第四章 遙感圖像處理-數(shù)字圖像增強(qiáng)

第五章遙感圖像處理Ⅱ

本章內(nèi)容（1）數(shù)字圖像增強(qiáng)

對(duì)比度增強(qiáng)、空間濾波、彩色變換

圖像運(yùn)算、多光譜變換（2）多源信息復(fù)合遙感信息的復(fù)合遙感與非遙感信息的復(fù)合

圖像變換處理的算法可以歸納為兩個(gè)常用的類型。點(diǎn)處理，即為產(chǎn)生一個(gè)變換的像元輸出值，只輸入一個(gè)像元點(diǎn)的數(shù)值，這種對(duì)像元值的變換又稱為映射。鄰域處理，即為產(chǎn)生一個(gè)變換的像元輸出值，需要輸入與該像元空間位置相鄰近的若干像元的數(shù)值。一、數(shù)字圖像的對(duì)比度增強(qiáng)通過改變圖像像元的亮度值來改變圖像像元對(duì)比度，從而改善圖像質(zhì)量。

因亮度值是輻射強(qiáng)度的反映，所以也稱之為輻射增強(qiáng)。是點(diǎn)處理。

常用的方法有對(duì)比度線性變換和非線性變換。

線性變換：直線變換和分段線性變換非線性變換：指數(shù)變換和對(duì)數(shù)變換(一)線性拉伸inputoutput025525501直線拉伸100

inputoutput02552550y=kx100y=2.55x2分段線形拉伸L0abL特例：噪聲限幅

主要用于抑制暗或亮區(qū)的噪聲（二）非線性變換

常用指數(shù)變換和對(duì)數(shù)變換，用于曝光不均勻等。(3)指數(shù)增強(qiáng):(4)對(duì)數(shù)增強(qiáng):亮度值較低的部分拉伸，而在亮度值較高的部分壓縮。亮度值較高的部分拉伸，而在亮度值較低的部分壓縮。對(duì)數(shù)變換指數(shù)變換灰度翻轉(zhuǎn)二、空間濾波（spatialfiltering）

其理論基礎(chǔ)是空間卷積，對(duì)圖像進(jìn)行局部檢測(cè)。是鄰域處理目的：改善影像質(zhì)量，包括去除噪聲與干擾，影像邊緣增強(qiáng)、去模糊等。主要方法：

☆圖像平滑：均值平滑，中值濾波☆圖像銳化（線狀地物提取、邊緣檢測(cè)）：Rw1w2w3w4w5w6w7w8w9z1z2z3z4z5z6z7z8z9數(shù)字圖像的局部模板=w1z1+w2z2+…..+w9z9Replacewith1圖像卷積運(yùn)算1/91/91/91/91/91/91/91/91/9模板按像元依次向右移動(dòng)，而后換行，直到整幅圖像全部處理完為止494348495150436554511412991049434849512252101991881891/91/91/91/91/91/91/91/91/9輸入數(shù)字影像濾波器（模板）??輸出影像????第一個(gè)像素值：OutputDN=1/9（43+49+48+43+50+65+12+14+9）=37向右移動(dòng)濾波器一個(gè)像素，做同樣運(yùn)算第二個(gè)像素值：DN=1/9*(49+48+49+50+65+54+14+9+9)=38.6重復(fù)，DN=1/9*(48+49+51+65+54+51+9+9+10)=38.4Outputimage494348495150436554511412991049434849512252101991881891/91/91/91/91/91/91/91/91/93738.638.4濾波器（模板）輸入數(shù)字影像2平滑

目的：

ⅰ平緩圖像中出現(xiàn)某些亮度變化過大的區(qū)域ⅱ去掉不該有的亮點(diǎn)（“噪聲”）方法

(1)均值平滑(2)中值濾波

平滑使圖像中的高頻成分消退，即平滑圖像的細(xì)節(jié)，使其反差降低，保存低頻部分，在頻域中稱為低通濾波。①均值平滑t(m,n)=或t(m,n)=1/91/91/91/91/91/91/91/91/91/81/81/81/801/81/81/81/8具體計(jì)算時(shí)常用3×3的模板作卷積運(yùn)算，其模板為

是將每個(gè)像元在以其為中心的區(qū)域內(nèi)取平均值來代替該像元，以達(dá)到去除尖銳“噪聲”和平滑圖像的目的。未平滑影像運(yùn)行3×3模板后運(yùn)行5×5模板后②中值濾波中值濾波，是將每個(gè)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)到去除尖銳“噪聲”和平滑圖像的目的。

與均值平滑相比可防止邊緣的模糊。49434849515043655451141299104943484951225210199188189??=median(49,48,49,50,65,54,14,9,9)=49.從大到小排列，9,9,14,48,49,49,50,54,65，取中間值為49。??3×3中值濾波一般來說，圖像亮度為階梯狀變化時(shí)，用均值平滑好。對(duì)于亮點(diǎn)噪音，用中值濾波好帶有椒鹽噪聲的ikonos圖像中值濾波后的圖像均值平滑后的圖像3圖像銳化（1）圖像銳化的目的是突出圖像中景物的邊緣、線狀目標(biāo)或某些亮度變化率大的部分。

（2）邊緣或輪廓通常位于灰度突變或不連續(xù)的地方，具有一階微分最大值和二階微分為0的特點(diǎn);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方向檢測(cè)梯度—反映相鄰像元的亮度變化率

如果圖像中如果存在邊緣，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。

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(jì)算值代替邊緣處像元的值，也就突出了邊緣，實(shí)現(xiàn)了圖像的銳化。

常見的梯度算子模板1-11-1Roberts-11-11-11111-1-1-1Prewitt-11-22-11121-1-2-1Sobel1-11-1水平、垂直梯度羅伯特梯度（公式）

具體為t1＝t2＝計(jì)算出的梯度值放在左上角的像元f(i，j)的位置，成為r(i，j)。1-11-1索伯爾梯度（羅伯特梯度的改進(jìn)）t1＝t2＝使窗口由2×2擴(kuò)大到3×3，使檢測(cè)邊界更加精確。-11-22-11121-1-2-1原始圖像羅伯特算子索伯爾算子或檢測(cè)垂直邊界：檢測(cè)水平邊界：方向檢測(cè)：

或水平檢測(cè)垂直檢測(cè)原始圖像三、彩色空間變換單波段彩色變換多波段色彩變換HLS變換（1）單波段彩色變換（偽彩色密度分割）偽彩色密度分割：?jiǎn)尾ǘ魏诎走b感圖像按亮度值分層，對(duì)每層賦予不同的色彩，使之成為一幅彩色圖像的方法。

圖像密度分割原理可以按如下步驟進(jìn)行：

（1）求圖像的極大值dmax和極小值dmin；

（2）求圖像的密度區(qū)間ΔD=dmax-dmin+1；

（3）求分割層的密度差Δd=ΔD／n

，其中n為需分割的層數(shù)；

（4）求各層的密度區(qū)間；

（5）定出各密度層灰度值或顏色。

如：一幅黑白圖像，灰度值范圍為0~250，若想變?yōu)橛?0種顏色的彩色圖像，可以以灰度值密度差5進(jìn)行密度分隔。即0~4為一種顏色，5~9為另一種顏色……原始圖像偽彩色密度分割圖像（2）多波段色彩變換選擇遙感影像的某三個(gè)波段，分別賦予紅、綠、藍(lán)三種原色，根據(jù)加色法進(jìn)行彩色合成，稱為彩色合成。真彩色合成假彩色合成彩色合成的原理圖①真彩色合成紅光波段賦成紅綠光波段賦成綠藍(lán)光波段賦成藍(lán)真彩色合成紅光波段賦成紅真彩色合成紅光波段賦成紅綠光波段賦成綠真彩色合成紅光波段賦成紅綠光波段賦成綠藍(lán)光波段賦成藍(lán)②假彩色合成假彩色合成近紅外波段賦成紅紅光波段賦成綠綠光波段賦成藍(lán)假彩色合成近紅外波段賦成紅紅光波段賦成綠綠光波段賦成藍(lán)問題：為什么在上述假彩色合成方案中，植被呈現(xiàn)紅色？問題：圖像中顯示為綠色的物體說明該地物有什么樣的光譜特征？（1）合成后信息量最大（2）波段之間的信息相關(guān)性最小（3）合成后影像中地物區(qū)分程度最高③彩色合成波段選擇例如，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(shí)這一合成方案甚至優(yōu)于標(biāo)準(zhǔn)的4，3，2波段的假彩色合成假彩色增強(qiáng)TM標(biāo)準(zhǔn)假彩色合成圖像TM7(R)、4(G)、2(B)TM4(R)、3(G)、2(B)假彩色增強(qiáng)TM3(R)、2(G)、1(B)TM4(R)、5(G)、3(B)（3）HLS變換RGB彩色空間HLS彩色空間彩色是以紅綠藍(lán)三色的比例來表示的，對(duì)于圖像上某個(gè)目標(biāo)的彩色特性的描述，直接用紅、綠、藍(lán)分量并不直觀，比較確切的是分別用色調(diào)、明度和飽和度來表示。（3）多波段彩色變換：RGB彩色空間HLS彩色空間J.DFoleyetl,1990彩色空間變換—HLS變換步驟:

(1)由RGB彩色空間變換到HLS彩色空間；(2)在HLS空間中，對(duì)H,L,S分量（波段）分別增強(qiáng)；(3)由HLS空間變換到RGB空間中，再次按加色法合成,可以達(dá)到好的識(shí)別效果；原理:

①對(duì)色調(diào)Ｈ增強(qiáng)，使色調(diào)更多②對(duì)亮度L增強(qiáng)，使亮度“間距”加大;③對(duì)飽和度Ｓ增強(qiáng)，提高色彩純度,加大相鄰色彩差異。

HLS變換原始圖像，3,2,1彩色合成使用HLS進(jìn)行飽和度拉伸后的結(jié)果四、圖像運(yùn)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(yùn)算，可以實(shí)現(xiàn)圖像增強(qiáng)，達(dá)到提取某些信息或去掉某些不必要信息的目的。兩幅同樣行、列數(shù)的圖像，對(duì)應(yīng)像元的亮度值相減就是差值運(yùn)算，即：差值運(yùn)算常用于同一景物不同時(shí)間圖像之間的運(yùn)算—?jiǎng)討B(tài)監(jiān)測(cè)同一景物不同波段圖像之間的運(yùn)算—識(shí)別地物

1、差值運(yùn)算

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。如在紅光波段，植被和水體難以區(qū)分，在紅外波段，植被和土壤難以區(qū)分，通過相減,可以有效的區(qū)分出三種地物2、比值運(yùn)算兩幅同樣行、列數(shù)的圖像，對(duì)應(yīng)像元的亮度值相除(除數(shù)不為0)就是比值運(yùn)算，即：比值運(yùn)算可以檢測(cè)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(duì)比度。該運(yùn)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：（1）近紅外波段／紅波段

（2）(近紅外-紅)／(近紅外+紅)歸一化植被指數(shù)：NDVI=（TM4-TM3）/（TM4+TM3）南京紫金山和玄武湖的NDVI圖例如：比值運(yùn)算區(qū)分地物

地物波段水沙漠416177144/7164.25比值運(yùn)算對(duì)于去除地形影響也非常有效。

光照情況波段陽坡陰坡42822542344/50.660.65比值(cha/chb)

減小了地形的影響。

五、多光譜變換

遙感多光譜影像，波段多，信息量大，對(duì)圖像解譯很有價(jià)值。但數(shù)據(jù)量太大，在圖像處理計(jì)算時(shí)，也常常耗費(fèi)大量的機(jī)時(shí)和占據(jù)大量的磁盤空間。實(shí)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。保留主要信息，降低數(shù)據(jù)量,減小數(shù)據(jù)冗余。①主成分變換（K-L變換）②纓帽變換（K-T變換）實(shí)質(zhì)是通過線性變換，使多光譜空間的坐標(biāo)系按一定規(guī)律進(jìn)行旋轉(zhuǎn)多光譜空間是一個(gè)n維坐標(biāo)系，每一個(gè)坐標(biāo)軸代表一個(gè)波段，坐標(biāo)值為亮度值。像元點(diǎn)可表示為1、多光譜空間多光譜空間只表示各波段光譜之間的關(guān)系，而不包括任何該點(diǎn)在原圖像中的位置信息，影像有幾個(gè)波段，多光譜空間就有幾維2主成分變換（K-L變換）Y=AX（注：A為變換矩陣）變換矩陣A的作用是給多波段的像元亮度加權(quán)系數(shù)，實(shí)現(xiàn)線性變換。變換后波段的相關(guān)性得到了有效降低2主成分變換（K-L變換）性質(zhì):①變換前后坐標(biāo)系發(fā)生了旋轉(zhuǎn)，新坐標(biāo)系的坐標(biāo)軸指向信息量較大的方向②變換后的新波段主分量包含的信息量逐漸減少。③最后的波段幾乎全是噪聲（1）性質(zhì)①數(shù)據(jù)壓縮

如TM數(shù)據(jù)，變換后，七維多光譜空間變?yōu)槠呔S主分量空間，前三個(gè)主分量包含大部分信息，數(shù)據(jù)量只有原來的43%。②圖像增強(qiáng)

多光譜變換后，前三個(gè)分量，信噪比大，噪聲小，突出了主要信息，達(dá)到了圖像增強(qiáng)的目的。（2）作用第一主分量第二主分量第三主分量第四主分量第五主分量第六主分量主成分變換3纓帽變換（K-T變換）K-T變換公式為：Y=BX

坐標(biāo)軸發(fā)生旋轉(zhuǎn)，旋轉(zhuǎn)后的坐標(biāo)軸指向與地面景物有密切關(guān)系的方向。

1984年，Crist和Cicone提出了TM數(shù)據(jù)k-t變換的B值3纓帽變換（K-T變換）前三個(gè)分量:第一個(gè)分量y1為亮度，反映圖像總體的反射值。第二個(gè)分量y2為綠度，反映綠色生物量的特征第三個(gè)分量y3為濕度，反映濕度特征。K-T變換可以用來分析植物生長(zhǎng)過程中植被與土壤特征的變化上圖反映出農(nóng)作物在生長(zhǎng)過程中，在三個(gè)視面中的位置。1為農(nóng)作物破土前地裸土；2為植物生長(zhǎng)過程；3為植物最茂盛階段；4農(nóng)作物衰老階段k-t變換原始圖像，TM3，2，1合成k-t變換后——亮度部分綠度分量濕度分量六、多源信息復(fù)合目的：發(fā)揮不同遙感數(shù)據(jù)源數(shù)據(jù)的優(yōu)勢(shì)互補(bǔ)，增加遙感數(shù)據(jù)的可應(yīng)用性。多源信息復(fù)合是將多種遙感平臺(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)1.遙感數(shù)據(jù)的復(fù)合（1）不同遙感器數(shù)據(jù)的復(fù)合

步驟：

①配準(zhǔn)（通過幾何校正，使兩幅圖對(duì)應(yīng)地物吻合，分辨率一致。方法是利用控制點(diǎn)采用雙線性內(nèi)插法或三次卷積內(nèi)插法對(duì)分辨率低的影像進(jìn)行重采樣）②復(fù)合（多種方案）方法一：每幅TM圖像均與SPOT圖像作逐點(diǎn)運(yùn)算，如加減乘除運(yùn)算，生成三幅影像，進(jìn)行彩色合成，生成復(fù)合圖像。方法二：對(duì)TM數(shù)據(jù)所有波段進(jìn)行主成分變換，然后用SPOT全色波段代換變換后的TM第一主成分。然后進(jìn)行主成分逆變換。方法三：對(duì)TM數(shù)據(jù)進(jìn)行假彩色合成，然后進(jìn)行HLS變換，再用SPOT數(shù)據(jù)代替變換后的明度成分，再進(jìn)行HLS－>RGB反變換，生成假彩色圖像。

選取TM三個(gè)波段4，3，2（30m），和SPOT全色波段（5m）進(jìn)行復(fù)合。主成分變換融合全色圖像多光譜圖像融合后HLS變