第8章_遙感圖像基本處理(2)

1、1接收預處理用戶應用處理分析結果輸出2第八章第八章 遙感圖像的基本處理遙感圖像的基本處理遙感圖像遙感圖像的的基本處理基本處理數(shù)字圖像校正數(shù)字圖像校正數(shù)字圖像增強數(shù)字圖像增強多源信息復合多源信息復合對比度變換對比度變換空間濾波空間濾波彩色變換彩色變換圖象運算圖象運算多光譜變換多光譜變換3數(shù)字圖像增強數(shù)字圖像增強什么是數(shù)字圖像的直方圖？增強目視效果：增強目視效果：提高圖像質量和突出所需信息，有利于分提高圖像質量和突出所需信息，有利于分析判讀或作進一步的處理。析判讀或作進一步的處理。假定像元亮度隨機分布時，假定像元亮度隨機分布時，直方圖應是直方圖應是正態(tài)分布正態(tài)分布的。的。1）峰值偏向亮度坐標）峰值

2、偏向亮度坐標軸軸左側左側，圖像，圖像偏暗偏暗。2）峰值偏向坐標軸）峰值偏向坐標軸右右側側，圖像，圖像偏亮偏亮，3）峰值提升）峰值提升過陡過陡、過過窄窄，圖像的高密度值，圖像的高密度值過過于集中。于集中。以上情況均是圖像對比度較以上情況均是圖像對比度較小，圖像質量較差的反映。小，圖像質量較差的反映。41、對比度變換、對比度變換通過改變像元的亮度值來改變圖像像元的對比度，從而改善圖像質量的圖像處理方法。亮度值是輻射強度的反映-稱之為輻射增強。5糾正前的圖像及直方圖：偏暗糾正前的圖像及直方圖：偏暗糾正后的圖像及直方圖糾正后的圖像及直方圖1、對比度變換、對比度變換6（1）、線性變換）、線性變換（2）、

3、非線性變換）、非線性變換增強前后灰度函數(shù)關系符合線性關系式：增強前后灰度函數(shù)關系符合線性關系式： x=kx+bx增強后的灰度值增強后的灰度值, x增強前的灰度值增強前的灰度值, b常數(shù)常數(shù), k斜率斜率1、對比度變換、對比度變換71、對比度變換、對比度變換線性變換線性變換亮度值015圖像拉伸為030，要設計一個線性變換函數(shù)，橫坐標xa為變換前的亮度值，縱坐標xb為變換后的亮度值。當亮度值xa從015變換成xb從030，如何設計該線性變換函數(shù)？ xb = 2 xa81、對比度變換、對比度變換線性變換線性變換9Output DN255求直線方程？直線形態(tài)對圖像亮度值的影響？對圖像的不同亮度值區(qū)域如

4、何進行差異變換？Input DNb1255a1a2b2xaxb1、對比度變換、對比度變換線性變換線性變換10對比圖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、對比度變換、對比度變換分段線性變換分段線性變換11對圖像亮度值的影響？cbexaaxbcaxbxab) 1lg(1、對比度變換、對比度變換非線性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擴大亮度間隔：其意義是在亮度值較高的部分擴大亮度間隔-屬于拉伸，在亮屬于拉伸，在亮度值較低的部分縮小亮度間隔度值較低的部分縮小亮度間隔-屬于壓縮。屬于壓縮。對數(shù)變換：與指數(shù)變換相反，意義是在亮度值較低

5、的部分拉伸，而在亮度：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。值較高的部分壓縮。12非線性的增強方法；非線性的增強方法；將每個灰度區(qū)間等概率分布，代替了原來的將每個灰度區(qū)間等概率分布，代替了原來的隨機分布，即增強后的每個灰度級內有大致隨機分布，即增強后的每個灰度級內有大致相同的象元數(shù)；通過改變灰度區(qū)間來實現(xiàn)；相同的象元數(shù)；通過改變灰度區(qū)間來實現(xiàn)；根據灰度值的出現(xiàn)頻率來分配它們的亮度顯根據灰度值的出現(xiàn)頻率來分配它們的亮度顯示范圍，頻率高的部分被增強了示范圍，頻率高的部分被增強了, ,頻率低的頻率低的部分被壓縮。部分被壓縮。對比度變換（補充）對比度變換（補充）13效

6、果效果：增強了峰值處的對比度，兩端（最亮和最：增強了峰值處的對比度，兩端（最亮和最暗）的對比度減弱了暗）的對比度減弱了14原始的直方圖原始的直方圖均衡化后的直方圖均衡化后的直方圖15直方圖均衡化實例直方圖均衡化實例16直方圖均衡化實例直方圖均衡化實例17把原圖象的直方圖變換為某種指定形狀的直方圖或某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)的直方圖調整原圖象各象元的灰級，最后得到一個直方圖方圖調整原圖象各象元的灰級，最后得到一個直方圖匹配的圖象。匹配的圖象。使用的模板有使用的模板有正態(tài)拉伸匹配正態(tài)拉伸匹

7、配、暗區(qū)拉伸匹配暗區(qū)拉伸匹配、亮區(qū)拉亮區(qū)拉伸匹配。伸匹配。主要應用于有一幅很好的圖象作為標準的情況下，對主要應用于有一幅很好的圖象作為標準的情況下，對另一圖象進行匹配，以改善被處理圖象的質量。另一圖象進行匹配，以改善被處理圖象的質量。應用于數(shù)字鑲嵌應用于數(shù)字鑲嵌對比度變換（補充）對比度變換（補充）18直方圖匹配：條件直方圖匹配：條件（運用兩幅圖象）（運用兩幅圖象）原始圖象和參考圖象原始圖象和參考圖象兩個圖象的直方圖的總體形態(tài)應相似兩個圖象的直方圖的總體形態(tài)應相似圖象中相對亮和暗的特征應相同圖象中相對亮和暗的特征應相同對某些應用，圖象的分辨率應相同（但可不同）對某些應用，圖象的分辨率應相同（但可

8、不同）圖象中的地物類型的相對分布應相同，無論兩幅圖象中的地物類型的相對分布應相同，無論兩幅圖象是否覆蓋同一地區(qū)。如一幅有云，另一幅無圖象是否覆蓋同一地區(qū)。如一幅有云，另一幅無云，應先將云去掉（覆蓋），然后再進行直方圖云，應先將云去掉（覆蓋），然后再進行直方圖匹配。匹配。對比度變換（補充）對比度變換（補充）192 空間濾波（鄰域增強）空間濾波（鄰域增強）數(shù)字圖像增強數(shù)字圖像增強對比度變換：對比度變換：點增強，是單個像元的運算，從整體上改善點增強，是單個像元的運算，從整體上改善圖像質量；圖像質量；空間濾波（鄰域增強）：空間濾波（鄰域增強）：中心像元與周圍相鄰像元間的運中心像元與周圍相鄰像元間的運算

9、，用于去噪聲、圖像平滑、銳化和相關運算。算，用于去噪聲、圖像平滑、銳化和相關運算。202、空間濾波、空間濾波MmNnnmtnmjir11),(),(),(模板圖像窗口21空間濾波空間濾波作用作用抑制噪聲，增強地物的某抑制噪聲，增強地物的某些特征些特征平滑：平滑：均值、中值濾波均值、中值濾波銳化：銳化：羅伯特梯度、索伯羅伯特梯度、索伯爾梯度、拉普拉斯算法、爾梯度、拉普拉斯算法、定向檢測等。定向檢測等。22空間濾波空間濾波 圖像中某些亮度變化過大的區(qū)域，或出現(xiàn)不該圖像中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有的亮點（噪聲）時，采用平滑的方法可以減小變化，使亮

10、度平緩或去掉化，使亮度平緩或去掉“噪聲噪聲”點。點。 均值平滑（濾波）：均值平滑（濾波）：每個像元在以其為中心的鄰域每個像元在以其為中心的鄰域內取平均值來代替該像元值。內取平均值來代替該像元值。中值濾波：中值濾波：每個像元在以其為中心的鄰域內取中間每個像元在以其為中心的鄰域內取中間亮度值來代替該像元值。亮度值來代替該像元值。 問題：該怎么樣來設計模板？23空間濾波空間濾波919191919191919191),(nmt81818181081818181),(nmt均值平滑模板均值平滑模板原始圖像原始圖像均值濾波圖像均值濾波圖像24空間濾波空間濾波為了突出圖像的邊緣、線狀目標或某些亮度變化率大的

11、為了突出圖像的邊緣、線狀目標或某些亮度變化率大的部分，可采用銳化方法。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。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25空間濾波空間濾波（1）羅伯特）羅伯特(Roberts)梯度梯度r(i,j)r(i,j+1)r(i+1,j)r(i+1,j+1) 1,(), 1() 1, 1(),(jifjifjifjifgradf意義在于用交叉的方法檢測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。怎么樣設計模板？10011t01102t梯度：反映相鄰象元的亮度變化率2

12、627空間濾波空間濾波（2）索伯爾）索伯爾(Sobel)梯度梯度1210001211t1012021012t（3） Laplace算法算法010141010),(nmt算法意義是檢測亮度變化率的變化率，相當于二階微分。算法意義是檢測亮度變化率的變化率，相當于二階微分。 28空間濾波空間濾波（4） 定向檢測定向檢測101101101),(nmt111000111),(nmt011101110),(nmt垂直定向檢測水平定向檢測Laplace算法29不同的彩色變換可大大增強圖像的可讀性，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)字圖像增強數(shù)字圖像增強3、彩色變換、彩色變換30

13、3、彩色變換、彩色變換偽彩色偽彩色 (pseudocolor): 單波段灰度圖像的彩色表單波段灰度圖像的彩色表示或顯示。示或顯示。密度分割：將連續(xù)的灰度值轉換為少量的灰度區(qū)密度分割：將連續(xù)的灰度值轉換為少量的灰度區(qū)間，并用不同的顏色表示。間，并用不同的顏色表示。目的：增強圖像的目視解譯效果目的：增強圖像的目視解譯效果數(shù)字圖像增強數(shù)字圖像增強31彩色變換彩色變換32TM3密度分割（5級）粗略顯示水體、植被、裸地/城鎮(zhèn)等類別彩色變換彩色變換分層方案與地物光譜差異對應得好，可以區(qū)分出地物的類別。33彩色變換彩色變換真彩色(true color): RGB； 假彩色(false color)：RGB3

14、-2-1 7-4-2標準假彩色（TM432）34彩色變換彩色變換HSI代表色調、飽和度和明度（hue，saturation,intensity）。色彩模式可以用近似的顏色立體來定量化。顏色立體曲線錐形改成上下兩個六面金字塔狀。354、圖像運算、圖像運算 兩幅或多幅單波段圖像，空間配準后可進行算術運算，實現(xiàn)圖像的增強。 1、差值運算：兩幅同樣行、列數(shù)的圖像，對應像元的亮度（灰度）值相減。差值圖像提供了不同波段或不同時相圖像間的差異信息。 2、比值運算：兩幅同樣行、列數(shù)的圖像，對應像元的亮度（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波段光譜比值的差異，常用來檢測植被，消除“同物異

15、譜”現(xiàn)象。364、圖像運算、圖像運算1）、差值運算),(),(),(21yxfyxfyxfD1）出現(xiàn)負值）出現(xiàn)負值2）像元灰度值大于）像元灰度值大于255。byxfyxfayxfD),(),(),(21兩個波段相減兩個波段相減,反射率差值大的被突出出來反射率差值大的被突出出來。圖像的差值運算有利于目標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、圖像運算、圖像運算1）、差值運算384、圖像運算、圖像運算2）、比值運算),(),(),(21yxfyxfyxfR1）除數(shù)為零）除數(shù)為零2）像元灰度值大于）像元灰度值大于255。),(),(),(21yx

16、fyxfaIntegeryxfR39植被指數(shù)：是基于植被葉綠素在紅色波段的強烈吸收以及在植被指數(shù)：是基于植被葉綠素在紅色波段的強烈吸收以及在近紅外波段的強烈反射，通過紅和近紅外波段的比值或線性近紅外波段的強烈反射，通過紅和近紅外波段的比值或線性組合實現(xiàn)對植被信息狀態(tài)的表達。組合實現(xiàn)對植被信息狀態(tài)的表達。4、圖像運算、圖像運算2）、比值運算40植被指數(shù)有許多不同的表達公式：SR=NIR/R （simple ratio）（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TM數(shù)據：

17、 NDVI=（TM4-TM3）/（TM4+TM3）4、圖像運算、圖像運算2）、比值運算41假彩色合成圖象假彩色合成圖象 NDVI圖象圖象4、圖像運算、圖像運算2）、比值運算42太陽光太陽光砂巖砂巖陰坡陰坡陽坡陽坡地形部位波段TM1TM2TM1/TM2陽坡陰坡282243340.650.654、圖像運算、圖像運算2）、比值運算435、多光譜變換、多光譜變換1）、）、n維多光譜空間維多光譜空間TninixxxxxxxxX,2121多光譜變換通過函數(shù)變換，達到保留主要信息，降低數(shù)據量；增強或提取有用信息的目的。其變換的本質：對遙感圖像實行線性變換，使多光譜空間的坐標系按一定規(guī)律進行旋轉。445、多光

18、譜變換、多光譜變換2）、K-L變換離散（Karhunen-Loeve）變換 多光譜數(shù)據各波段間往往存在一定程度的相關性，多光譜數(shù)據各波段間往往存在一定程度的相關性， 光譜反射的相關性；光譜反射的相關性； 地形；地形； 遙感器波段間的重疊。遙感器波段間的重疊。 應用應用PCA可以去除相關性、突出地物特征、壓縮數(shù)據，可以去除相關性、突出地物特征、壓縮數(shù)據，另外還可以剔除噪聲，因為另外還可以剔除噪聲，因為PCA變換后的信息量通常隨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。主分量順序而減少，噪聲信息更突出。主成分變換（主成分變換（PCA, Principal Component Analy

19、sis）著眼于變量之間的相互關系，盡可能不丟失信息的用幾個綜合性指標匯集多個變量的測量值而進行描述的方法。45基本原理：基本原理： 求出一個變換矩陣，經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1，2，3X為變換前的多光譜空間像元矢量，如TM1，TM2，. A為變換矩陣，是是X空間協(xié)方差矩陣空間協(xié)方差矩陣x的特征向量矩陣的轉置的特征向量矩陣的轉置矩陣。矩陣。5、多光譜變換、多光譜變換2）、K-L變換離散（Karhunen-Loeve）變換46步驟：步驟：計算原始圖象的協(xié)方差矩陣；計算原始圖象的協(xié)方差矩陣；計算的特征值和特征向量；計算的特征值和特

20、征向量；1. 生成主成分生成主成分5、多光譜變換、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系與變換前的多光譜空間坐標系相比旋轉了一個角度。而且新坐標系的坐標軸一定指向數(shù)據信息量較大的方向。47原始圖象原始圖象TM1-5，7主成分圖象主成分圖象PC1-6變換意義變換意義1、數(shù)據壓縮：、數(shù)據壓縮：取取123三個主分三個主分量，包含了絕大量，包含了絕大多數(shù)的地物信息，多數(shù)的地物信息，數(shù)據量可減少到數(shù)據量可減少到43%。2、圖像增強、圖像增強：前幾個主分量，前幾個主分量，信噪比大，突出信噪比大，突出了主要信息，增了主要信息，增強了圖像。

21、強了圖像。485、多光譜變換、多光譜變換3）、K-T變換（Kauth-Thomas）變換是一種線性變換，使坐標軸發(fā)生旋轉，旋轉之后坐標軸的是一種線性變換，使坐標軸發(fā)生旋轉，旋轉之后坐標軸的方向與地物，特別是和植被生長及土壤有密切的關系。方向與地物，特別是和植被生長及土壤有密切的關系。Y=BX49Y1:亮度亮度Y2:綠度綠度Y3:濕度濕度5、多光譜變換、多光譜變換3）、K-T變換（Kauth-Thomas）變換 KT變換也是一種坐標空間發(fā)生旋轉的線性變換，但旋轉后的坐標軸不是指向主成分方向，而是指向與地面景物有密切關系的方向。 KT變換的應用主要針對TM數(shù)據和曾經廣泛使用的MSS數(shù)據。50Cri

22、st等人提出TM數(shù)據在K-T變換時的B值：變換結果前三個分量與地面景物的關系密切：- y1為亮度- y2為綠度- y3為濕度51多源信息復合多源信息復合遙感信息復合：將同一區(qū)域內多種遙感平臺，多時相遙感數(shù)據之間以及遙感數(shù)據與非遙感數(shù)據之間的信息組合匹配的技術。遙感信息復合遙感信息復合遙感信息與非遙感信息復合遙感信息與非遙感信息復合不同傳感器的不同傳感器的遙感信息復合遙感信息復合不同時相的遙不同時相的遙感信息復合感信息復合遙感信息復合的技術基礎：遙感圖像的空間配準（幾何校正、投影變換）遙感信息復合目的：突出有用的專題信息，消除或抑制無關的信息，改善目標識別的圖像環(huán)境。52將不同類型傳感器獲得的同

23、一地區(qū)的數(shù)據進行空間配準后，將各數(shù)據中的優(yōu)勢或互補性有機結合起來產生新數(shù)據的技術過程。目的是保留光譜信息和提高幾何特征。TMSPOT融合結果融合結果53多源信息復合多源信息復合1、遙感信息復合、遙感信息復合1）不同傳感器的遙感信息復合（以）不同傳感器的遙感信息復合（以TM與與SPOT圖像為例）圖像為例）步驟步驟（1）配準：）配準：先完成配準,使兩幅圖像所對應的地物吻合，分辨率一致。（2）復合：）復合：進行彩色合成，因該方法的效果比較明顯。方法一：方法一：TM432每個波段圖像與每個波段圖像與SPOT圖像作逐點運算，圖像作逐點運算，生成三幅圖像，然后進行彩色合成，生成復合圖像；生成三幅圖像，然后進行彩色合成，生成復合圖像；方法二：方法二：)/()/()/(BTMGTMRTMBTM