遙感原理與應(yīng)用_第4章_4-遙感影像處理-遙感影像增強(qiáng)處理課件

1、遙感原理與應(yīng)用 Remote Sensing Principle and Application遙感物理基礎(chǔ)遙感平臺(tái)特點(diǎn)遙感傳感器影像處理基礎(chǔ)影像幾何處理影像輻射處理遙感影像判讀影像識(shí)別分類(lèi)遙感技術(shù)應(yīng)用遙感系統(tǒng)影像處理遙感應(yīng)用影像處理遙感遙感原理與應(yīng)用課程框架遙感影像處理 遙感數(shù)字圖像處理基礎(chǔ) 遙感影像幾何處理 遙感影像輻射處理 遙感影像增強(qiáng)處理 影像增強(qiáng)的理解 空間域增強(qiáng) 頻率域增強(qiáng) 彩色增強(qiáng) 圖像四則運(yùn)算 圖像融合 遙感影像增強(qiáng)處理5影像增強(qiáng)： Image enhancement is the process of making an image more interpretable fo

2、r a particular application (Faust, 1989).增強(qiáng)的目的： 抑制、去除噪聲，改善圖像視覺(jué)效果或突出圖像中的特定地物信息，使圖像更容易理解、解譯和判斷。影像增強(qiáng)的理解增強(qiáng)處理包括： 改變圖像的灰度等級(jí)； 提高圖像的對(duì)比度； 消除噪聲，平滑圖像； 突出邊緣或線狀地物，銳化圖像； 合成彩色圖像； 圖像融合； 圖像運(yùn)算。影像增強(qiáng)的理解 從增強(qiáng)的作用域出發(fā)空間域增強(qiáng)：空間域是指圖像平面所在的二維平面。直接處理圖像上的像素，主要對(duì)灰度進(jìn)行操作。包括 a) 點(diǎn)處理：每次對(duì)單個(gè)像元進(jìn)行灰度增強(qiáng)的處理；b) 鄰域處理或模板處理：對(duì)一個(gè)像元及其周?chē)男^(qū)域圖像進(jìn)行處理。 頻率域

3、增強(qiáng)：對(duì)圖像經(jīng)變換后的頻譜成分進(jìn)行操作，然后經(jīng)逆變換獲得所需結(jié)果 從增強(qiáng)的信息內(nèi)容出發(fā)波譜特征增強(qiáng)和空間特征增強(qiáng)影像增強(qiáng)的理解增強(qiáng)技術(shù)分類(lèi)返回本節(jié)首頁(yè)遙感圖像灰度增強(qiáng)是一種點(diǎn)處理方法，主要為突出像元之間的反差（或?qū)Ρ榷龋砸卜Q(chēng)“反差增強(qiáng)”、“反差擴(kuò)展”或“灰度拉伸”。根據(jù)變換函數(shù)的不同，可分為： 線性變換 非線性變換空間域增強(qiáng) 灰度增強(qiáng)全域線性變化設(shè)原圖像f(x, y)的灰度范圍為a1, a2，希望增強(qiáng)圖像g(x, y)灰度范圍為b1, b2，則線性變換的基本公式為： 線性變換空間域增強(qiáng) 通過(guò)調(diào)整參數(shù)a1，a2，b1，b2，即改變變換直線的形態(tài)，可以產(chǎn)生不同的變換效果。 若a2-a1b2-

4、b1，影像被壓縮，亮度范圍縮小; 對(duì)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(duì)影像顯示效果的需要而人為地設(shè)定。空間域增強(qiáng) 在曝光不足或過(guò)度的情況下，圖像灰度可能會(huì)局限在一個(gè)很小的范圍內(nèi)，這時(shí)在顯示器上看到的將是一個(gè)模糊不清、似乎沒(méi)有灰度層次的圖像，此時(shí)可利用灰度變換對(duì)圖像每一個(gè)像素灰度作拉伸，可以有效地改善圖像視覺(jué)效果。空間域增強(qiáng) 有時(shí)為了更好地調(diào)節(jié)影像的對(duì)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(chēng)為分段線性變換。 分段線性變換空間域增強(qiáng) 變化前亮度值0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15結(jié)果比較空間域增強(qiáng)變化后

5、亮度值0 0 1 1 1 2 2 4 6 8 10 12 13 14 14 15分段線性變換操作可拖動(dòng)分段點(diǎn)的位置，以此改變分段線性變換函數(shù)非線性變換在整個(gè)灰度范圍內(nèi)采用統(tǒng)一的變換函數(shù)。常用的非線性變換函數(shù)指數(shù)函數(shù) 對(duì)數(shù)函數(shù)實(shí)際應(yīng)用中，一般使用直方圖均衡、直方圖匹配等非線性變換。 非線性變換空間域增強(qiáng)指數(shù)函數(shù)對(duì)數(shù)函數(shù)空間域增強(qiáng) 直方圖均衡化(Histogram equalization)-經(jīng)過(guò)某種變換，將原始影像的直方圖變化為均勻分布的形式，也就是將一已知灰度概率密度分布的影像，變成一幅具有均勻灰度概率密度分布的新影像(即增強(qiáng)后的影像的每個(gè)灰度級(jí)內(nèi)均有數(shù)目相同的像元)。 直方圖均衡化空間域增強(qiáng)

6、由直方圖可知，影像的灰度值集中于一個(gè)區(qū)域，影像反差較小，模糊不清。atl_spotp_87.img空間域增強(qiáng)直方圖均衡化后的結(jié)果空間域增強(qiáng) 計(jì)算方法空間域增強(qiáng) 步驟 統(tǒng)計(jì)原圖像每一灰度級(jí)的像元數(shù)和累積像元數(shù)； 計(jì)算原每一灰度級(jí)均衡化后的新值； 以新值代替原灰度值，形成均衡化后的新圖像； 根據(jù)原圖像像元統(tǒng)計(jì)值對(duì)應(yīng)找到新圖像的像元統(tǒng)計(jì)值，做出直方圖。空間域增強(qiáng)空間域增強(qiáng)空間域增強(qiáng)原圖像標(biāo)準(zhǔn)差小，低反差，層次較差空間域增強(qiáng)均衡化后新圖像標(biāo)準(zhǔn)差大，高反差，層次較好空間域增強(qiáng)取整或四舍五入空間域增強(qiáng) 直方圖匹配又稱(chēng)直方圖規(guī)定化，是把原圖像的直方圖變換為某種指定形態(tài)的直方圖或某一參考圖像的直方圖，然后按著

7、已知的指定形態(tài)的直方圖調(diào)整原圖像各像元的灰級(jí)，最后得到一個(gè)直方圖匹配的圖像。 直方圖匹配空間域增強(qiáng)原圖像的直方圖 規(guī)定的直方圖 規(guī)定化后圖像的直方圖 由于圖像是離散函數(shù)，同時(shí)近似運(yùn)算存在誤差，所以規(guī)定化變換的后的直方圖盡可能接近參考直方圖的形狀，而不可能完全的相同。 空間域增強(qiáng)空間域增強(qiáng)具體步驟：空間域增強(qiáng)空間域增強(qiáng)待匹配圖像（左）、參考圖像（中）、匹配后圖像（右）空間域增強(qiáng) 直方圖匹配這種增強(qiáng)方法經(jīng)常作為圖像鑲嵌或應(yīng)用遙感圖像進(jìn)行動(dòng)態(tài)變化研究的預(yù)處理工作 通過(guò)直方圖匹配可以部分消除由于太陽(yáng)高度角或大氣影響造成的相鄰圖像的色調(diào)差異，從而可以降低目視化解譯的錯(cuò)誤。 空間域增強(qiáng)影像濾波是對(duì)頻率特征

8、的一種篩選技術(shù)，濾波處理可對(duì)影像中的噪聲進(jìn)行抑制，也可對(duì)某些空間紋理特征信息進(jìn)行增強(qiáng)。根據(jù)濾波目的和效果劃分 影像平滑 (低通濾波, low-pass filtering) 抑制高頻信息，以去除細(xì)節(jié)，保留影像中的主干和粗結(jié)構(gòu)。 影像銳化 (高通濾波, high-pass filtering) 抑制低頻信息，以突出邊緣、線條、紋理、細(xì)節(jié)等。 空間域鄰域處理-濾波空間域增強(qiáng)BA灰度分布均一，變化小，頻率低空間域增強(qiáng)BACDABCD在邊緣部位，灰度變化大，頻率高空間域增強(qiáng)低通濾波結(jié)果：增強(qiáng)低頻信息，抑制高頻信息空間域增強(qiáng)高通濾波結(jié)果：增強(qiáng)高頻信息，抑制低頻信息空間域增強(qiáng) 空間濾波是在影像的空間變量?jī)?nèi)

9、進(jìn)行的局部運(yùn)算，使用空間二維卷積方法。 具體作法是選定一卷積函數(shù)，又稱(chēng)“模板”，實(shí)際上是一個(gè)一定大小的影像。二維的卷積運(yùn)算是在影像中使用模板來(lái)實(shí)現(xiàn)運(yùn)算的。 空間域增強(qiáng)將模板在圖中漫游，并將模板中心與圖中某個(gè)像素位置重合；將模板上系數(shù)與模板下對(duì)應(yīng)像素相乘；將所有乘積相加；將和(模板的輸出響應(yīng))賦給圖中對(duì)應(yīng)模板中心位置的像素。卷積運(yùn)算的主要步驟空間域增強(qiáng)(-1,-1)(-1, 0)(-1, 1)(0,-1)(0,0)(0, 1)(1,-1)(1,-1)(1, 1)f(x-2,y-2)f(x-2,y-1)f(x-2,y)f(x-2,y+1)f(x-2,y+2)f(x-1,y-2)f(x-1,y-1)

10、f(x-1,y)f(x-1,y+1)f(x-1,y+2)f(x,y-2)f(x,y-1)f(x,y)f(x,y+1)f(x,y+2)f(x+1,y-2)f(x+1,y-1)f(x+1,y)f(x+1,y+1)f(x+1,y+2)f(x+2,y-2)f(x+2,y-1)f(x+2,y)f(x+2,y+1)f(x+2,y+2)模板窗口圖像模板在圖像上逐像素滑動(dòng)在圖像中的點(diǎn)(x, y)處，其濾波響應(yīng)值為：yx空間域增強(qiáng)平滑濾波對(duì)影像的低頻分量進(jìn)行增強(qiáng)，同時(shí)削弱高頻分量，所以一般用于抑制影像中的隨機(jī)噪聲，從而起到影像平滑的作用。理論上來(lái)說(shuō)，影像平滑可提高信噪比，但卻降低了空間分辨率。具體方法： 均值濾

11、波 (Mean filtering) 中值濾波 (Median filtering) 平滑空間域增強(qiáng)卷積均值濾波開(kāi)一個(gè)MN的窗口（又稱(chēng)濾波窗口、模板），根據(jù)一定準(zhǔn)則計(jì)算窗口內(nèi)所有像元均值，然后賦予窗口中心像元，作為窗口中心像元濾波后的值。 再逐行或逐列移動(dòng)窗口，并按上述方法計(jì)算，直至每個(gè)像元計(jì)算完畢。抑制噪聲，但使影像模糊空間域增強(qiáng)335577空間域增強(qiáng)中值濾波從小到大排列3 3 3 4 5 6 7 7 8抑制尖銳噪聲、還可保留細(xì)節(jié)特征545 767 455 533867655335 773 486 535767485空間域增強(qiáng)突出影像的邊緣、輪廓或線狀目標(biāo)；提高邊緣與周?chē)袼刂g的反差，因此

12、也稱(chēng)為邊緣增強(qiáng)；提取目標(biāo)物體的邊界，對(duì)圖像進(jìn)行分割，便于目標(biāo)區(qū)域的識(shí)別等；銳化后的影像已不再具有原影像的特征而成為邊緣影像。有助于不同地物類(lèi)型的識(shí)別及其分布范圍的圈定 銳化空間域增強(qiáng)線特征指影像的“邊緣”與“線”。線特征提取算子通常也稱(chēng)邊緣檢測(cè)(edge detection)算子?！斑吘墶倍x為影像局部區(qū)域灰度不相同的那些區(qū)域間的分界線?！熬€”認(rèn)為是具有很小寬度且其中間區(qū)域具有相同影像特征的邊緣對(duì)，即距離很小的一對(duì)邊緣構(gòu)成一條線。通常根據(jù)灰度的一階導(dǎo)數(shù)(或差分)最大或二階導(dǎo)數(shù)為零的準(zhǔn)則來(lái)檢測(cè)邊緣。常用的邊緣檢測(cè)方法：微分、拉普拉斯、LOG等算子。銳化通常又稱(chēng)作線特征提取空間域增強(qiáng)邊緣特征實(shí)例：

13、房屋提取空間域增強(qiáng)邊緣特征實(shí)例：道路提取空間域增強(qiáng)邊緣和線的一、二階導(dǎo)數(shù)空間域增強(qiáng) 梯度算子 設(shè)灰度連續(xù)函數(shù)為g(x,y)，則其梯度的定義：梯度是一個(gè)向量，其方向 是灰度函數(shù)在(x, y)最大增加率的方向；其模G是最大增加率。 一階差分算子空間域增強(qiáng) 在數(shù)字影像中，導(dǎo)數(shù)的計(jì)算通常用差分予以近似。梯度算子的差分算法為：i+1, ji+1, j+1i, ji, j+1近似給定閾值T，當(dāng)GijT時(shí)，則認(rèn)為像素(i，j)是邊緣上的點(diǎn)。 -102-1采用卷積運(yùn)算的模板（即卷積核）空間域增強(qiáng)邊緣檢測(cè)中的卷積計(jì)算空間域增強(qiáng)BV1BV2BV3BV4BV5BV6BV7BV8BV9卷積核所有元素值即權(quán)的和為零，這

14、種算子也稱(chēng)為“零和”算子-101-202-101121000-1-2-1XY Sobel算子 空間域增強(qiáng)數(shù)字影像的的二階差分計(jì)算公式：i, j-1i, ji, j+1i-1, ji+1, j注意：一階差分算子是取梯度為極大值的像元為邊緣點(diǎn)；而二階差分算子是取二階差分為零的像元為邊緣點(diǎn)。 二階差分算子空間域增強(qiáng)需要在縱橫方向同時(shí)檢測(cè)邊緣的算子為：需要在縱橫和對(duì)角線方向同時(shí)檢測(cè)邊緣的算子為： 方向二階差分算子空間域增強(qiáng) 拉普拉斯的卷積核： 對(duì)數(shù)字影像進(jìn)行拉普拉斯卷積后得到結(jié)果影像，卷積值為零的像元為邊緣點(diǎn)，因此通常稱(chēng)其為零交叉點(diǎn)(zero-crossing point)。 理論上來(lái)說(shuō)，拉普拉斯算子

15、是各向同性的導(dǎo)數(shù)算子。 拉普拉斯(Laplace)算子空間域增強(qiáng)拉普拉斯算子其他的卷積核：返回本節(jié)首頁(yè)空間域增強(qiáng)卷積理論被處理圖像f(x, y)變換函數(shù)h(x, y)目標(biāo)圖像g(x, y) 卷積：g(x, y)= h(x, y) * f(x, y), 隨著模板范圍的擴(kuò)大，卷積運(yùn)算量會(huì)越來(lái)越大。 空間域復(fù)雜的卷積運(yùn)算可以用頻率域中簡(jiǎn)單的乘法實(shí)現(xiàn)更快速的計(jì)算。頻率域增強(qiáng)在頻率域增強(qiáng)技術(shù)中平滑主要是保留圖像的低頻部分，削弱或抑制高頻 部分。低通濾波銳化則是保留圖像的高頻部分，削弱低頻部分。 高通濾波頻率域增強(qiáng)的一般過(guò)程：濾波傅立葉逆變換頻率域增強(qiáng)返回本節(jié)首頁(yè) 人眼對(duì)色彩的分辨能力遠(yuǎn)遠(yuǎn)大于對(duì)灰度級(jí)的分

16、辨能力。將灰度圖像變?yōu)椴噬珗D像以及進(jìn)行各種彩色變換可以明顯改善圖像的可視性。彩色增強(qiáng)包括偽彩色增強(qiáng)、彩色增強(qiáng)。 偽彩色增強(qiáng) 把單波段灰度圖像中的不同灰度按一定的函數(shù)關(guān)系變換成彩色，得到一幅彩色圖像的方法。 密度分割法是最簡(jiǎn)單的一種方法。彩色增強(qiáng) 密度分割法是對(duì)單波段灰度遙感影像按灰度分層，對(duì)每層賦予不同的色彩，使之變成一幅彩色圖像。彩色增強(qiáng)密度分層法平面示意圖第N+1種彩色CN+1第二種彩色C2第一種彩色C1L2L10LNL1L20彩色 灰度 LNC1C2CNCN+1 密度分層法空間示意圖密度分割中的彩色是人為賦予的，與地物的真實(shí)色彩毫無(wú)關(guān)系，因此也稱(chēng)為偽彩色?；叶葓D像經(jīng)過(guò)密度分割后，圖像的可

17、分辨力得到明顯提高，如果分層方案與地物的光譜特性差異對(duì)應(yīng)較好，可以較準(zhǔn)確地區(qū)分出地物類(lèi)別。彩色增強(qiáng) 假彩色增強(qiáng)TM真彩色合成3(R)、2(G)、1(B)TM標(biāo)準(zhǔn)假彩色合成4(R)、3(G)、2(B)彩色增強(qiáng)幾種標(biāo)準(zhǔn)假彩色合成圖像： TM影像：波段4、3、2分別賦予紅、綠、藍(lán) MSS影像：波段4、2、1分別賦予紅、綠、藍(lán) SPOT影像：波段3、2、1分別賦予紅、綠、藍(lán) 標(biāo)準(zhǔn)假彩色圖像中，突出了植被、水體、城鄉(xiāng)、山區(qū)、平原等特征，植被為紅色，水體為黑色或藍(lán)色，城鎮(zhèn)為深色。實(shí)際應(yīng)用中，為了突出某一方面的信息或顯示豐富的地物信息，應(yīng)根據(jù)不同的研究目的進(jìn)行反復(fù)實(shí)驗(yàn)分析，尋找最佳合成方案，合成后的圖像應(yīng)信

18、息量最大而波段間的相關(guān)性最小。彩色增強(qiáng)彩色增強(qiáng)為了避免破壞圖像的彩色平衡，彩色增強(qiáng)通常選擇在HSI模型下進(jìn)行。 依據(jù)選擇增強(qiáng)分量和增強(qiáng)目的的不同，可將真彩色增強(qiáng)分為亮度增強(qiáng)、色調(diào)增強(qiáng)和飽和度增強(qiáng)三種。 彩色增強(qiáng)1. 亮度增強(qiáng) 亮度增強(qiáng)是僅對(duì)彩色圖像的亮度分量進(jìn)行處理的增強(qiáng)方法，它的目的是通過(guò)對(duì)圖像亮度分量的調(diào)整使得圖像在合適的亮度上提供最大的細(xì)節(jié)。 彩色圖像的亮度增強(qiáng)可以在其亮度分量上使用灰度圖像的增強(qiáng)算法，如灰度變換法、直方圖增強(qiáng)法等。 彩色增強(qiáng)(a)原彩色圖像 (b)對(duì)比度拉伸 (c)直方圖均衡真彩色圖像的亮度增強(qiáng)實(shí)例 彩色增強(qiáng)2. 色調(diào)增強(qiáng) 色調(diào)增強(qiáng)是通過(guò)增加顏色間的差異來(lái)達(dá)到圖像增強(qiáng)的

19、目的，一般可以通過(guò)對(duì)彩色圖像每個(gè)點(diǎn)的色度值加上或減去一個(gè)常數(shù)來(lái)實(shí)現(xiàn)。 由于彩色圖像的色度分量是一個(gè)角度值，因此對(duì)色度分量加上或減去一個(gè)常數(shù)，相當(dāng)于圖像上所有點(diǎn)的顏色都沿著彩色環(huán)逆時(shí)針或順時(shí)針旋轉(zhuǎn)一定的角度。 由于彩色處理色相分量圖像的操作必須考慮灰度級(jí)的“周期性”，即對(duì)色調(diào)值加上120和加上480是相同的。 彩色增強(qiáng) 原圖像 (a)色度值加120(b)色度值減120真彩色圖像的色度增強(qiáng)實(shí)例 彩色增強(qiáng)3. 飽和度增強(qiáng) 飽和度增強(qiáng)可使彩色圖像的顏色更為鮮明。 飽和度增強(qiáng)可以通過(guò)對(duì)彩色圖像每個(gè)點(diǎn)的飽和度值乘以一個(gè)大于1的常數(shù)來(lái)實(shí)現(xiàn)；反之，如果對(duì)彩色圖像每個(gè)點(diǎn)的飽和度值乘以小于1的常數(shù)，則會(huì)減弱原圖像

20、顏色的鮮明程度。 彩色增強(qiáng) 原圖像 （a）飽和度值乘 （b）飽和度值乘 以3的圖像 以0.3的圖像 真彩色圖像的飽和度增強(qiáng)實(shí)例 返回本節(jié)首頁(yè) 針對(duì)多源遙感影像的特點(diǎn)，可以利用多源影像之間的四則運(yùn)算來(lái)達(dá)到增加某些信息或消除某些影響的目的。減法運(yùn)算加法運(yùn)算乘法運(yùn)算除法運(yùn)算混合運(yùn)算圖像四則運(yùn)算 減法運(yùn)算: B=Bx - By將兩個(gè)不同波段的影像相減，可以突出不同地物間光譜反射率及其變化信息；將兩個(gè)不同時(shí)間獲取的同一波段影像相減，可以突出地面目標(biāo)的變化信息。 加法運(yùn)算: 通過(guò)加法運(yùn)算可以擴(kuò)展波段，如綠、紅色波段相加可以得到近似“全色影像”；綠、紅和紅外波段影像相加可以得到“全色+紅外”影像。 乘法運(yùn)算

21、: 乘法運(yùn)算結(jié)果與加法結(jié)果類(lèi)似。圖像四則運(yùn)算92年SPOT影像，Atlanta, USA87年SPOT影像，Atlanta, USA差異影像，Atlanta, USAABC變化檢測(cè)Change detection圖像四則運(yùn)算類(lèi)別紅外波段紅波段紅外波段/紅波段植被很亮暗更亮水很暗稍亮更暗房屋較亮較亮不變 除法（比值）運(yùn)算能抑制因地形坡度和方向引起的輻射量變化，消除地形起伏的影響；也可以增強(qiáng)某些地物之間的反差?！敖t外波段/紅色波段”比值影像植被、水、土壤圖像四則運(yùn)算紅波段QuickBird2.44 m分辨率（犀浦校區(qū)）近紅外波段QuickBird2.44 m分辨率（犀浦校區(qū)）成像時(shí)間：2006-

22、11-10近紅外波段/紅波段圖像四則運(yùn)算 混合運(yùn)算植被指數(shù)植被指數(shù)(Vegetation Index, VI)：利用衛(wèi)星不同波段探測(cè)數(shù)據(jù)組合而成的，能反映植物生長(zhǎng)狀況的指數(shù) 變換NDVI（TNDVI） 歸一化差分植被指數(shù)（NDVI）圖像四則運(yùn)算NDVINear Infrared RedNear Infrared Red返回本節(jié)首頁(yè) 圖像融合：將多源遙感影像按照一定的算法進(jìn)行處理，在給定的地理坐標(biāo)系下，生成信息量更加豐富的新影像。 遙感數(shù)據(jù)源：對(duì)于同一研究區(qū)域，可以通過(guò)不同遙感系統(tǒng)獲取具有不同成像時(shí)間、不同空間分辨率、不同光譜分辨率、不同極化方式的影像。 例如，QuickBird的全色影像分空間辨率為為0.61米，而其多光譜 (B, G, R, NIR) 影像的空間分辨率為2.44米，可以將全色和多光譜影像融合，以提高多光譜影像的空間分辨率，又保留其多光譜特性。圖像融合全色影像多光譜