第四章 遥感图像处理―数字图像增强

第五章遥感图像处理Ⅱ本章内容（1）数字图像增强对比度增强、空间滤波、彩色变换图像运算、多光谱变换（2）多源信息复合遥感信息的复合遥感与非遥感信息的复合图像变换处理的算法可以归纳为两个常用的类型。点处理，即为产生一个变换的像元输出值，只输入一个像元点的数值，这种对像元值的变换又称为映射。邻域处理，即为产生一个变换的像元输出值，需要输入与该像元空间位置相邻近的若干像元的数值。一、数字图像的对比度增强通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量。因亮度值是辐射强度的反映，所以也称之为辐射增强。是点处理。常用的方法有对比度线性变换和非线性变换。线性变换：直线变换和分段线性变换非线性变换：指数变换和对数变换(一)线性拉伸inputoutput025525501直线拉伸100inputoutput02552550y=kx100y=2.55x2分段线形拉伸L0abLagbgLfbgbfbfagafafffGgba)()(0)(特例：噪声限幅主要用于抑制暗或亮区的噪声（二）非线性变换常用指数变换和对数变换，用于曝光不均匀等。(3)指数增强:(4)对数增强:cbexaaxbcaxbxab)1lg(亮度值较低的部分拉伸，而在亮度值较高的部分压缩。亮度值较高的部分拉伸，而在亮度值较低的部分压缩。对数变换指数变换灰度翻转二、空间滤波（spatialfiltering）其理论基础是空间卷积，对图像进行局部检测。是邻域处理目的：改善影像质量，包括去除噪声与干扰，影像边缘增强、去模糊等。主要方法：☆图像平滑：均值平滑，中值滤波☆图像锐化（线状地物提取、边缘检测）：Rw1w2w3w4w5w6w7w8w9z1z2z3z4z5z6z7z8z9数字图像的局部模板=w1z1+w2z2+…..+w9z9Replacewith1图像卷积运算1/91/91/91/91/91/91/91/91/9模板按像元依次向右移动，而后换行，直到整幅图像全部处理完为止494348495150436554511412991049434849512252101991881891/91/91/91/91/91/91/91/91/9输入数字影像滤波器（模板）??输出影像????第一个像素值：OutputDN=1/9（43+49+48+43+50+65+12+14+9）=37向右移动滤波器一个像素，做同样运算第二个像素值：DN=1/9*(49+48+49+50+65+54+14+9+9)=38.6重复，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滤波器（模板）输入数字影像2平滑目的：ⅰ平缓图像中出现某些亮度变化过大的区域ⅱ去掉不该有的亮点（“噪声”）方法(1)均值平滑(2)中值滤波平滑使图像中的高频成分消退，即平滑图像的细节，使其反差降低，保存低频部分，在频域中称为低通滤波。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具体计算时常用3×3的模板作卷积运算，其模板为是将每个像元在以其为中心的区域内取平均值来代替该像元，以达到去除尖锐“噪声”和平滑图像的目的。未平滑影像运行3×3模板后运行5×5模板后②中值滤波中值滤波，是将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，以达到去除尖锐“噪声”和平滑图像的目的。)),((),(yxofmedianyxg与均值平滑相比可防止边缘的模糊。49434849515043655451141299104943484951225210199188189??=median(49,48,49,50,65,54,14,9,9)=49.从大到小排列，9,9,14,48,49,49,50,54,65，取中间值为49。??3×3中值滤波一般来说，图像亮度为阶梯状变化时，用均值平滑好。对于亮点噪音，用中值滤波好带有椒盐噪声的ikonos图像中值滤波后的图像均值平滑后的图像3图像锐化（1）图像锐化的目的是突出图像中景物的边缘、线状目标或某些亮度变化率大的部分。（2）边缘或轮廓通常位于灰度突变或不连续的地方，具有一阶微分最大值和二阶微分为0的特点;锐化的方法很多，在此只介绍常用的几种：罗伯特梯度索伯尔梯度方向检测梯度—反映相邻像元的亮度变化率如果图像中如果存在边缘，如湖泊、河流的边界，山脉和道路等，则边缘处有较大的梯度值。因此，找到梯度较大的位置，也就找到边缘，然后再用不同的梯度计算值代替边缘处像元的值，也就突出了边缘，实现了图像的锐化。常见的梯度算子模板1-11-1Roberts-11-11-11111-1-1-1Prewitt-11-22-11121-1-2-1Sobel1-11-1水平、垂直梯度罗伯特梯度（公式）具体为|)1,(),1(||)1,1(),(|||jifjifjifjifgradft1＝t2＝21ttgradf•计算出的梯度值放在左上角的像元f(i，j)的位置，成为r(i，j)。1-11-1索伯尔梯度（罗伯特梯度的改进）t1＝t2＝使窗口由2×2扩大到3×3，使检测边界更加精确。-11-22-11121-1-2-1原始图像罗伯特算子索伯尔算子或检测垂直边界：检测水平边界：方向检测：1011011011h1211211212h1110001113h1112221114h或水平检测垂直检测原始图像三、彩色空间变换单波段彩色变换多波段色彩变换HLS变换（1）单波段彩色变换（伪彩色密度分割）伪彩色密度分割：单波段黑白遥感图像按亮度值分层，对每层赋予不同的色彩，使之成为一幅彩色图像的方法。图像密度分割原理可以按如下步骤进行：（1）求图像的极大值dmax和极小值dmin；（2）求图像的密度区间ΔD=dmax-dmin+1；（3）求分割层的密度差Δd=ΔD／n，其中n为需分割的层数；（4）求各层的密度区间；（5）定出各密度层灰度值或颜色。如：一幅黑白图像，灰度值范围为0~250，若想变为有50种颜色的彩色图像，可以以灰度值密度差5进行密度分隔。即0~4为一种颜色，5~9为另一种颜色……原始图像伪彩色密度分割图像（2）多波段色彩变换选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，根据加色法进行彩色合成，称为彩色合成。真彩色合成假彩色合成彩色合成的原理图①真彩色合成红光波段赋成红绿光波段赋成绿蓝光波段赋成蓝真彩色合成红光波段赋成红真彩色合成红光波段赋成红绿光波段赋成绿真彩色合成红光波段赋成红绿光波段赋成绿蓝光波段赋成蓝②假彩色合成假彩色合成近红外波段赋成红红光波段赋成绿绿光波段赋成蓝假彩色合成近红外波段赋成红红光波段赋成绿绿光波段赋成蓝问题：为什么在上述假彩色合成方案中，植被呈现红色？问题：图像中显示为绿色的物体说明该地物有什么样的光谱特征？（1）合成后信息量最大（2）波段之间的信息相关性最小（3）合成后影像中地物区分程度最高③彩色合成波段选择例如，TM的4，5，3波段依次被赋予红、绿、蓝色进行合成，可以突出较丰富的信息，包括水体、城区、山区、平原及线性特征等，有时这一合成方案甚至优于标准的4，3，2波段的假彩色合成假彩色增强TM标准假彩色合成图像TM7(R)、4(G)、2(B)TM4(R)、3(G)、2(B)假彩色增强TM3(R)、2(G)、1(B)TM4(R)、5(G)、3(B)（3）HLS变换RGB彩色空间HLS彩色空间彩色是以红绿蓝三色的比例来表示的，对于图像上某个目标的彩色特性的描述，直接用红、绿、蓝分量并不直观，比较确切的是分别用色调、明度和饱和度来表示。（3）多波段彩色变换：RGB彩色空间2minmaxLLLHLS彩色空间时－＋－时0.5L110.5LminmaxminmaxminmaxminmaxSSSSSSSSSS时时时maxminmaxmaxminmaxmaxminmax4(602(6060BBGRGGRBRRBGHHHHHHHHHHHHHHHHHHHHHJ.DFoleyetl,1990彩色空间变换—HLS变换步骤:(1)由RGB彩色空间变换到HLS彩色空间；(2)在HLS空间中，对H,L,S分量（波段）分别增强；(3)由HLS空间变换到RGB空间中，再次按加色法合成,可以达到好的识别效果；原理:①对色调Ｈ增强，使色调更多②对亮度L增强，使亮度“间距”加大;③对饱和度Ｓ增强，提高色彩纯度,加大相邻色彩差异。HLS变换原始图像，3,2,1彩色合成使用HLS进行饱和度拉伸后的结果四、图像运算两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。两幅同样行、列数的图像，对应像元的亮度值相减就是差值运算，即：差值运算常用于同一景物不同时间图像之间的运算—动态监测同一景物不同波段图像之间的运算—识别地物),(),(),(21yxfyxfyxfD1、差值运算图像的差值运算有利于目标与背景反差较小的信息提取。如在红光波段，植被和水体难以区分，在红外波段，植被和土壤难以区分，通过相减,可以有效的区分出三种地物2、比值运算两幅同样行、列数的图像，对应像元的亮度值相除(除数不为0)就是比值运算，即：比值运算可以检测波段的斜率信息并加以扩展，以突出不同波段间地物光谱的差异，提高对比度。该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，这种算法的结果称为植被指数，常用算法：（1）近红外波段／红波段（2）(近红外-红)／(近红外+红)),(),(),(21yxfyxfyxfR归一化植被指数：NDVI=（TM4-TM3）/（TM4+TM3）南京紫金山和玄武湖的NDVI图例如：比值运算区分地物地物波段水沙漠416177144/7164.25比值运算对于去除地形影响也非常有效。光照情况波段阳坡阴坡42822542344/50.660.65比值(cha/chb)•减小了地形的影响。五、多光谱变换遥感多光谱影像，波段多，信息量大，对图像解译很有价值。但数据量太大，在图像处理计算时，也常常耗费大量的机时和占据大量的磁盘空间。实际上，一些波段的遥感数据之间都有不同程度的相关性，存在着数据冗余。保留主要信息，降低数据量,减小数据冗余。①主成分变换（K-L变换）②缨帽变换（K-T变换）实质是通过线性变换，使多光谱空间的坐标系按一定规律进行旋转多光谱空间是一个n维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值。像元点可表示为TnxxxxX,,,3211、多光谱空间多光谱空间只表示各波段光谱之间的关系，而不包括任何该点在原图像中的位置信息，影像有几个波段，多光谱空间就有几维2主成分变换（K-L变换）Y=AX（注：A为变换矩阵）nnnnnnnnxxxyyy2121222211121121变换矩阵A的作用是给多波段的像元亮度加权系数，实现线性变换。变换后波段的相关性得到了有效降低2主成分变换（K-L变换）性质:①变换前后坐标系发生了旋转，新坐标系的坐标轴指向信息量较大的方向②变换后的新波段主分量包含的信息量逐渐减少。③最后的波段几乎全是噪声（1）性质①数据压缩如TM数据，变换后，七维多光谱空间变为七维主分量空间，前三个主分量包含大部分信息，数据量只有原来的43%。②图像增强多光