6-2_遥感图像辐射处理-图像增强.

第六章遥感图像辐射处理Chapter6RemotesensingimageRadiometricprocessing•6.1遥感图像辐射校正•6.2遥感图像辐射增强•直方图变换、四则运算、图像融合6.2遥感图像增强与变换•6.2.1对比度增强Contrastenhancement•6.2.2空间域滤波增强Spatialdomainfiltering•6.2.3频域增强Frequencydomainenhancement•6.2.4彩色增强Colorenhancement•6.2.5多图像代数运算Algebraoperations•6.2.6多光谱图像变换Imagetransformation•6.2.7图像融合Imagefusion6.2.1对比度增强Contrastenhancement•对比度增强：通过改变图像灰度的分布形态，扩展灰度分布区间，增加图像反差。原图像对比度增强处理后图像对比度增强Contrastenhancement对比度增强的同义词：对比度变换（拉伸，stretch）、反差增强、直方图变换、辐射增强、点增强（点运算，PointOperation）对比度增强线性变换最大最小值拉伸标准差拉伸百分比拉伸分段线性拉伸非线性变换指数变换Gamma对数变换Gaussian直方图调整直方图匹配直方图均衡对比度增强•如何实现？•采用不同变换函数y=F(x)1直方图拉伸HistogramStretch（1）线性变换（LinearTransformation）•增强前后灰度函数关系符合线性关系式：•y=kx+b–y--增强后的灰度值–x--增强前的灰度值–b--常数,k--斜率InputDNOutputDNb1255255a1a2b2xayy=5(x-10)LUT,LookupTabley=xIKONOS20051204-Nir-8bit求直线方程？(a)Min-MaxContrastStretchmaxminminminmaxmin()yyyxxyxxminmaxmin256()yxxxx对于8bit数据：Min-maxOriginal拉伸效果不理想，why？y=2.4(x-9)min=9，max=116+1StandardDeviationContrastStretch(b)StandardDeviationContrastStretch211(,)MNijfijMN-80%-0.5%+2standarddeviationMin-maxOriginal（c）SpecificpercentagelinearcontraststretchContrastStretchofCharleston,SCLandsatThematicMapperBand4DataOriginalMin-max+1standarddeviationSpecificpercentagelinearcontraststretchdesignedtohighlightwetland直线形态对图像亮度值的影响？k1Original+2standarddeviation二值化直线形态对图像亮度值的影响？0k1Originalconstantvalue直线形态对图像亮度值的影响？k0图像反转前图像反转后分段线性变换，PiecewiseLinearContrastStretching对图像的不同亮度值区域如何进行差异变换？（2）非线性变换Non-linearContrastStretching指数变换Exponenttransform对数变换Logtransformation对图像亮度值的影响？aaxybeclg(1)aybaxc指数变换与对数变换ExponentialtransformandlogarithmictransformationOriginalGaussianGamma6.2.1对比度变换对比度增强线性变换最大最小值拉伸标准差拉伸百分比拉伸分段线性拉伸非线性变换指数变换Gamma对数变换Gaussian直方图调整直方图均衡直方图匹配2直方图均衡化（HistogramEqualization）非线性的增强方法；将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现；根据灰度值的出现频率来分配它们的亮度显示范围，频率高的灰度级被保留，反差被增强了；频率低的灰度级被合并，反差减小。效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了原始的直方图SumofPixels=240均衡化后的直方图直方图均衡化（HistogramEqualization）012345678924242424242424242424244872961201441681922162400.10.20.30.40.50.60.70.80.910123456789551015606040301055102035951551952252352400.020.040.080.150.400.650.810.940.981Original直方图均衡化直方图均衡化实例6.2.1对比度变换对比度增强线性变换最大最小值拉伸标准差拉伸百分比拉伸分段线性拉伸非线性变换指数变换Gamma对数变换Gaussian直方图调整直方图匹配直方图均衡3、直方图匹配(histogrammatching)•把原图像的直方图变换为某种指定形状的直方图或某一参考图像的直方图，然后按照已知的指定形态的直方图调整原图像各象元的灰级，最后得到一个直方图匹配的图像•主要应用于有一幅很好的图像作为标准的情况下，对另一图像进行匹配，以改善被处理图像的质量•应用于图像镶嵌与变化监测等直方图匹配：条件（运用两幅图像）•原始图像和参考图像的直方图的总体形态应相似•图像中相对亮和暗的特征应相同•对某些应用，图像的分辨率应相同（但可不同）•图像中的地物类型的相对分布应相同，无论两幅图像是否覆盖同一地区。如一幅有云，另一幅没有云，应先将云去掉（覆盖），然后再进行直方图匹配6.2遥感图像增强与变换•6.2.1对比度增强Contrastenhancement•6.2.2空间域滤波增强Spatialdomainfiltering•6.2.3频域增强Frequencydomainenhancement•6.2.4彩色增强Colorenhancement•6.2.5多图像代数运算Algebraoperations•6.2.6多光谱图像变换Imagetransformation•6.2.7图像融合Imagefusion图像梯度(gradient)：空间频率，图像像元灰度的变化率。Jensendefinesspatialfrequencyas“thenumberofchangesinbrightnessvalueperunitdistanceforanyparticularpartofanimage.”6.2.2空间域滤波梯度是遥感图像的一个重要特征，减小或增大图像梯度的方法有：空间滤波（图像卷积运算）；傅里叶变换频域增强图像梯度(gradient)X方向剖面•对比度变换：–点增强，是单个像元的运算，从整体上改善图像质量；•空间滤波（邻域增强）：–中心像元与周围相邻像元间的运算，用于去噪声、图像平滑、锐化和相关运算。–改变的对象：图像的梯度(gradient)–实现方法：图像卷积运算空间域滤波（邻域运算）Spatialdomainfiltering1图像卷积运算Imageconvolutionoperation11(,)(,)(,)MNmngijfmnmn模板图像窗口VariousConvolutionMaskKernels边缘处理1414141414131416191416244233图像卷积运算Imageconvolutionoperation•作用–抑制噪声，增强地物的某些特征•平滑：均值、中值滤波•锐化：罗伯特梯度、索伯尔梯度、拉普拉斯算法、定向检测等。342平滑Smoothness图像中某些亮度变化过大的区域，或出现不该有的亮点（噪声）时，采用平滑的方法可以减小变化，使亮度平缓或去掉“噪声”点。均值平滑（滤波）（LowPassFilter）：每个像元在以其为中心的邻域内取平均值来代替该像元值。中值滤波：每个像元在以其为中心的邻域内取中间亮度值来代替该像元值。问题：该怎么样来设计模板？111999111(,)999111999mn11188811(,)088111888mn均值平滑模板LowPassFilter936494552739均值滤波保留了图像低频信息，如何获取图像高频信息？2倍原始图像-均值滤波图像原始图像中值平滑均值平滑原始图像均值平滑LowPassHighPass原始图像均值滤波图像中值滤波Median原始图像为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。锐化后的图像不再具有原图像的特征，成为边缘图像。(2)锐化sharpening(1)()ffxfxx22(1)()()(1)(1)(1)2()ffxfxfxfxxfxfxfx一阶微分二阶微分锐化基本原理二维离散函数的求导（1）梯度锐化2222(,)(,1)(,)(1,)(,)(,1)(,)(1,)xygradfGGfijfijfijfijgradffijfijfijfij1100xG1010yG3、锐化sharpening如何设计模板？f(i,j)f(i,j+1)f(i+1,j)f(i+1,j+1)（2）罗伯特(Roberts)梯度)1,(),1()1,1(),(jifjifjifjifgradf意义在于用交叉的方法检测出像元与其邻域在上下之间或左右之间或斜方向之间的差异。11001G20110G3、锐化sharpeningf(i,j)f(i,j+1)f(i+1,j)f(i+1,j+1)Roberts（3）Prewitt与索伯尔(Sobel)梯度121G000121y101G202101x3、锐化sharpening梯度的大小：SobelPrewitt111G000111y101G101101x22xygradfGG索伯尔(Sobel)梯度原图Sobel（4）Laplace算法算法意义是检测亮度变化率的变化率，相当于二阶微分。010(,)141010Gij3、锐化22(1)()()(1)(1)(1)2()ffxyfxyfxyfxyxfxyfxyfxy,,,,,,,22(1)()()(1)(1)(1)2()ffxyfxyfxyfxyyfxyfxyfxy,,,,,,,111(,)181111Gij考虑对角线方向：Laplace基于Laplace图像边缘增强原始图像Laplace010(,)141010Gij010(,)151010Gij111(,)191111Gij图像边缘增强3、锐化（5）定向检测101101101xG111000111yG空间域滤波增强•作用–抑制噪声，增强地物的某些特征•平滑：均值、中值滤波•锐化：罗伯特梯度、索伯尔梯度、拉普拉斯算法、定向检测等。小结：6.2遥感图像增强与变换（ImageEnhancement&Transformation）1.空间域增强–点运算（对比度变换）：线性