彩色變換 根據(jù)加色法彩色合成原理，選擇遙感影像的某三個波段，分別賦予紅、綠、藍(lán)三種原色，就可以合成彩色影像。如果原色的選擇與原來遙感波段所代表的真實顏色相同，生成的合成色能真實或近似反映地物本來的顏色，稱真彩色合成；如果因此這種合成叫做假彩色合成。如果原色的選擇與原來遙感波段所代表的真實顏色不同，生成的合成色不能真實反映地物本來的顏色，稱假彩色合成。 多波段影像合成時，方案的選擇十分重要，它決定了彩色影像能否顯示較豐富的地物信息或突出某一方

9、面的信息。以陸地衛(wèi)星Landsat的TM影像為例，TM的7個波段中，第2波段是綠色波段（052060m），第4段波段是近紅外波段（076090mp，當(dāng)4，3，2波段被分別賦予紅、綠、藍(lán)色時，即綠波段賦藍(lán)，紅波段賦綠，紅外波段賦紅時，這一合成方案被稱為標(biāo)準(zhǔn)假彩色合成，是一種最常用的合成方案。 實際應(yīng)用時，應(yīng)根據(jù)不同的應(yīng)用目的經(jīng)實驗、分析，尋找最佳合成方案，以達(dá)到最好的目視效果。通常，以合成后的信息量最大和波段之間的信息相關(guān)最小作為選取合成的最佳目標(biāo)，例如，TM的4，5，3波段依次被賦予紅、綠、藍(lán)色進(jìn)行合成，可以突出較豐富的信息，包括水體、城區(qū)、山區(qū)、平原及線性特征等，有時這一合成方案甚至優(yōu)于標(biāo)準(zhǔn)

10、的4，3，2波段的假彩色合成 多波段彩色變換TM標(biāo)準(zhǔn)假彩色合成圖像TM7(R)、4(G)、2(B)彩色變換：多波段彩色變換TM3(R)、2(G)、1(B)TM4(R)、5(G)、3(B)2.3 HIS變換（孟塞爾變換） 存在兩種彩色空間：HIS彩色空間和RGB彩色空間。HSI代表色調(diào)、明度和飽和度（hue， intensity , saturation ）的色彩模式，構(gòu)成HIS彩色空間；RGB代表紅、綠、藍(lán)的色彩模式，構(gòu)成RGB彩色空間。也就是說一種顏色既可以用RGB空間的R、G、B來描述，也可以用HIS空間的H、I、S來描述。HIS變換就是RGB空間和HIS空間之間的變換。 在HIS彩色空間

11、，色調(diào)、亮度、飽和度可以分成不同等級，便于定量處理色彩，但在直觀上RGB空間更容易理解。通常彩色顯示器的RGB是由顏色信號的亮度所確定的。處理：首先把紅、綠、藍(lán)信號變換為HIS空間的H、I、S，調(diào)整I、S之后再變換到RGB信號上進(jìn)行彩色合成。彩色變化實習(xí)：1 RGB TO HIS2 HIS TO RGB3 自然色彩變換3 空間濾波 空間濾波是指對頻率特征的一種篩選技術(shù)。影像的濾波處理是對影像中某些空間頻率特征的信息增強或抑制。對比度增強是通過單個像元的運算從整體上改善影像的質(zhì)量。而空間濾波則是以重點突出影像上的某些特征為目的的，如突出邊線或紋理等，因此通過像元與其周圍相鄰像元的關(guān)系。氛圍空間地

12、域3.1空間域濾波 空間域濾波是在影像的空間變量內(nèi)進(jìn)行的局部運算，使用空間二維卷積方法。主要包括平滑和銳化。 空間域濾波是在空間域上對影像作局部檢測的運算，以實現(xiàn)平滑和銳化的目的。具體作法是選定一卷積函數(shù)，又稱“模板”，實際上是一個MN影像。二維的卷積運算是在影像中使用模板來實現(xiàn)運算的。 從影像左上角開始開一與模板同樣大小的活動窗口，影像窗口與模板像元的亮度值對應(yīng)相乘再相加。假定模板大小為M*N，窗口為(m,n)，模板為t(m，n)，則模板運算為: MmNnnmtnmjir11),(),(),(將計算結(jié)果r（i，j）放在窗口中心的像元位置，成為新像元的灰度值。然后活動窗口向右移動一個像元，再按

13、公式做同樣的運算，仍舊把計算結(jié)果放在移動后的窗口中心位置上，依次進(jìn)行，逐行掃描，直到全幅影像掃描一遍結(jié)束，則新影像生成。 3.1.1 平滑 影像中出現(xiàn)某些亮度變化過大的區(qū)域，或出現(xiàn)不該有的亮點（“噪聲”）時，采用平滑的方法可以減小變化，使亮度平緩或去掉不必要的“噪聲”點。具體方法有：均值平滑中值濾波均值平滑 是將每個像元在以其為中心的區(qū)域內(nèi)取平均值來代替該像元值，以達(dá)到去掉尖銳“噪聲”和平滑影像目的的。區(qū)域范圍取作MN時，求均值公式為具體計算時常用33的模板作卷積運算，其模板為 MmNnnmMNjir11),(1),(t(m,n)=或t(m,n)=1/9 1/9 1/91/9 1/9 1/91

14、/9 1/9 1/91/8 1/8 1/81/8 0 1/81/8 1/8 1/8中值平滑 是將每個像元在以其為中心的鄰域內(nèi)取中間亮度值來代替該像元值，以達(dá)到去尖銳“噪聲”和平滑影像目的的。具體計算方法與模板卷積方法類似，仍采用活動窗口的掃描方法。取值時，將窗口內(nèi)所有像元按亮度值的大小排列，取中間值作為中間像元的值。所以MN取奇數(shù)為好。 一般來說，影像亮度為階梯狀變化時，取均值平滑比取中值濾波要明顯得多，而對于突出亮點的“噪聲”干擾，從去“噪聲”后對原圖的保留程度看取中值要優(yōu)于取均值。3.1.2 銳化(邊緣增強）為了突出影像的邊緣、線狀目標(biāo)或某些亮度變化率大的部分，可采用銳化方法。有時可通過銳

15、化，直接提取出需要的信息。銳化后的影像已不再具有原遙感影像的特征而成為邊緣影像。銳化的方法很多，在此只介紹常用的幾種：羅伯特梯度索伯爾梯度拉普拉斯算法走向檢測 梯度反映了相鄰像元的亮度變化率，也就是說，影像中如果存在邊緣，如湖泊、河流的邊界，山脈和道路等，則邊緣處有較大的梯度值。對于亮度值較平滑的部分，亮度梯度值較小。因此，找到梯度較大的位置，也就找到邊緣，然后再用不同的梯度計算值代替邊緣處像元的值，也就突出了邊緣，實現(xiàn)了影像的銳化。 3.2 空間頻率域濾波 通過修改原影像的傅立葉變換式實現(xiàn)濾波。濾波函數(shù)有低通濾波、高通濾波和帶通濾波等。 低通濾波用于僅讓低頻的空間頻率成分通過而消除高頻成分的

16、場合，由于影像的噪聲成分多數(shù)包含在高頻成分中，所以可用于噪聲的消除。 高通濾波僅讓高頻成分通過，可應(yīng)用于目標(biāo)物輪廓的增強。 帶通濾波由于僅保留一定的頻率成分，所以可用于提取、消除每隔一定間隔出現(xiàn)的干擾條紋的噪聲。 空間濾波實習(xí)：1卷積增強處理2非定向邊緣增強3聚焦分析（包含平滑）4銳化4 影像運算 兩幅或多幅單波段影像，完成空間配準(zhǔn)后，通過一系列運算，可以實現(xiàn)圖像增強，達(dá)到提取某些信息或去掉某些不必要信息的目的。 4.1 差值運算 即兩幅同樣行、列數(shù)的影像，對應(yīng)像元的亮度值相減。 差值運算應(yīng)用于兩個波段時，相減后的值反映了同一地物光譜反射率之間的差。由于不同地物反射率差值不同，兩波段亮度值相減

17、后，差值大的被突出出來。例如，當(dāng)用紅外波段減紅波段時，植被的反射率差異很大，相減后的差值就大，而土壤和水在這兩個波段反射率差值就很小，因此相減后的影像可以把植被信息突出出來。如果不作相減，在紅外波段上植被和土壤，在紅色波段上植被和水體均難區(qū)分。因此影像的差值運算有利于目標(biāo)與背景反差較小的信息提取，如冰雪覆蓋區(qū)，黃土高原區(qū)的界線特征；海岸帶的潮汐線等。 另外，差值運算還常用于研究同一地區(qū)不同時相的動態(tài)變化。如監(jiān)測森林火災(zāi)發(fā)生前后的變化和計算過火面積；監(jiān)測水災(zāi)發(fā)生前后的水域變化和計算受災(zāi)面積及損失；監(jiān)測城市在不同年份的擴(kuò)展情況及計算侵占農(nóng)田的比例等。 有時為了突出邊緣，也用差值法將兩幅影像的行、列

18、各移一位，再與原影像相減，也可起到幾何增強的作用。4.2 比值運算兩幅同樣行、列數(shù)的影像，對應(yīng)像元的亮度值相除（除數(shù)不為0）比值運算可以檢測波段的斜率信息并加以擴(kuò)展，以突出不同波段間地物光譜的差異，提高對比度。該運算常用于突出遙感影像中的植被特征、提取植被類別或估算植被生物量，這種算法的結(jié)果稱為植被指數(shù)，常用算法： 近紅外波段紅波段或 （近紅外-紅）/(近紅外+紅） 比值運算對于去除地形影響也非常有效。由于地形起伏及太陽傾斜照射，使得山坡的向陽處與陰影處在遙感影像上的亮度有很大區(qū)別，同一地物向陽面和背陰面亮度不同，給判讀解譯造成困難，特別是在計算機(jī)分類時不能識別。由于陰影的形成主要是地形因子的

19、影響，比值運算可以去掉這一因子影響，使向陽與背陰處都毫無例外地只與地物反射率的比值有關(guān)。 比值處理還有其他多方面的應(yīng)用，例如對研究淺海區(qū)的水下地形有效，對土壤富水性差異、微地貌變化、地球化學(xué)反應(yīng)引起的微小光譜變化等，對與隱伏構(gòu)造信息有關(guān)的線性特征等都能有不同程度的增強效果。 影像運算實習(xí)：代數(shù)運算(operators)5 多光譜變換 遙感多光譜影像，特別是陸地衛(wèi)星的TM等傳感器，波段多，信息量大，對影像解譯很有價值。但數(shù)據(jù)量太大，在圖像處理計算時，也常常耗費大量的機(jī)時、占據(jù)大量的磁盤空間。實際上，一些波段的遙感數(shù)據(jù)之間都有不同程度的相關(guān)性，存在著數(shù)據(jù)冗余。多光譜變換方法可通過函數(shù)變換，達(dá)到保留

20、主要信息，降低數(shù)據(jù)量；增強或提取有用信息的目的。其變換的本質(zhì)是對遙感影像實行線性變換，使多光譜空間的坐標(biāo)系按一定規(guī)律進(jìn)行旋轉(zhuǎn)。 所謂多光譜空間就是一個n維坐標(biāo)系，每一個坐標(biāo)軸代表一個波段，坐標(biāo)值為亮度值，坐標(biāo)系內(nèi)的每一個點代表一個像元。像元點在坐標(biāo)系中的位置可以表示成一個n維向量：其中每個分量xi表示該點在第i個坐標(biāo)軸上的投影，即亮度值。這種多光譜空間只表示各波段光譜之間的TnnxxxxxxX,2121 關(guān)系，而不包括任何該點在原影像中的位置信息，它沒有影像空間的意義，遙感數(shù)據(jù)采用的波段數(shù)就是光譜空間的維數(shù)。 5.1 K-L變換KL變換是離散（Karhunenloeve）變換的簡稱，又被稱作主

21、成分變換。它是對某一多光譜影像X，利用KL變換矩陣A進(jìn)行線性組合，而產(chǎn)生一組新的多光譜影像Y，表達(dá)式為： Y=AX 即nnnnnnnnxxxyyy2121222211121121, 對影像中每一像元矢量逐個乘以矩陣A，便得到新影像中的每一像元矢量。A的作用是給多波段的像元亮度加權(quán)系數(shù)，實現(xiàn)線性變換。由于變換前各波段之間有很強的相關(guān)性，經(jīng)過KL變換組合，輸出影像Y的各分量之間將具有最小的相關(guān)性。 主成分分析 （principal component analysis）是著眼于變量之間的相互關(guān)系，盡可能不丟失信息地用幾個綜合性指標(biāo)匯集多個變量的測量值而進(jìn)行描述的方法。 通過采用主成分分析就可以把影

22、像中所含的大部分信息用假想的少數(shù)波段表示出來，這意味著信息幾乎不丟失但數(shù)據(jù)量可以減少。 5.1.1 KL變換的特點： (1)從幾何意義來看，變換后的主分量空間坐標(biāo)系與變換前的多光譜空間坐標(biāo)系相比旋轉(zhuǎn)了一個角度。而且新坐標(biāo)系的坐標(biāo)軸一定指向數(shù)據(jù)信息量較大的方向。以二維空間為例，假定某影像像元的分布呈橢圓狀，那么經(jīng)過旋轉(zhuǎn)后，新坐標(biāo)系的坐標(biāo)軸一定分別指向橢圓的長半軸和短半軸方向主分量方向，因為長半軸這一方向的信息量最大。K-L變換主成分分析的原理 KL變換的特點： (2)就變換后的新波段主分量而言，它們所包括的信息量不同，呈逐漸減少趨勢。事實上，第一主分量集中了最大的信息量，常常占80以上。第二、三

23、主分量的信息量依次很快遞減，到了第n分量，信息幾乎為零。由于KL變換對不相關(guān)的噪聲沒有影響，所以信息減少時，便突出了噪聲，最后的分量幾乎全是噪聲。所以這種變換又可分離出噪聲。 5.1.2 K-L變換目的因此，在遙感分析前進(jìn)行KL變換可以實現(xiàn)：（1）數(shù)據(jù)壓縮：以TM影像為例，共有7個波段處理起來數(shù)據(jù)量很大。進(jìn)行KL變換后，第一，或前二或前三個主分量已包含了絕大多數(shù)的地物信息，足夠分析使用，同時數(shù)據(jù)量卻大大地減少了。應(yīng)用中常常只取前三個主分量作假彩色合成，數(shù)據(jù)量可減少到43，既實現(xiàn)了數(shù)據(jù)壓縮，也可作為分類前的特征選擇。（2）圖像增強：KL變換后的前幾個主分量，信噪比大，噪聲相對小，因此突出了主要信息，達(dá)到了增強影像的目的。此外將其他增強手段與之結(jié)合使用，會收到更好的效果。