04遥感数字图像处理.

第四章遥感数字图像处理一.数字图像基础二数字图像处理内容1.图像校正2.增强处理3.图像融合4.图像镶嵌5.图像分类一.数字图像基础数字图像概念：早期的遥感技术通过摄影成像方法得到的像片称之为光学图像。光学图像可以看成是由无数个很小的单元点子（像元）组成的，每个单元点子的明暗程度记录了成像瞬间对应的物体的反射光强度（灰度），在遥感图像其实质就是探测范围内电磁辐能量分布图。能在计算机里存储、运算、显示和输出的图像称为数字图像。“离散化”、二维矩阵是数字图像的特点，每个像元的取值是图像连续变化的灰度的离散整数值。一.数字图像基础图像直方图：用平面直角坐标系表示一幅灰度范围为0-n（0-255）的数字图像像元灰度分布状态，横轴表示灰度级，纵轴表示某一灰度级（或范围）的像元个数占像元总数的百分比。通过灰度直方图可以直观地了解图像特征，以确定图像增强方案并了解图像增强后的效果一.数字图像基础不同反差特征的图像图像直方图效果一.数字图像基础反差增强直方图拉伸处理一.数字图像基础一.数字图像基础专用处理设备(各种图像处理软件)计算机(CPU、内存)图像输入设备显示设备常规输入设备磁带磁盘常规输出设备图像输出设备控制台外存数据1.图像校正：包括辐射校正、几何校正。2.增强处理：增强图像中的有用信息，利于识别分析。包括彩色增强、直方图增强、图像运算、邻域增强、频率域增强等。3.图像变换：消除干扰和滤掉噪声，提高图像质量。4.图像镶嵌和融合5.信息提取：图像分类（监督分类、非监督分类、神经网络分类、模糊分类）、空间信息提取、光谱信息提取。二.数字图像处理的主要内容（1）辐射校正（理解）由于传感器响应特性和大气的吸收、散射及其它随机因素影响，导致图像模糊失真，造成图像分辨率和对比度相对下降。这些都需要通过辐射校正复原。包括：系统辐射校正、大气校正1.图像校正①系统辐射校正光学摄影机内部辐射误差校正镜头中心和边缘透射光的强度不一致，造成图像上不同位置的同一类地物有不同的灰度值。光电扫描仪内部辐射误差校正A）光电转换误差；B）探测器增益变化引起的误差1.图像校正②大气校正概念：消除主要由大气散射、吸收引起的辐射误差的处理过程。何时需要进行大气校正？定量信息提取；不同时相间的定量比较；不同波段间的运算；1.图像校正大气校正方法A:公式法（较准确）；B:回归分析法；C:直方图校正法；1.图像校正A:公式法与卫星扫描同步进行野外光谱测量，将地面测量结果与卫星影象对应像元亮度值进行回归分析.回归方程为：Ri=a+bCiRi为地面反射率Ci灰度值1.图像校正B:回归分析法原理：大气散射主要影响短波部分，波长较长的波段几乎不受影响，因此可用其校正其它波段数据。方法：在不受大气影响的波段（如TM5或7）和待校正的某一波段图像中，选择一系列目标，将每个目标的两个待比较的波段灰度值提取出来进行回归分析，建立线性回归方程。Y：待校正波段的图像亮度值(TM1)X：不受大气影响波段的图像亮度值(TM5)1.图像校正XbaY11X回归法分析法7TMbiaiTMi1.图像校正yx1aC:直方图校正方法：从图像象元亮度值中减去一个辐射偏置量，辐射偏置量等于图像直方图中最小的亮度值；前提（假设）：水体（或阴影）等物体的灰度值为0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量）；1.图像校正（2）几何校正①遥感图像几何畸变来源（了解）内部误差：由于传感器自身的性能、结构等因素造成；外部误差：传感器以外的个因素造成，如地球曲率、地形起伏、地球旋转等传感器成像几何形态影响传感器外方位元素变化畸变地球自转的影响地球曲率的影响其它……1.图像校正②遥感图像几何校正的原理包括光学校正和数字纠正数字纠正：通过计算机对图像每个象元逐个地解析纠正处理，可以较精确改正线性和非线性变形误差。包括两个方面（基本环节）：（1）象元坐标变换；（2）象元灰度值重新计算（重采样）。1.图像校正②遥感图像几何校正的原理1.图像校正③数字图像几何纠正的主要处理过程输入原始数字影象建立纠正变换函数确定输出影象范围像元坐标变换像元亮度值重采样输出纠正后的图像A：准备工作：图像、地图、大地测量资料、平台轨道参数、传感器参数、控制点的选择；（具体内容可选）B：纠正变换函数建立：输入和输出图像间的坐标变换关系；如多项式法、共线方程法等1.图像校正C：确定纠正后图像的边界范围纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前，必须首先确定新图像的大小范围。1.图像校正D：坐标变换确定原始图像和纠正后图像间的坐标变换关系（x，y）——（u，v）（u行数，v列数，均为整数）有两种方案：直接纠正方案：从原始图像阵列出发，依次对其中每一个象元P（x，y）分别计算其在输出（纠正后）图像的坐标P（X，Y），并计算P（X，Y）的灰度值;间接纠正方案：从空白图像阵列出发，依次计算每个象元P（X，Y）在原始图像中的位置P（x，y），然后把该点的灰度只依次计算后返送给P（X，Y）.二者间并无本质差别，互为逆变换1.图像校正D：坐标变换1.图像校正E：图像灰度值的重采样几何校正过程中，由于校正前后图像的像元大小可能变化、象元点位置的相对变化等，不能简单用原图像象元灰度值代替输出象元灰度值。对应的坐标值可能不是整数因此，需要插值（重采样）三种插值方法：最邻近法、双线性法、三次卷积法1.图像校正E：图像灰度值的重采样示意图1.图像校正a：最邻近法（nearestneighbor）用距离投影点（采样点）最近象元灰度值代替输出象元灰度值1.图像校正原理示意图优点：1保留大量原始灰度值，没有经过平滑处理，对于区分植被类型、识别线性特征等有重要意义2简易、省时3分类前使用4适合于专题文件缺点：1锯齿状、不平滑2某些值重复、某些值丢失3对线性地物，可能出现不连续1.图像校正原始图像纠正后图像（最邻近插值）最邻近法纠正效果1.图像校正b:双线性（bilinear）优点1较平滑，没有锯齿状2与最邻近法相比，空间信息更准确些3常用于改变象元大小时，如数据融合缺点：象元值被平均化，某些地物边缘更平滑，某些极值可能丢失1.图像校正双线性插值效果原始图像纠正（双线性插值）1.图像校正c:三次卷积法（cubicconvolution）取与投影点邻近的16个象元灰度值（4*4），计算输出象元的灰度值优点：1与其它重采样方法相比，均值和标准偏差与原始象元的相一致2改变象元大小时使用（改变幅度更大时）TM/航片3可以锐化图像、平滑噪声，实际的效应与数据有关缺点：1数据的值可能被改变2计算费时1.图像校正原始图像几何纠正（三次卷积）三次卷积法处理效果1.图像校正④数字图像几何纠正中控制点的选择地面控制点（GCP，GroundControlPoint）：一些特定的象元，其地图坐标为已知。地面控制点特点：人工地物线性地物交叉点不易随时间变化的目标分布：较均匀分布与图像范围内，保证足够数量1.图像校正控制点的选择时的注意问题多项式纠正法的精度与地面控制点（GCP）的精度、分布、数量及纠正范围有关；GCP的位置精度越高，则几何纠正的精度越高；适当增加GCP的个数，可以提高几何纠正的精度。最少需求量：（n+1）（n+2）/220-30个GCP，一般可以满足需求GCP分布应尽可能在整幅图像内均匀分布，否则在GCP密集区精度较高，在GCP分布稀疏区出现较大误差1.图像校正控制点的选择与分布1.图像校正纠正后——图像各处校正均匀1.图像校正增强处理：增强图像中的有用信息，利于识别分析。包括：（1）直方图增强反差增强直方图匹配彩色分割（2）邻域增强（3）图像变换2.图象增强反差增强（Contrastenhancement）也称辐射增强，按象元逐次进行。主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增强反差的目的。通过调整直方图来实现调整后的直方图应达到：分布好（较均匀），没有大量暗或亮的象元集中分布（1）直方图增强反差增强原理反差增强原理纠正前的图像及直方图反差增强纠正后的图像及直方图反差增强反差增强分为两种情况：（1）分段线性方法（2）非线性方法原始数据:SPOT图像原始图像线性拉伸结果（1）分段线性方法增强某些部分，压制某些部分斜率大的部分被拉伸增强，斜率小的部分被压缩（1）分段线性方法（2）非线性拉伸对数拉伸：扩张低的灰度区，压缩高的灰度区00.511.522.512345678050010001500200025003000350012345678指数拉伸：扩展高灰度区间直方图均衡化（HistogramEqualization）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，频率高的部分被增强了，频率低的部分被压缩。（2）非线性拉伸效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了。直方图均衡化（HistogramEqualization）（2）非线性拉伸原始的直方图均衡化后的直方图直方图均衡化（HistogramEqualization）（2）非线性拉伸直方图均衡化（HistogramEqualization）（2）非线性拉伸直方图匹配（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应用于数字镶嵌（1）直方图增强直方图匹配条件原始图像和参考图像两个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（1）直方图增强伪彩色（pseudocolor）-密度分割单波段灰度图像的彩色表示或显示，将连续的灰度值转换为少量的灰度区间，并用不同的颜色表示，增强图像的目视解译效果。（1）直方图增强二、光学彩色合成处理彩色合成:通常是将二个或三个波段的黑白图像分别赋以红、绿、蓝三原色或黄、品红、青三补色，并使之精确叠合，从而生成色彩丰富的彩色图像。多波段遥感生成不同光谱段的黑白图像是色光分离的过程，彩色合成则反过来，是色光相混复原的过程。地物目标滤光片成象系统负片正片假彩色合成图像真彩色合成图像多波段图像生成示意图•彩色合成的影像特点很大程度上取决于波段-滤光片组合。对于陆地卫星的MSS和TM来说，除了TM321唯为近似真彩色外，其他均为假彩色，故彩色合成常常被称作假彩色合成。•但也可模拟生成似真彩色，如MSS564、TM543等。这主要是因为植被在MSS6和TM4上反射较高，置于绿通道时，合成图像上植被覆盖区都呈不同的绿色，看上去便很像真彩色。TM321TM543TM741•实践表明，MSS754(对于TM为TM432)是最常用的较为理想的组合，被称作是标准假彩色合成。•在该类合成图像上，绿色植物呈红色影像，长势好的呈鲜红色；•清水、静水为黑色，含泥沙及杂质的水呈淡蓝色；•基岩和土壤从浅蓝、淡绿到棕黄；城镇民屋表现为深蓝、蓝灰到黑色。TM432RGB合成滤波目的：抑制噪声，增强某些特征途径：平滑：均值、中位数滤波锐化：边缘检测与增强（2）邻域增强概念：高频和低频信息（2）邻域增强原始图像高斯低通滤波高斯高通滤波均值滤波窗口中心的象元被窗口内所有象元的均值代替减少噪声，但同时也损失了某些高频信息（2）邻域增强中位数滤波（MedianFilter）窗口中心的象元被赋予窗口内灰度值大小位于所有象元中间的值（2）邻域增强边缘检测与增强边缘增强：增强几何细节的有效方法