第四章_遥感数字图像增强处理(三).

1第三章遥感数字图像增强处理（三）ImageEnhancement五、彩色增强ColorEnhancement六、图像运算ImageCalcu.七、多源信息的复合八、多光谱增强Multi-spectralEnhancement2五、彩色增强ColorEnhancement1、假彩色增强处理对象同一景物的多光谱图像处理的基本原则图像信息量尽可能最大；波段间的相关性最小。3处理原理计算机显示器的彩色显示系统是根据三原色加色法合成原理，即由三个电子枪分别在屏幕上形成红、绿、蓝三个原色像而合成彩色图像。对多波段遥感图像，选择其中的某三个波段，分别赋予红、绿、蓝三种原色，即可在屏幕上合成彩色图像。4波段A波段B波段C红通道绿通道蓝通道D/AD/AD/A彩色显示器图像彩色合成原理如果原色的选择与原来遥感波段所代表的真实颜色相同，生成的合成色能真实或近似反映地物本来的颜色，称真彩色合成；如果原色的选择与原来遥感波段所代表的真实颜色不同，生成的合成色不能真实反映地物本来的颜色，称假彩色合成。5TM真彩色合成3（R）、2（G）、1（B）TM标准假彩色合成4（R）、3（G）、2（B）6几种标准假彩色合成图像：TM影像：波段4(0.76-0.9)、3(0.63-0.69)、2(0.52-0.60)分别赋予红、绿、蓝OLI影像：波段5(0.85-0.88)、4(0.64-0.67)、3(0.53-0.59)分别赋予红、绿、蓝MSS影像：波段4(0.8-1.1)、2(0.6-0.7)、1(0.5-0.6)分别赋予红、绿、蓝SPOT影像：波段3、2、1分别赋予红、绿、蓝7标准假彩色图像中，突出了植被、水体、城乡、山区、平原等特征，植被为红色，水体为黑色或蓝色，城镇为深色。实际应用中，为了突出某一方面的信息或显示丰富的地物信息，应根据不同的研究目的进行反复实验分析，寻找最佳合成方案，合成后的图像应信息量最大而波段间的相关性最小。82、彩色空间变换（1）彩色空间变换的意义主要用于彩色图像的增强；一般硬件设备所用的彩色空间——RGB彩色图像增强时，不能对每个波段单独进行增强——针对单波段的图像增强方法不适合于彩色图像的增强。9同一图片不同的色相产生的变化这里是同一张图片的不同H值的效果，它的亮度，饱和度都是一样的10同一图片不同的亮度产生的变化最小值时为黑色最大值时为白色11同一图片不同的饱合度产生的变化S为饱和度，最小值时为纯黑白图像最大时为过饱和的超彩图像12HIS模型I——Intensity亮度H——Hue色度S——Saturation饱合度HLS模型L——Luminance亮/明度LightnessH——Hue色度S——Saturation饱合度I(Intensity)-亮度，人眼对光源或物体明亮程度的感觉，一般来说与物体的反射率成正比H(Hue)-色调，也称色别，是指彩色的类别，是彩色彼此相互区分的特征。S(Saturation)-饱和度，指彩色的纯洁性，一般来说颜色越鲜艳饱和度也越大HSI色系——色度(H)效果示意图H=0ºH=60ºH=120ºH=180ºH=240ºH=300ºHSI色系——饱和度(S)效果示意图S=0S=1S=1/4S=1/215（2）彩色空间变换的方法HLS彩色空间变换过程RGBHLSHLSRGB显示变换处理反变换（a）原彩色图像（b）对比度拉伸的（c）直方图均衡的增强图像增强图像亮度增强原图像（a）色度值加上（b）色度值减去120°的图像120°的图像色调增强原图像（a）饱和度值乘（b）饱和度值乘以3的图像以0.3的图像饱和度增强19HLS彩色空间颜色模型HLS颜色模型定义在圆柱形坐标系的双圆锥子集上。在HLS模型中，色度是绕圆锥中心轴的角度，一种色彩与它的补色相差180°；饱和度是点与中心轴的距离，在轴上各点的饱和度为0，在锥面上各点的饱和度为1；亮度从下锥顶点的0逐渐变到上锥顶点的1。1.0白0.5绿(120)蓝(240)红(0)黄青品红H0.0黑S20从RGB到HLS的正变换2),,min(),,max(BGRBGRL5.0,),,min(),,max(2),,min(),,max(5.0,),,min(),,max(),,min(),,max(),,min(),,max(,0LBGRBGRBGRBGRLBGRBGRBGRBGRBGRBGRS21),,max(,),,min(),,max(60)(240),,max(,),,min(),,max(60)(120),,max(,),,min(),,max(60)(BGRBBGRBGRGRBGRGBGRBGRRBBGRRBGRBGRBGH),,max(BGR),,min(BGR10R10G10B22从HLS到RGB的反变换360240,240180,60)360()(18060,600,60/)120()(11212121HmHHmmmHmHHmmmR360240,240180,60)240()(18060,600,60)(11212121HmHHmmmHmHHmmmG23360240,240180,60)120()(18060,600,60)120()(11212121HmHHmmmHmHHmmmB)1(2SLm)5.0(LLSSLm2)5.0(L212mLm3600H10L10S24HIS彩色空间变换方法RGBHISHISRGB显示变换处理反变换25彩色变换的应用举例1）进行不同分辨率的图像融合原始ETM图像，（3，2，1）彩色合成显示使用全色波段为高分辨率图像进行融合后的图像262）增强合成图像的饱和度原始ETM图像，（3，2，1）彩色合成显示使用HIS变换，对S分量进行饱和度拉伸的结果27六、多重图像增强处理——图像运算ImageCalcu.（1）多光谱图像加法运算指两幅同样大小的图像对应像元灰度值相加。如果相加后的像元值超出了显示设备允许的动态范，需要乘以一个正数a,以确保像元值在设备的动态范围内。yxfyxfayxfc,,,2128),(1),(1yxfKyxrKii为参加运算的波段数目为计算结果的新图像波段的原图像为第Kyxriyxfi),(),(例如：TM-1，2，3相加，得到近似全色黑白图像（TM-1，0.45～0.52;TM-2,0.52～0.60;TM-3,0.63～0.69）TM-1，2，3，4相加，近似的红外全色黑白图像（TM-4，0.76～0.90）。29加法运算的应用：1）对同一场景的多幅图像求平均值，以降低图像的加性随机噪声加性噪声：加性噪声和图像信号强度不相关。乘性噪声：乘性噪声和图像信号强度是相关的。椒盐噪声：图像上随机分布的黑白点。量化噪声：是由量化过程引起的，解决的最好方法是最佳量化。,,,gxyfxynxygffn30噪声图像1噪声图像2噪声图像3噪声图像4噪声图像5噪声图像6噪声图像7噪声图像8原始图像降噪后图像312）生成图像叠加效果对于两个图像f(x,y)和h(x,y)的均值有：g(x,y)=1/2f(x,y)+1/2h(x,y)推广这个公式为：g(x,y)=αf(x,y)+βh(x,y)其中α+β=1可以得到各种图像合成的效果，也可以用于两张图片的衔接加法运算用途：同一区域的不同时段图像求平均，减少图像的加性噪声，或获取特定时段的平均统计特征。加法运算注意事项：成像时间不宜相关太大32减法运算两个不同波段图像间相减有利于提取各种地物在这两个波段图像间的相关信息。),(),(),(yxfyxfyxrBA指两幅同样大小的图像对应像元灰度值相减。如果相减后的像元值出现负值，找到绝对值最大的负值-b，给每个像元的值都加上这个负值的绝对值，使得所有的像元值为非负，再乘以一个正数a,以确保像元值在设备的动态范围内。byxfyxfayxfc,,,21差值运算的提供了不同波段或不同时相图像间的差异信息。33减法运算的应用：1）图像相减可去除图像中不需要的加性图案，如背景消除342）图像相减也可用于动态监测、运动目标检测、目标识别35（2）多时相图像时间较短的多时相图像运算——消除随机噪声),(1),(1yxfKyxrKiTi时间较长的多时相图像运算——提取地物动态变化信息),(),(),(12yxfyxfyxrTTT（3）不同传感器之间图像的组合36比值运算两个不同波段的图像对应像元灰度值相除（除数不为0）。相除后若出现小数，则必须取整，并乘以一个正数a,以确保像元值在设备的动态范围内。yxfyxfaIntergeryxfE,,,21比值运算可以降低传感器灵敏度随空间变化造成的影响，增强图像中特定的区域；降低地形导致的阴影影响，突出季节的差异。37比值运算能去除地形坡度和方向引起的辐射量变化，在一定程度上消除同物异谱的现象，是图像自动分类前常采用的预处理方法之一；比值处理还有其他多方面的应用，例如对研究浅海区的水下地形，对土壤富水性差异、微地貌变化、地球化学反应引起的微小光谱变化等，对与隐伏构造信息有关的线性特征等都能有不同程度的增强效果。38比值运算常用于突出遥感影像中的植被特征、提取植被类别或估算植被生物量。通常把能够提取植被的算法称为植被指数。39•比值植被指数（RVI—RatioVegetationIndex）•归一化植被指数（NDVI—NormalizedDifferenceVegetationIndex）•差值植被指数（DVI—DifferenceVegetationIndex，又称环境植被指数EVI）常用植被指数RIRRVIRIRSQRTRVIRIRRIRNDVIRIRDVIRIRRIRTNDVI5.0)(变换归一化植被指数RgIRWDVI)(权重差值植被指数40•正交植被指数（PVI—PerpendicularVegetationIndex）适用于NOAA卫星的AVHRR。0656.112978.26225.1REDIRPVI4142ERDASIMAGINE中图像增强介绍43444546474849七、多源信息的复合（1）信息复合信息复合——指同一区域内遥感信息之间或遥感信息与非遥感信息之间的匹配复合。它包括空间配准和内容复合两方面，从而在统一的地理坐标系统下，构成一组新的空间信息、一种新的合成图象。信息复合的目的：突出有用的专题信息，消除或抑制无关的信息，以改善目标识别的图像环境。5051（2）信息复合的技术关键充分认识研究对象的地学规律；充分了解每种复合数据的特点和适用性；充分考虑不同遥感数据之间波谱信息的相关性引起的有用信息的增加和噪声信息的增加，对多种遥感数据作出合理的选择；几何配准——解决空间配准问题。52（3）多不同传感器的遥感数据复合步骤：配准1）几何校正：完成空间坐标的处理——同一坐标体系；2）分辩率匹配：用重采样方法将配准图像的分辨率换算一致。复合基本思想：通过各种运算方法，将需要复合的图像调整为三个波段图像——R、G、B，再进行彩色或假彩色合成。53（4）多时相遥感信息的复合——光谱特征的时间效应多时相遥感信息复合的目的目的一：提高识别能力和分类精度根据要识别的目标在不同时间内光谱与空间特征方面的变化规律，选择必要的遥感信息，进行复合处理。目的二：动态研究利用不同时相遥感信息匹配复合，获得地面目标（资源与环境）变化的影像信息。如研究森林、草场资源与变化，水库、湖泊、河流的演变规律，城市的扩展等。步骤1）配准2）直方图调整3）复合5455（5）遥感信息与非遥感信息的复合遥感信息