第8章-遙感圖像基本處理

1接收預(yù)處理用戶應(yīng)用處理分析結(jié)果輸出遙感成像過(guò)程--第八章遙感圖像基本處理電磁輻射與地物光譜特征2第八章遙感圖像的基本處理遙感圖像的基本處理數(shù)字圖像校正數(shù)字圖像增強(qiáng)多源信息復(fù)合對(duì)比度變換空間濾波彩色變換圖象運(yùn)算多光譜變換3數(shù)字圖像增強(qiáng)什么是數(shù)字圖像的直方圖？增強(qiáng)目視效果：提高圖像質(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。假定像元亮度隨機(jī)分布時(shí)，直方圖應(yīng)是正態(tài)分布的。1）峰值偏向亮度坐標(biāo)軸左側(cè)，圖像偏暗。2）峰值偏向坐標(biāo)軸右側(cè)，圖像偏亮，3）峰值提升過(guò)陡、過(guò)窄，圖像的高密度值過(guò)于集中。以上情況均是圖像對(duì)比度較小，圖像質(zhì)量較差的反映。41、對(duì)比度變換通過(guò)改變像元的亮度值來(lái)改變圖像像元的對(duì)比度，從而改善圖像質(zhì)量的圖像處理方法。亮度值是輻射強(qiáng)度的反映----稱之為輻射增強(qiáng)。5糾正前的圖像及直方圖：偏暗糾正后的圖像及直方圖1、對(duì)比度變換6（1）、線性變換（2）、非線性變換增強(qiáng)前后灰度函數(shù)關(guān)系符合線性關(guān)系式：

x’=kx+bx’增強(qiáng)后的灰度值,x增強(qiáng)前的灰度值,b常數(shù),k斜率1、對(duì)比度變換71、對(duì)比度變換—線性變換亮度值0～15圖像拉伸為0～30，要設(shè)計(jì)一個(gè)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0～15變換成xb從0～30，如何設(shè)計(jì)該線性變換函數(shù)？

xb=2xa81、對(duì)比度變換—線性變換9OutputDN255求直線方程？直線形態(tài)對(duì)圖像亮度值的影響？對(duì)圖像的不同亮度值區(qū)域如何進(jìn)行差異變換？InputDNb1255a1a2b2xaxb1、對(duì)比度變換—線性變換10對(duì)比圖4.18：第一、三段為壓縮，第二段為拉伸，每一段的變換方程為：分段線性變換：拉伸、壓縮。1、對(duì)比度變換—分段線性變換11對(duì)圖像亮度值的影響？1、對(duì)比度變換—非線性變換指數(shù)變換：其意義是在亮度值較高的部分?jǐn)U大亮度間隔--屬于拉伸，在亮度值較低的部分縮小亮度間隔--屬于壓縮。對(duì)數(shù)變換：與指數(shù)變換相反，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。122、直方圖均衡化（HistogramEqualization）非線性的增強(qiáng)方法；將每個(gè)灰度區(qū)間等概率分布，代替了原來(lái)的隨機(jī)分布，即增強(qiáng)后的每個(gè)灰度級(jí)內(nèi)有大致相同的象元數(shù)；通過(guò)改變灰度區(qū)間來(lái)實(shí)現(xiàn)；根據(jù)灰度值的出現(xiàn)頻率來(lái)分配它們的亮度顯示范圍，頻率高的部分被增強(qiáng)了,頻率低的部分被壓縮。對(duì)比度變換（補(bǔ)充）13效果：增強(qiáng)了峰值處的對(duì)比度，兩端（最亮和最暗）的對(duì)比度減弱了14原始的直方圖均衡化后的直方圖15直方圖均衡化實(shí)例16直方圖均衡化實(shí)例173、直方圖匹配(histogrammatching)把原圖象的直方圖變換為某種指定形狀的直方圖或某一參考圖象的直方圖，然后按照已知的指定形態(tài)的直方圖調(diào)整原圖象各象元的灰級(jí)，最后得到一個(gè)直方圖匹配的圖象。使用的模板有正態(tài)拉伸匹配、暗區(qū)拉伸匹配、亮區(qū)拉伸匹配。主要應(yīng)用于有一幅很好的圖象作為標(biāo)準(zhǔn)的情況下，對(duì)另一圖象進(jìn)行匹配，以改善被處理圖象的質(zhì)量。應(yīng)用于數(shù)字鑲嵌對(duì)比度變換（補(bǔ)充）18直方圖匹配：條件（運(yùn)用兩幅圖象）原始圖象和參考圖象兩個(gè)圖象的直方圖的總體形態(tài)應(yīng)相似圖象中相對(duì)亮和暗的特征應(yīng)相同對(duì)某些應(yīng)用，圖象的分辨率應(yīng)相同（但可不同）圖象中的地物類型的相對(duì)分布應(yīng)相同，無(wú)論兩幅圖象是否覆蓋同一地區(qū)。如一幅有云，另一幅無(wú)云，應(yīng)先將云去掉（覆蓋），然后再進(jìn)行直方圖匹配。對(duì)比度變換（補(bǔ)充）192空間濾波（鄰域增強(qiáng)）數(shù)字圖像增強(qiáng)對(duì)比度變換：點(diǎn)增強(qiáng)，是單個(gè)像元的運(yùn)算，從整體上改善圖像質(zhì)量；空間濾波（鄰域增強(qiáng)）：中心像元與周圍相鄰像元間的運(yùn)算，用于去噪聲、圖像平滑、銳化和相關(guān)運(yùn)算。202、空間濾波1、圖像卷積運(yùn)算模板圖像窗口21空間濾波作用抑制噪聲，增強(qiáng)地物的某些特征平滑：均值、中值濾波銳化：羅伯特梯度、索伯爾梯度、拉普拉斯算法、定向檢測(cè)等。1、圖像卷積運(yùn)算22空間濾波2、平滑

圖像中某些亮度變化過(guò)大的區(qū)域，或出現(xiàn)不該有的亮點(diǎn)（噪聲）時(shí)，采用平滑的方法可以減小變化，使亮度平緩或去掉“噪聲”點(diǎn)。

均值平滑（濾波）：每個(gè)像元在以其為中心的鄰域內(nèi)取平均值來(lái)代替該像元值。中值濾波：每個(gè)像元在以其為中心的鄰域內(nèi)取中間亮度值來(lái)代替該像元值。

問(wèn)題：該怎么樣來(lái)設(shè)計(jì)模板？23空間濾波2、平滑均值平滑模板原始圖像均值濾波圖像24空間濾波3、銳化為了突出圖像的邊緣、線狀目標(biāo)或某些亮度變化率大的部分，可采用銳化方法。銳化后的圖像不再具有原圖像的特征，成為邊緣圖像。

常用幾種：羅伯特梯度索伯爾梯度拉普拉斯算法定向檢測(cè)25空間濾波（1）羅伯特(Roberts)梯度r(i,j)r(i,j+1)r(i+1,j)r(i+1,j+1)意義在于用交叉的方法檢測(cè)出像元與其鄰域在上下之間或左右之間或斜方向之間的差異。怎么樣設(shè)計(jì)模板？3、銳化梯度：反映相鄰象元的亮度變化率2627空間濾波（2）索伯爾(Sobel)梯度3、銳化（3）Laplace算法算法意義是檢測(cè)亮度變化率的變化率，相當(dāng)于二階微分。

28空間濾波3、銳化（4）定向檢測(cè)垂直定向檢測(cè)水平定向檢測(cè)Laplace算法29不同的彩色變換可大大增強(qiáng)圖像的可讀性，常用的三種彩色變換方法。單波段彩色變換多波段彩色變換HSI變換數(shù)字圖像增強(qiáng)3、彩色變換303、彩色變換1）、單波段彩色變換偽彩色(pseudocolor):單波段灰度圖像的彩色表示或顯示。密度分割：將連續(xù)的灰度值轉(zhuǎn)換為少量的灰度區(qū)間，并用不同的顏色表示。目的：增強(qiáng)圖像的目視解譯效果數(shù)字圖像增強(qiáng)311）、單波段彩色變換彩色變換32TM3密度分割（5級(jí)）粗略顯示水體、植被、裸地/城鎮(zhèn)等類別1）、單波段彩色變換彩色變換分層方案與地物光譜差異對(duì)應(yīng)得好，可以區(qū)分出地物的類別。332）、多波段彩色變換彩色變換真彩色(truecolor):RGB；假彩色(falsecolor)：RGB3-2-17-4-2標(biāo)準(zhǔn)假彩色（TM432）343）、HLS變換彩色變換HSI代表色調(diào)、飽和度和明度（hue，saturation,intensity）。色彩模式可以用近似的顏色立體來(lái)定量化。顏色立體曲線錐形改成上下兩個(gè)六面金字塔狀。354、圖像運(yùn)算

兩幅或多幅單波段圖像，空間配準(zhǔn)后可進(jìn)行算術(shù)運(yùn)算，實(shí)現(xiàn)圖像的增強(qiáng)。

1、差值運(yùn)算：兩幅同樣行、列數(shù)的圖像，對(duì)應(yīng)像元的亮度（灰度）值相減。差值圖像提供了不同波段或不同時(shí)相圖像間的差異信息。

2、比值運(yùn)算：兩幅同樣行、列數(shù)的圖像，對(duì)應(yīng)像元的亮度（灰度）值相除（除數(shù)不為0）。比值圖像，像元的亮度反映了兩個(gè)波段光譜比值的差異，常用來(lái)檢測(cè)植被，消除“同物異譜”現(xiàn)象。364、圖像運(yùn)算1）、差值運(yùn)算？1）出現(xiàn)負(fù)值2）像元灰度值大于255。兩個(gè)波段相減,反射率差值大的被突出出來(lái)。圖像的差值運(yùn)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)，海岸帶的潮汐線等。37TM4-3-2TM4-TM34、圖像運(yùn)算1）、差值運(yùn)算384、圖像運(yùn)算2）、比值運(yùn)算1）除數(shù)為零2）像元灰度值大于255。39植被指數(shù)：是基于植被葉綠素在紅色波段的強(qiáng)烈吸收以及在近紅外波段的強(qiáng)烈反射，通過(guò)紅和近紅外波段的比值或線性組合實(shí)現(xiàn)對(duì)植被信息狀態(tài)的表達(dá)。4、圖像運(yùn)算2）、比值運(yùn)算40植被指數(shù)有許多不同的表達(dá)公式：SR=NIR/R（simpleratio）（比值植被指數(shù)）NDVI=（NIR-R）/(NIR+R)（歸一化差值植被指數(shù)）SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指數(shù)）如對(duì)TM數(shù)據(jù)：

NDVI=（TM4-TM3）/（TM4+TM3）4、圖像運(yùn)算2）、比值運(yùn)算41假彩色合成圖象NDVI圖象4、圖像運(yùn)算2）、比值運(yùn)算42太陽(yáng)光砂巖陰坡陽(yáng)坡地形部位波段TM1TM2TM1/TM2陽(yáng)坡陰坡282243340.650.654、圖像運(yùn)算2）、比值運(yùn)算435、多光譜變換1）、n維多光譜空間多光譜變換通過(guò)函數(shù)變換，達(dá)到保留主要信息，降低數(shù)據(jù)量；增強(qiáng)或提取有用信息的目的。其變換的本質(zhì)：對(duì)遙感圖像實(shí)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)。445、多光譜變換2）、K-L變換[離散（Karhunen-Loeve）變換]多光譜數(shù)據(jù)各波段間往往存在一定程度的相關(guān)性，光譜反射的相關(guān)性；地形；遙感器波段間的重疊。應(yīng)用PCA可以去除相關(guān)性、突出地物特征、壓縮數(shù)據(jù)，另外還可以剔除噪聲，因?yàn)镻CA變換后的信息量通常隨主分量順序而減少，噪聲信息更突出。主成分變換（PCA,PrincipalComponentAnalysis）著眼于變量之間的相互關(guān)系，盡可能不丟失信息的用幾個(gè)綜合性指標(biāo)匯集多個(gè)變量的測(cè)量值而進(jìn)行描述的方法。45基本原理：求出一個(gè)變換矩陣，經(jīng)變換形成一組新的主分量波段，公式為：

Y=AX其中，Y為變換后的主分量空間像元矢量，如主分量1，2，3…X為變換前的多光譜空間像元矢量，如TM1，TM2，….A為變換矩陣，是X空間協(xié)方差矩陣Σx的特征向量矩陣的轉(zhuǎn)置矩陣。5、多光譜變換2）、K-L變換[離散（Karhunen-Loeve）變換]46步驟：計(jì)算原始圖象的協(xié)方差矩陣；計(jì)算的特征值和特征向量；生成主成分5、多光譜變換2）、K-L變換[離散（Karhunen-Loeve）變換]PCA的幾何意義：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(gè)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。47原始圖象TM1-5，7主成分圖象PC1-6變換意義1、數(shù)據(jù)壓縮：取123三個(gè)主分量，包含了絕大多數(shù)的地物信息，數(shù)據(jù)量可減少到43%。2、圖像增強(qiáng)：前幾個(gè)主分量，信噪比大，突出了主要信息，增強(qiáng)了圖像。485、多光譜變換3）、K-T變換[（Kauth-Thomas）變換]是一種線性變換，使坐標(biāo)軸發(fā)生旋轉(zhuǎn)，旋轉(zhuǎn)之后坐標(biāo)軸的方向與地物，特別是和植被生長(zhǎng)及土壤有密切的關(guān)系。Y=BX49Y1:亮度Y2:綠度Y3:濕度5、多光譜變換3）、K-T變換[（Kauth-Thomas）變換]

K－T變換也是一種坐標(biāo)空間發(fā)生旋轉(zhuǎn)的線性變換，但旋轉(zhuǎn)后的坐標(biāo)軸不是指向主成分方向，而是指向與地面景物有密切關(guān)系的方向。

K－T變換的應(yīng)用主要針對(duì)TM數(shù)據(jù)和曾經(jīng)廣泛使用的MSS數(shù)據(jù)。50Crist等人提出TM數(shù)據(jù)在K-T變換時(shí)的B值：變換結(jié)果前三個(gè)分量與地面景物的關(guān)系密切：------y1為亮度------y2為綠度------y3為濕度51多源信息復(fù)合遙感信息復(fù)合：將同一區(qū)域內(nèi)多種遙感平臺(tái)，多時(shí)相遙感數(shù)據(jù)之間以及遙感數(shù)據(jù)與非遙感數(shù)據(jù)之間的信息組合匹配的技術(shù)。遙感信息復(fù)合遙感信息與非遙感信息復(fù)合不同傳感器的遙感信息復(fù)合不同時(shí)相的遙感信息復(fù)合遙感信息復(fù)合的技術(shù)基礎(chǔ)：遙感圖像的空間配準(zhǔn)（幾何校正、投影變換）遙感信息復(fù)合目的：突出有用的專題信息，消除或抑制無(wú)關(guān)的信息，改善目標(biāo)識(shí)別的圖像環(huán)境。52

將不同類型傳感器獲得的同一地區(qū)的數(shù)據(jù)進(jìn)行空間配準(zhǔn)后，將各數(shù)據(jù)中的優(yōu)勢(shì)或互補(bǔ)性有機(jī)結(jié)合起來(lái)產(chǎn)生新數(shù)據(jù)的技術(shù)過(guò)程。目的是保留光譜信息和提高幾何特征。TMSPOT融合結(jié)果53多源信息復(fù)合1、遙感信息復(fù)合1）不同傳感器的遙感信息復(fù)合（以TM與SPOT圖像為例）步驟（1）配準(zhǔn)：先完成配準(zhǔn),使兩幅圖像所對(duì)應(yīng)的地物吻合，分辨率一致。（2）復(fù)合：進(jìn)行彩色合成，因該方法的效果比較明顯。方法一：TM432每個(gè)波段圖像與SPOT