第8章 遥感图像基本处理(2)

1接收预处理用户应用处理分析结果输出遥感成像过程—第八章遥感图像基本处理电磁辐射与地物光谱特征2第八章遥感图像的基本处理遥感图像的基本处理数字图像校正数字图像增强多源信息复合1.对比度变换2.空间滤波3.彩色变换4.图象运算5.多光谱变换3数字图像增强什么是数字图像的直方图？增强目视效果：提高图像质量和突出所需信息，有利于分析判读或作进一步的处理。假定像元亮度随机分布时，直方图应是正态分布的。1）峰值偏向亮度坐标轴左侧，图像偏暗。2）峰值偏向坐标轴右侧，图像偏亮，3）峰值提升过陡、过窄，图像的高密度值过于集中。以上情况均是图像对比度较小，图像质量较差的反映。41、对比度变换通过改变像元的亮度值来改变图像像元的对比度，从而改善图像质量的图像处理方法。亮度值是辐射强度的反映----称之为辐射增强。5纠正前的图像及直方图：偏暗纠正后的图像及直方图1、对比度变换6（1）、线性变换（2）、非线性变换增强前后灰度函数关系符合线性关系式：x’=kx+bx’增强后的灰度值,x增强前的灰度值,b常数,k斜率1、对比度变换71、对比度变换—线性变换亮度值0～15图像拉伸为0～30，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。当亮度值xa从0～15变换成xb从0～30，如何设计该线性变换函数？xb=2xa81、对比度变换—线性变换9OutputDN255求直线方程？直线形态对图像亮度值的影响？对图像的不同亮度值区域如何进行差异变换？InputDNb1255a1a2b2xaxb1、对比度变换—线性变换10对比图4.18：第一、三段为压缩，第二段为拉伸，每一段的变换方程为：分段线性变换：拉伸、压缩。1、对比度变换—分段线性变换11对图像亮度值的影响？cbexaaxbcaxbxab)1lg(1、对比度变换—非线性变换指数变换：其意义是在亮度值较高的部分扩大亮度间隔--属于拉伸，在亮度值较低的部分缩小亮度间隔--属于压缩。对数变换：与指数变换相反，意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩。122、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，频率高的部分被增强了,频率低的部分被压缩。对比度变换（补充）13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14原始的直方图均衡化后的直方图15直方图均衡化实例16直方图均衡化实例173、直方图匹配(histogrammatching)•把原图象的直方图变换为某种指定形状的直方图或某一参考图象的直方图，然后按照已知的指定形态的直方图调整原图象各象元的灰级，最后得到一个直方图匹配的图象。•使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配。•主要应用于有一幅很好的图象作为标准的情况下，对另一图象进行匹配，以改善被处理图象的质量。•应用于数字镶嵌对比度变换（补充）18直方图匹配：条件（运用两幅图象）•原始图象和参考图象•两个图象的直方图的总体形态应相似•图象中相对亮和暗的特征应相同•对某些应用，图象的分辨率应相同（但可不同）•图象中的地物类型的相对分布应相同，无论两幅图象是否覆盖同一地区。如一幅有云，另一幅无云，应先将云去掉（覆盖），然后再进行直方图匹配。对比度变换（补充）192空间滤波（邻域增强）数字图像增强对比度变换：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。202、空间滤波1、图像卷积运算MmNnnmtnmjir11),(),(),(模板图像窗口21空间滤波作用抑制噪声，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。1、图像卷积运算22空间滤波2、平滑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）：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？23空间滤波2、平滑919191919191919191),(nmt81818181081818181),(nmt均值平滑模板原始图像均值滤波图像24空间滤波3、锐化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。常用几种：•罗伯特梯度•索伯尔梯度•拉普拉斯算法•定向检测25空间滤波（1）罗伯特(Roberts)梯度r(i,j)r(i,j+1)r(i+1,j)r(i+1,j+1))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。怎么样设计模板？10011t01102t3、锐化梯度：反映相邻象元的亮度变化率2627空间滤波（2）索伯尔(Sobel)梯度3、锐化1210001211t1012021012t（3）Laplace算法010141010),(nmt算法意义是检测亮度变化率的变化率，相当于二阶微分。28空间滤波3、锐化（4）定向检测101101101),(nmt111000111),(nmt011101110),(nmt垂直定向检测水平定向检测Laplace算法29不同的彩色变换可大大增强图像的可读性，常用的三种彩色变换方法。􀂾􀂾单波段彩色变换􀂾􀂾多波段彩色变换􀂾􀂾HSI变换数字图像增强3、彩色变换303、彩色变换1）、单波段彩色变换伪彩色(pseudocolor):单波段灰度图像的彩色表示或显示。密度分割：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。目的：增强图像的目视解译效果数字图像增强311）、单波段彩色变换彩色变换32TM3密度分割（5级）粗略显示水体、植被、裸地/城镇等类别1）、单波段彩色变换彩色变换分层方案与地物光谱差异对应得好，可以区分出地物的类别。332）、多波段彩色变换彩色变换真彩色(truecolor):RGB；假彩色(falsecolor)：RGB3-2-17-4-2标准假彩色（TM432）343）、HLS变换彩色变换HSI代表色调、饱和度和明度（hue，saturation,intensity）。色彩模式可以用近似的颜色立体来定量化。颜色立体曲线锥形改成上下两个六面金字塔状。354、图像运算两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。1、差值运算：两幅同样行、列数的图像，对应像元的亮度（灰度）值相减。差值图像提供了不同波段或不同时相图像间的差异信息。2、比值运算：两幅同样行、列数的图像，对应像元的亮度（灰度）值相除（除数不为0）。比值图像，像元的亮度反映了两个波段光谱比值的差异，常用来检测植被，消除“同物异谱”现象。364、图像运算1）、差值运算),(),(),(21yxfyxfyxfD1）出现负值2）像元灰度值大于255。byxfyxfayxfD),(),(),(21两个波段相减,反射率差值大的被突出出来。图像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，海岸带的潮汐线等。37TM4-3-2TM4-TM34、图像运算1）、差值运算384、图像运算2）、比值运算),(),(),(21yxfyxfyxfR1）除数为零2）像元灰度值大于255。]),(),([),(21yxfyxfaIntegeryxfR39植被指数：是基于植被叶绿素在红色波段的强烈吸收以及在近红外波段的强烈反射，通过红和近红外波段的比值或线性组合实现对植被信息状态的表达。4、图像运算2）、比值运算40植被指数有许多不同的表达公式：SR=NIR/R（simpleratio）（比值植被指数）NDVI=（NIR-R）/(NIR+R)（归一化差值植被指数）SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指数）如对TM数据：NDVI=（TM4-TM3）/（TM4+TM3）4、图像运算2）、比值运算41假彩色合成图象NDVI图象4、图像运算2）、比值运算42太阳光砂岩阴坡阳坡地形部位波段TM1TM2TM1/TM2阳坡阴坡282243340.650.654、图像运算2）、比值运算435、多光谱变换1）、n维多光谱空间TninixxxxxxxxX,,,2121多光谱变换通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。其变换的本质：对遥感图像实行线性变换，使多光谱空间的坐标系按一定规律进行旋转。445、多光谱变换2）、K-L变换[离散（Karhunen-Loeve）变换]•多光谱数据各波段间往往存在一定程度的相关性，–光谱反射的相关性；–地形；–遥感器波段间的重叠。•应用PCA可以去除相关性、突出地物特征、压缩数据，另外还可以剔除噪声，因为PCA变换后的信息量通常随主分量顺序而减少，噪声信息更突出。主成分变换（PCA,PrincipalComponentAnalysis）着眼于变量之间的相互关系，尽可能不丢失信息的用几个综合性指标汇集多个变量的测量值而进行描述的方法。45基本原理：求出一个变换矩阵，经变换形成一组新的主分量波段，公式为：Y=AX其中，Y为变换后的主分量空间像元矢量，如主分量1，2，3…X为变换前的多光谱空间像元矢量，如TM1，TM2，….A为变换矩阵，是X空间协方差矩阵Σx的特征向量矩阵的转置矩阵。5、多光谱变换2）、K-L变换[离散（Karhunen-Loeve）变换]46步骤：1.计算原始图象的协方差矩阵；2.计算的特征值和特征向量；3.生成主成分5、多光谱变换2）、K-L变换[离散（Karhunen-Loeve）变换]PCA的几何意义：变换后的主分量空间坐标系与变换前的多光谱空间坐标系相比旋转了一个角度。而且新坐标系的坐标轴一定指向数据信息量较大的方向。47原始图象TM1-5，7主成分图象PC1-6变换意义1、数据压缩：取123三个主分量，包含了绝大多数的地物信息，数据量可减少到43%。2、图像增强：前几个主分量，信噪比大，突出了主要信息，增强了图像。485、多光谱变换3）、K-T变换[（Kauth-Thomas）变换]是一种线性变换，使坐标轴发生旋转，旋转之后坐标轴的方向与地物，特别是和植被生长及土壤有密切的关系。Y=BX49Y1:亮度Y2:绿度Y3:湿度5、多光谱变换3）、K-T变换[（Kauth-Thomas）变换]•K－T变换也是一种坐标空间发生旋转的线性变换，但旋转后的坐标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向。•K－T变换的应用主要针对TM数据和曾经广泛使用的MSS数据。50Crist等人提出TM数据在K-T变换时的B值：变换结果前三个分量与地面景物的关系密切：------y1为亮度------y2为绿度------y3为湿度51多源信息复合遥感信息复合：将同一区域内多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。遥感信息复合遥感信息与非遥感信息复合不同传感器的遥感信息复合不同时相的遥感信息复合遥感信息复合的技术基础：遥感图像的空间配准（几何校正、投影变换）遥感信息复合目的：突出有用的专题信息，消除或抑制无关的信息，改善目标