遥感技术基础课件

上传人:风*** 文档编号:240877565 上传时间:2024-05-15 格式:PPT 页数:83 大小:13.78MB
返回 下载 相关 举报
遥感技术基础课件_第1页
第1页 / 共83页
遥感技术基础课件_第2页
第2页 / 共83页
遥感技术基础课件_第3页
第3页 / 共83页
点击查看更多>>
资源描述
第四章 遥感图像处理uu图象的表示形式图象的表示形式uu遥感数字图象表示方法遥感数字图象表示方法uu辐射校正辐射校正uu几何校正几何校正uu数字图像的镶嵌和裁剪数字图像的镶嵌和裁剪uu遥感图像增强遥感图像增强uu信息融合信息融合主要内容主要内容1第四章 遥感图像处理图象的表示形式主要内容1 X1=min(Xa,Xb,Xc,Xd)X2=max(Xa,Xb,Xc,Xd)Y1=min(Ya,Yb,Yc,YXd)Y2=max(Ya,Yb,Yc,Yd)2 X1=min(Xa,Xb,Xc,Xdn n直接纠正方法直接纠正方法:从原始图像,依次对每个像元根据从原始图像,依次对每个像元根据变换函数变换函数F F(x,yx,y),求得它在新图像中的位置,),求得它在新图像中的位置,并将灰度值赋给新图像的对应位置上。并将灰度值赋给新图像的对应位置上。n n间接纠正法间接纠正法:从新图像中依次每个像元,根据变换从新图像中依次每个像元,根据变换函数函数f(xf(x,y)y)找到它在原始图像中的位置,并将图找到它在原始图像中的位置,并将图像的灰度值赋予新图像的像元。像的灰度值赋予新图像的像元。纠正方案3直接纠正方法:从原始图像,依次对每个像元根据变换函数F(x,遥感数字图像的多项式纠正遥感数字图像的多项式纠正 一般的公式为:n n 间接法n n 直接法n n其中:x,y为某像素原始图像坐标;X,Y为同名像素的地面(或地图)坐标。4遥感数字图像的多项式纠正 一般的公式为:4遥感数字图像的多项式纠正遥感数字图像的多项式纠正n n多项式的项数(即系数个数)N与其阶数n有着固定的关系:N=(n+1)(n+2)/2n n多项式的系数ci,di(i,j=0,1,2,(N1))一般可由两种办法求得:其一,用可预测的图像变形参数构成。其二,利用已知控制点的坐标值按最小二乘法原理求解。5遥感数字图像的多项式纠正多项式的项数(即系数个数)N与其阶数遥感数字图像的多项式纠正遥感数字图像的多项式纠正n n利用有限的控制点的已知坐标,求解多项式的系数,确定变换函数。然后将各个像元带入多项式进行计算,得到纠正后的坐标。6遥感数字图像的多项式纠正利用有限的控制点的已知坐标,求解多项遥感数字图像的多项式纠正遥感数字图像的多项式纠正n n根据纠正图像要求的不同选用不同的阶数,当选用一次项纠正时,可以纠正图像因平移、旋转、比例尺变化和仿射变形等引起的线性变形。当选用二次项纠正时,则在改正一次项各种变形的基础上,还改正二次非线性变形。如选用三次项纠正则改正更高次的非线性变形。7遥感数字图像的多项式纠正根据纠正图像要求的不同选用不同的阶数控制点的选择原则控制点的选择原则:uu表征空间位置的可靠性,道路交叉点,标志物,水域的边界,山顶,小岛中心,机场等。uu同名控制点要在图像上均匀分布;uu清楚辨认;在影像上为明显的地物点,易于判读。uu数量应当超过多项式系数的个数(n+1)*(n+2)/2。8控制点的选择原则:表征空间位置的可靠性,道路交叉点,标志物灰度的重采样灰度的重采样 纠正后的新图像的每一个像元,根据变换函数,可以得到它在原始图像上的位置。如果求得的位置为整数,则该位置处的像元灰度就是新图像的灰度值。如果位置不为整数,则有几种方法:n n最近邻法n n双线性内插法n n三次卷积法9灰度的重采样 纠正后的新图像的每一个I 最近邻法该方法简单易用,计算量小,在几何精度可达0.5个像元,但是处理后的图像的亮度具有不连续性,从而影响了精度。距离实际位置最近的像元的灰度值作为输出图像像元的灰度值。10I 最近邻法该方法简单易用,计算量小,在几何精度可达0.II 双线性内插法双线性内插法 以实际位置临近的4个像元值,在方向内插两次,确定输出像元的灰度值。计算公式:式中,g(m,n)为输出像元灰度值gi 为邻近点i的灰度值pi为邻近点对投影点的权重(pi=1/di,di表示邻近点到投影点的距离,最近者权重最大)11II 双线性内插法 以实际位置临近的4个像元值,在方向 增加邻点来获得最佳插值函数。取与计算点相邻的16个点,在方向内插四次,确定输出像元的灰度值。III 三次卷积内插法公式为:12 增加邻点来获得最佳插值函数。取与计算点相邻的几种采样方法的优缺点:几种采样方法的优缺点:uu最近邻法:算法简单且保持原光谱信息不变;缺点是几何精度较差,图像灰度具有不连续性,边界出现锯齿状。uu 双线性插值:计算较简单,图像灰度具有连续性且采样精度比较精确;缺点是细节丧失。uu三次卷积法:计算量大,图像灰度具有连续性且采样精度比较精确。13几种采样方法的优缺点:最近邻法:算法简单且保持原光谱信息不变 n n由于遥感检测系统,大气散射和吸收以及其它随机因素的影响引起的图象模糊失真,分辨率和对比度下降等辐射失真。“同物异谱,异物同谱”。n n消除影像中各种失真的过程称为辐射处理.包括传感器辐射定标和辐射误差校正等。n n目的是尽可能恢复图像的本来面目,为遥感图像的识别,分类,解译等后续工作打下基础。3.辐射校正的意义辐射校正的意义14 3.辐射校正的意义14辐射定标和辐射校正辐射定标和辐射校正uu辐射定标和辐射校正是遥感数据定量化的最基本环节。uu辐射定标:指传感器探测值的标定过程方法,用以确定传感器入口处的准确辐射值。uu辐射校正:指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。15辐射定标和辐射校正辐射定标和辐射校正是遥感数据定量化的最基本传感器辐射定标传感器辐射定标 传感器辐射定标:绝对定标和相对定标。n n绝对定标:对目标作定量的描述,要得到目标的辐射绝对值;n n相对定标:只得出目标中某一点辐射亮度与其他点的相对值。n n绝对定标要建立传感器测量的数字信号与对应的辐射能量之间的数量关系,即定标系数,在卫星发射前后都要进行。16传感器辐射定标 传感器辐射定标:绝对定标和相对定标。16绝对定标方法绝对定标方法(了解了解)设传感器入口处波段i的辐射度Li和传感器输出的亮度值i之间存在线性关系卫星运行时,传感器的辐射灵敏度将随时间而变,故传感器的绝对辐射定标中的增益和偏置量要不断更新。这一更新利用卫星上的太阳标定器和地面标定场来完成。17绝对定标方法(了解)设传感器入口处波段i的辐射度Li和传感器相对辐射定标相对辐射定标uu又称为传感器探测元件归一化uu为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。uu由于传感器中各个探测元件之间存在差异,使传感器探测数据图像出现一些条带。相对辐射定标的目得就是降低或消除这些影响。18相对辐射定标又称为传感器探测元件归一化18辐射校正辐射校正 不同传感器获取的图像的辐射校正所用的方法是不同的。引起辐射误差的因素有:n n太阳位置引起的辐射误差n n地形起伏引起的辐射误差n n大气影响造成的畸变19辐射校正 不同传感器获取的图像的辐射校正所用的方法是不同uu用于标准化地球和太阳间的距离的季节变化(太阳辐射随日地距离的平方减小)。uu在忽略大气的影响下,太阳天顶角和日地距离对于地球表面辐射的影响。日地距离校正日地距离校正20用于标准化地球和太阳间的距离的季节变化(太阳辐射随日地距离的大气影响造成的的畸变校正方法大气影响造成的的畸变校正方法uu基于地面场地数据或辅助数据进行辐射校正 在遥感成像的同时,同步获取成像目标的反射率,或在遥感成像的同时,同步获取成像目标的反射率,或通过预先设置已知反射率的目标,把地面实况数据与传感通过预先设置已知反射率的目标,把地面实况数据与传感器的输出数据进行比较,来消除大气的影响。假设地面目器的输出数据进行比较,来消除大气的影响。假设地面目标反射率与传感器所获得的信号之间属于线性关系。标反射率与传感器所获得的信号之间属于线性关系。uu利用某些波段特性来校正其它波段的大气影响。理论依据是大气散射对短波影响大,对长波影响小。理论依据是大气散射对短波影响大,对长波影响小。把近红外图像当作无散射影响的标准图像,通过对不同波把近红外图像当作无散射影响的标准图像,通过对不同波段的对比分析计算出大气干扰值。一般有两种方法:段的对比分析计算出大气干扰值。一般有两种方法:回归回归回归回归分析法和直方图法分析法和直方图法分析法和直方图法分析法和直方图法21大气影响造成的的畸变校正方法基于地面场地数据或辅助数据进行辐 与地面调查同步进行,通常选用同类仪器测量,将地面测量结果与卫星影象对应的亮度值进行回归分析,见上图回归方程 L=A+BR,校正公式为:L较=L-A,由于地面反射率不 具有普遍性,所以 这个方法不常用。野外波谱测试回归分析法(需一定条件)野外波谱测试回归分析法(需一定条件)22 与地面调查同步进行,通常选用同类仪器测量,将地面测量结 在不受大气影响的波段和待在不受大气影响的波段和待校正的某一波段图像中,校正的某一波段图像中,选择最黑区域中的一系列选择最黑区域中的一系列目标,将每一个目标的两目标,将每一个目标的两个待比较的波段亮度值提个待比较的波段亮度值提取出来进行会给分析。取出来进行会给分析。以以TMTM为例,为例,4 4波段的散射最波段的散射最大,大,7 7波段几乎不受影响,波段几乎不受影响,若对若对4 4波段进行校正,首先波段进行校正,首先在在4 4波段上选择最黑的影像波段上选择最黑的影像目标,在目标,在7 7波段找出对应的波段找出对应的目标,取灰度值,再以目标,取灰度值,再以(TM7,TM4TM7,TM4)为坐标的直)为坐标的直角坐标系中绘制散点图,角坐标系中绘制散点图,并用最小二乘法建立回归并用最小二乘法建立回归方程方程 。TM4=a+bTM7回归分析法回归分析法23 在不受大气影响的波段和待校正的某一波段图像中,选择最 大气校正前的盖度大气校正前的盖度 大气校正后的盖度大气校正后的盖度24 大气校正前的盖度 大气校正后的盖度24直方图法 最小法的去除思想在于一幅图像总可以找到其亮度值为0的地物,实际上不为0,校正时候将每一个波段中每一个象元的亮度值都减去本波段的最小值。使图像的亮度动态范围得到改善,对比度增强。图像质量提高。25直方图法 最小法的去除思想在于一幅图像总可以找到其亮度值 若地面的辐射能量为E0,它通过高度为H的大气层后,传感器接收系统所能收集到的电磁波能量为E,则有辐射传递方程可得 E=E0A A为大气衰减系数。在可见光和近红外区,大气的影响主要是由于气溶胶引起的散射造成的,在热红外区,大气的影响主要是由于水蒸气的吸收造成的,为了消除大气的影响,需要测定可见光和近红外区的气溶胶的密度和热红外区的水蒸气密度,实现起来比较困难。辐射传递方程计算法(不常用)辐射传递方程计算法(不常用)26 若地面的辐射能量为E0,它通过高度为H的大气层后,传地面辐射校正场地面辐射校正场uu评价遥感数据辐射定标和辐射校正的精度,对计算结果进行验证和修正。uu建立地面辐射校正场对卫星传感器进行绝对辐射定标,能够实现卫星传感器之间数据的相互匹配uu建立地面辐射校正场符合遥感数据定量化的需要。uu建立地面辐射校正场可以弥补星上定标的不足。uu满足多种遥感资料的应用需要。27地面辐射校正场评价遥感数据辐射定标和辐射校正的精度,对计算结现有的定标场现有的定标场 一个完整的地面试验场对地理环境和技术准备有一个完整的地面试验场对地理环境和技术准备有极高的要求。目前世界上比较典型的地面辐射场极高的要求。目前世界上比较典型的地面辐射场有:有:n n19791979年美国在新墨西哥州白沙建立的地面辐射定年美国在新墨西哥州白沙建立的地面辐射定标场,标场,n n19871987年法国在马赛西北年法国在马赛西北La CrauLa Crau建立的地面辐射定建立的地面辐射定标场。标场。n n我国根据需要选择了敦煌西戈壁作为可见光和红我国根据需要选择了敦煌西戈壁作为可见光和红外波段的辐射校正场,青海湖作为热红外波段和外波段的辐射校正场,青海湖作为热红外波段和红外低发射率的辐射校正场。红外低发射率的辐射校正场。28现有的定标场 一个完整的地面试验场对地理环境和技术准备有地形起伏引起的误差校正地形起伏引起的误差校正 具有地形坡度的地面,对进入传感器的太阳光线的辐射亮度也有影响,特别是对于山区,由于地形起伏使相同的地物呈现出不同的亮度值,在遥感应用中,精确的地形校正十分重要,校正的结果不仅可以提高分类精度,而且还是遥感应用的前提。近十几年来,研究人员做了大量的研究,尝试规范和减小地形的坡度坡向对于影像的影响。29地形起伏引起的误差校正 具有地形坡度的地面,对进入传地形起伏引起的误差校正地形起伏引起的误差校正30地形起伏引起的误差校正30将多个具有重叠部分的图像制作成一个没有重叠的新图像。通过图像镶嵌处理,可以获得更大范围的地面图像。要求参与镶嵌的图像之间要有一定的重叠度。方法有基于像元的拼接和基于地理坐标的拼接。5 数字图像的镶嵌和裁剪31将多个具有重叠部分的图像制作成一个没有重叠的新图像。5 数字过程如下:1 图像的几何纠正 2 镶嵌边搜索:选择一定范围的重叠区,确定一维模板,在重叠区内自左向右进行搜索,按一定的算法计算相关系数,确定该行的镶嵌点,逐行进行搜索镶嵌点可以得到镶嵌边。3亮度和反差调整:求接缝点左右图像的平均亮度值,然后,对一个图像改变整幅图像基色,求出左右图像在接缝边上的灰度极值,对这个图像作反差拉伸。4边界线的平滑:32过程如下:32镶嵌前后的影象镶嵌前后的影象33镶嵌前后的影象33遥感图像的裁剪遥感图像的裁剪n n裁剪指研究区域只占整个图像的一部分,这个区域有可能是规则的,也可能是不规则的。n n我们需要根据研究区域的大小或形状截取一部分图象。n n如果是规则的,则只要知道该区域的四个角点坐标就可以获取该区域的图像。n n如果是不规则的,则需要知道该区域的边界。34遥感图像的裁剪裁剪指研究区域只占整个图像的一部分,这个区域有不规则边界的裁剪不规则边界的裁剪35不规则边界的裁剪35规则形状裁剪规则形状裁剪36规则形状裁剪36数字图像增强的主要目的数字图像增强的主要目的:uu合成彩色图像uu改变图像灰度等级,提高图像对比度uu消除边缘和噪声,平滑图像uu突出边缘和线状地物,锐化图像uu压缩图像数据量,突出主要信息等基本目的:图像更易判读 图像增强的实质:是增强感兴趣目标和周围背景图像间的反差。6遥感图像增强遥感图像增强37数字图像增强的主要目的:6遥感图像增强37图像增强彩色增强彩色增强多图像代数运算多图像代数运算多光谱图像增强空间域增强频率域增强(平滑、锐化)点运算邻域运算(平滑、锐化)图像反差纠正直方图变换线性变换非线性变换38图像增强彩色增强多图像代数运算多光谱图像增强空间域增强频率域为了充分利用色彩在遥感图像判读和信息提取中为了充分利用色彩在遥感图像判读和信息提取中的优势,常常利用彩色合成的方法对多光谱图像的优势,常常利用彩色合成的方法对多光谱图像进行处理,以得到彩色图像。进行处理,以得到彩色图像。彩色图像可以分为真彩色图像和假彩色图像。彩色图像可以分为真彩色图像和假彩色图像。彩色合成39彩色合成39真彩色图像 真彩色图真彩色图像上影像像上影像的颜色与的颜色与地物颜色地物颜色基本一致。基本一致。假彩色图假彩色图像上影像像上影像的色调与的色调与实际地物实际地物色调不一色调不一致。致。40真彩色图像 真彩色图像上影像的颜色与地物颜色基本一致。假4141n n多光谱假彩色合成时要注意选取彼此相关性小的波段。n n要根据工作目的选取合成波段组合。n n实际工作中,假彩色合成情况较多。42多光谱假彩色合成时要注意选取彼此相关性小的波段。42两幅或多幅单波段图像,空间配准后可进行算术运算来两幅或多幅单波段图像,空间配准后可进行算术运算来两幅或多幅单波段图像,空间配准后可进行算术运算来两幅或多幅单波段图像,空间配准后可进行算术运算来达到增加某些信息或消除某些影响的目的,实现图像的达到增加某些信息或消除某些影响的目的,实现图像的达到增加某些信息或消除某些影响的目的,实现图像的达到增加某些信息或消除某些影响的目的,实现图像的增强。增强。增强。增强。减法运算:可突现出两波段差值大的地物,如红外减法运算:可突现出两波段差值大的地物,如红外减法运算:可突现出两波段差值大的地物,如红外减法运算:可突现出两波段差值大的地物,如红外-红,红,红,红,可突现植被信息。可突现植被信息。可突现植被信息。可突现植被信息。比值运算:能压抑因地形坡度和方向引起的辐射量变化,比值运算:能压抑因地形坡度和方向引起的辐射量变化,比值运算:能压抑因地形坡度和方向引起的辐射量变化,比值运算:能压抑因地形坡度和方向引起的辐射量变化,消除地形起伏的影响;也可以增强某些地物之间的反差。消除地形起伏的影响;也可以增强某些地物之间的反差。消除地形起伏的影响;也可以增强某些地物之间的反差。消除地形起伏的影响;也可以增强某些地物之间的反差。常用于计算植被指数、消除地形阴影等。常用于计算植被指数、消除地形阴影等。常用于计算植被指数、消除地形阴影等。常用于计算植被指数、消除地形阴影等。植被指数:植被指数:植被指数:植被指数:NDVI=NDVI=(TM4-TM3TM4-TM3)/(TM4+TM3TM4+TM3)n n加法运算加法运算加法运算加法运算n n乘法运算乘法运算乘法运算乘法运算n n综合运算综合运算综合运算综合运算多光谱图像四则运算多光谱图像四则运算43两幅或多幅单波段图像,空间配准后可进行算术运算来达到增加某密度分割密度分割 将原始图象的灰度值分成等间隔的离散灰度级将原始图象的灰度值分成等间隔的离散灰度级.可可以看作是线性变换的一种以看作是线性变换的一种.图像密度分割原理可以按如下步骤进行:图像密度分割原理可以按如下步骤进行:图像密度分割原理可以按如下步骤进行:图像密度分割原理可以按如下步骤进行:(1 1 1 1)求图像的极大值)求图像的极大值)求图像的极大值)求图像的极大值d d d dmaxmaxmaxmax和极小值和极小值和极小值和极小值d d d dminminminmin;(2 2 2 2)求图像的密度区间)求图像的密度区间)求图像的密度区间)求图像的密度区间 D D D D=d d d dmaxmaxmaxmax-d d d dmin min min min+1+1+1+1;(3 3 3 3)求分割层的密度差)求分割层的密度差)求分割层的密度差)求分割层的密度差 d d d d=D D D Dn n n n (n n n n为需分割的层数)为需分割的层数)为需分割的层数)为需分割的层数)(4 4 4 4)求各层的密度区间;)求各层的密度区间;)求各层的密度区间;)求各层的密度区间;(5 5 5 5)定出各密度层灰度值或颜色。)定出各密度层灰度值或颜色。)定出各密度层灰度值或颜色。)定出各密度层灰度值或颜色。44密度分割 将原始图象的灰度值分成等间隔的离散灰度级.可以4545直方图规定化(匹配)直方图规定化(匹配)通过非线性变换将原始图象转换为给定直方图的通过非线性变换将原始图象转换为给定直方图的图象。图象。直方图匹配经常作为相邻图象拼接的预处理直方图匹配经常作为相邻图象拼接的预处理,可部可部分消除由于太阳高度角或大气影响造成的相邻图分消除由于太阳高度角或大气影响造成的相邻图象的效果差异象的效果差异.要求:要求:n n图像直方图总体形状应类似;图像直方图总体形状应类似;n n图像中黑与亮特征应相同;图像中黑与亮特征应相同;n n对某些应用,图像的空间分辨率应相同;对某些应用,图像的空间分辨率应相同;n n图像上地物分布应相同。云含量应大致相同。图像上地物分布应相同。云含量应大致相同。n n可建立一个查找表,建立原始图像灰度和变换后可建立一个查找表,建立原始图像灰度和变换后图像灰度之间对应值,在变换时只需使用查找表图像灰度之间对应值,在变换时只需使用查找表进行变换即可,这样计算速度将极大提高。进行变换即可,这样计算速度将极大提高。46直方图规定化(匹配)通过非线性变换将原始图象转换为给定 空间域指图像平面所在的二维平面。空间域增强是指在图像平面上直接针对每个像元点进行处理,处理后像元点的位置不变.空间域的增强包括点运算和邻域运算.点运算虽然简单但是很重要,对于一幅输入的图像,经过点运算后产生的输出图像的灰度值仅由相应输入像素点的灰度值决定,与周围的像元不发生直接关系。空间域47 空间域指图像平面所在的二维平面。空间域47 直方图:统计每幅图像的各亮度的像元数而得到的随机分布图,反映图像中每种灰度出现的频率。灰度直方图分布状态用灰度均值和标准差两个参数来衡量。一般来说,包含大量像元的图像,像元的亮度随机分布应是正态分布。直方图为非正态分布,说明图像的亮度分布偏亮、偏暗或亮度过于集中,图像的对比度小,需要调整该直方图到正态分布,以改善图像的质量。直方图变换48 直方图:统计每幅图像的各亮度的像元数而得到的随机分布图如下图所示,灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频率。是图像的最基本的统计特征。反映灰度的总体结构,灰度级的等级分布,不反映空间的分布。49如下图所示,灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现n n直方图分布状态不同,图像特征也不同50直方图分布状态不同,图像特征也不同50直方图均衡直方图均衡n n通过灰度变换将随机分布的图象直方图修改成均通过灰度变换将随机分布的图象直方图修改成均匀分布的直方图,即在每个灰度级上都具有相同匀分布的直方图,即在每个灰度级上都具有相同的像素点数。其实质是对图像进行非线性拉伸,的像素点数。其实质是对图像进行非线性拉伸,重新分配图像的像元值。重新分配图像的像元值。使得面积最大的地物细使得面积最大的地物细节得以增强,而面积小的地物与其灰度接近的地节得以增强,而面积小的地物与其灰度接近的地物进行合并。减少灰度等级换取对比度的增大。物进行合并。减少灰度等级换取对比度的增大。n n原直方图:原直方图:n n均衡后直方图:均衡后直方图:n nn n:k:k级灰度的像元数;级灰度的像元数;N:N:总的像元数总的像元数51直方图均衡通过灰度变换将随机分布的图象直方图修改成均匀分布原图均衡化后下图是直方图均衡化后的飞机图片及其直方图,可见其直方图与原图的直方图相比是很均衡的,但必须说明的是,离散情况下不可能作到绝对的一致。52原图均衡化后下图是直方图均衡化后的飞机图片及其直方图,可见其直方图的正态化 将随机分布的原图像直方图修改成为高斯分布(正态分布)的直方图。从而使变换后图像的亮度变化尽可能的服从这种分布53直方图的正态化53直方图规定化(匹配)直方图规定化(匹配)通过非线性变换将原始图象转换为给定直方图的通过非线性变换将原始图象转换为给定直方图的图象。图象。直方图匹配经常作为相邻图象拼接的预处理直方图匹配经常作为相邻图象拼接的预处理,可部可部分消除由于太阳高度角或大气影响造成的相邻图分消除由于太阳高度角或大气影响造成的相邻图象的效果差异象的效果差异.要求:要求:n n图像直方图总体形状应类似;图像直方图总体形状应类似;n n图像中黑与亮特征应相同;图像中黑与亮特征应相同;n n对某些应用,图像的空间分辨率应相同;对某些应用,图像的空间分辨率应相同;n n图像上地物分布应相同。云含量应大致相同。图像上地物分布应相同。云含量应大致相同。n n可建立一个查找表,建立原始图像灰度和变换后可建立一个查找表,建立原始图像灰度和变换后图像灰度之间对应值,在变换时只需使用查找表图像灰度之间对应值,在变换时只需使用查找表进行变换即可,这样计算速度将极大提高。进行变换即可,这样计算速度将极大提高。54直方图规定化(匹配)通过非线性变换将原始图象转换为给定锐 化 锐化是增强图像中的高频成分,突出图像的边缘锐化是增强图像中的高频成分,突出图像的边缘信息,提高图像细节的反差,在频域处理中称为信息,提高图像细节的反差,在频域处理中称为高通滤波,也称边缘增强。其结果与平滑相反。高通滤波,也称边缘增强。其结果与平滑相反。锐化是对邻区窗口内的图像微分。锐化是对邻区窗口内的图像微分。给定一个函数给定一个函数f(X,Y),在坐标,在坐标(X,Y)上的梯度定上的梯度定义为一个矢量:义为一个矢量:梯度的模为:梯度的模为:55锐 化 锐化是增强图像中的高频成分,突出图像的边缘信息,提空间域处理的比较空间域处理的比较-边缘提取边缘提取56空间域处理的比较-边缘提取56空间域处理的比较空间域处理的比较-增强增强57空间域处理的比较-增强57在遥感图像分类中,常常利用主成分分析算法来在遥感图像分类中,常常利用主成分分析算法来消除特征向量消除特征向量中中各特征之间的相关性,并进行特各特征之间的相关性,并进行特征选择。征选择。主成分分析算法还可以用来进行高光谱图像主成分分析算法还可以用来进行高光谱图像(Hyper-spectral images)(Hyper-spectral images)数据的压缩和信息融数据的压缩和信息融合。合。例如:对例如:对例如:对例如:对LandsatTMLandsatTMLandsatTMLandsatTM的的的的6 6 6 6个波段的多光谱图像个波段的多光谱图像个波段的多光谱图像个波段的多光谱图像(热红热红热红热红外波段除外外波段除外外波段除外外波段除外)进行主成分分析,然后把得到的第进行主成分分析,然后把得到的第进行主成分分析,然后把得到的第进行主成分分析,然后把得到的第1 1 1 1,2 2 2 2,3 3 3 3主分量图像进行彩色合成,可以获得信息量非常丰富的主分量图像进行彩色合成,可以获得信息量非常丰富的主分量图像进行彩色合成,可以获得信息量非常丰富的主分量图像进行彩色合成,可以获得信息量非常丰富的彩色图像。彩色图像。彩色图像。彩色图像。主成分分析58在遥感图像分类中,常常利用主成分分析算法来消除特征向量中各 原始数据为二维数据,两个分量原始数据为二维数据,两个分量x1、x2之间存在相关性,具有之间存在相关性,具有如图所示的分布。通过投影,各数据可以表示为如图所示的分布。通过投影,各数据可以表示为y1轴上的一维点数轴上的一维点数据。从二维空间中的数据变成一维空间中的数据会产生信息损失,据。从二维空间中的数据变成一维空间中的数据会产生信息损失,为了使信息损失最小,必须按照使一维数据的信息量为了使信息损失最小,必须按照使一维数据的信息量(方差方差)最大的最大的原则确定原则确定y1轴的取向,新轴轴的取向,新轴y1称作第一主成分。为了进一步汇集剩称作第一主成分。为了进一步汇集剩余的信息,可求出与第一轴余的信息,可求出与第一轴y1正交、且尽可能多地汇集剩余信息第正交、且尽可能多地汇集剩余信息第二轴二轴y2,新轴,新轴y2称作第二主成分。称作第二主成分。主成分分析原理 x x2 259 原始数据为二维数据,两个分量x1、x2之间存在相关性遥感图像信息融合遥感图像信息融合(Fusion)是将多源遥感数据在是将多源遥感数据在统一的地理坐标系中,采用一定的算法生成一组统一的地理坐标系中,采用一定的算法生成一组新的信息或合成图像的过程。新的信息或合成图像的过程。可将不同空间分辨率、波谱分辨率和时相分辨率可将不同空间分辨率、波谱分辨率和时相分辨率的遥感数据的的优势综合起来,弥补单一图像上的遥感数据的的优势综合起来,弥补单一图像上信息的不足,提高遥感影像分析的精度。信息的不足,提高遥感影像分析的精度。提高空间分辨力;增强特征;改善分类;对多时提高空间分辨力;增强特征;改善分类;对多时相图像用于变化检测;替代或修补图像的缺陷。相图像用于变化检测;替代或修补图像的缺陷。7 信息融合607 信息融合60多源遥感影像的融合流程 地图GIS 雷达影像 多光谱影像 全色航空像片基于像元的影像融合影像数据配准基于特征的影像融合基于类别的影像融合融合影像输出评价和应用61多源遥感影像的融合流程 地图GIS雷达影像多光谱影像全色航空关键技术问题关键技术问题uu图像的配准l l空间配准空间配准l l数据关联数据关联uu融合模型的建立与优化l l充分认识研究对象的地学规律与信息特征充分认识研究对象的地学规律与信息特征l l充分了解每中融合数据的特性,适用性和局限充分了解每中融合数据的特性,适用性和局限性性l l如何考虑选择最佳波段用于融合如何考虑选择最佳波段用于融合uu融合方法的选择62关键技术问题图像的配准62 融合方法 A.基于像元的融合方法(1)RGB IHS变换 IHS RGB将两副RGB彩色影象空间变换到IHS空间。用高空间分辨率图像的I代替高光谱分辨率影象IHS空间的亮度分量,即IHS变换为IHS。将IHS逆变换到RGB空间,即得到融合图像。图像融合只在强度通道上进行,图像的色调和饱和度保持不变。融合图像既具有高分辨的优点,又保持了高光谱图像的色调和饱和度。IHS空间:Intensity,Hue,Saturation63 融合方法 A.基于像元的融合方法(1)RGB(2)基于主分量变换的图像融合基于主分量变换的图像融合uu对多光谱图像进行主分量变换。对多光谱图像进行主分量变换。uu将高分辨率图像和高光谱分辨率图象的第一主将高分辨率图像和高光谱分辨率图象的第一主分量进行直方图匹配,使高分辨率图像与第一分量进行直方图匹配,使高分辨率图像与第一分量图像有相近的均值和方差。分量图像有相近的均值和方差。uu用直方图匹配后的高分辨率图像代替主分量中用直方图匹配后的高分辨率图像代替主分量中的第一主分量和其余分量一起进行主分量逆变的第一主分量和其余分量一起进行主分量逆变换,得到融合影像。换,得到融合影像。64(2)基于主分量变换的图像融合对多光谱图像进行主分量变换。(3)加权融合)加权融合n nIijIij=A A(Pi*Ii+Pj*IjPi*Ii+Pj*Ij)+B Bn nPiPi=(1-|1-|rijrij|)0.5 0.5 PjPj=1-=1-PiPin nri,jri,j为两幅图像的相关系数:为两幅图像的相关系数:n nSPOTSPOT全色图像与其多光谱图像的融合时,由于多全色图像与其多光谱图像的融合时,由于多光谱中的绿、红波段与全色波段相关性较强,而光谱中的绿、红波段与全色波段相关性较强,而与红外波段相关性较小,可以采用全色波段图像与红外波段相关性较小,可以采用全色波段图像与多光谱波段图像的相关系数来融合。与多光谱波段图像的相关系数来融合。65(3)加权融合65(4)比值变换融合)比值变换融合n n比值变换融合算法按下式进行:比值变换融合算法按下式进行:n n其中:其中:BiBi(i i=1,2,3)=1,2,3)为多光谱图像;为多光谱图像;D D为高分辨率图为高分辨率图像;像;DBiDBi(i i=1,2,3)=1,2,3)为比值度变换融合图像。为比值度变换融合图像。n n比值变换融合可以增加图像两端的对比度。当要比值变换融合可以增加图像两端的对比度。当要保持原始图像的辐射度时,本方法不宜采用。保持原始图像的辐射度时,本方法不宜采用。66(4)比值变换融合比值变换融合算法按下式进行:66(5)乘积变换融合)乘积变换融合乘积变换融合算法按下式进行:D*Bi=DBi 通过乘积变换融合得到的融合图像其亮度成分得到增加。其它方法:(6)空间滤波分析(7)基于小波变换的融合 基于IHS变换融合和比值变换融合只能用三个波段的多光谱图像和全色图像融合,而其它方法不受波段数限制。67(5)乘积变换融合乘积变换融合算法按下式进行:67SARTMPAN68SARTMPAN68SARTMS+T69SARTMS+T69TMPANP+T70TMPANP+T70TMP+TS+T71TMP+TS+T71S+T+PP+TS+T72S+T+PP+TS+T72B.基于特征的影像融合方法基于特征的影像融合方法l l空间卷积后的影像融合空间卷积后的影像融合l l高通滤波或方向滤波后的影像融合高通滤波或方向滤波后的影像融合l l小波变换后的影像融合小波变换后的影像融合 73B.基于特征的影像融合方法空间卷积后的影像融合73C.分类融合分类融合对大的地物或地貌类型分类后的融合l l地物类型采用最大似然法或最小距离法分类地物类型采用最大似然法或最小距离法分类l l地貌类型采用地貌类型采用GISGIS中的分类数据中的分类数据uu同一多光谱影像同一多光谱影像:不同地物地貌类型用不同波段融不同地物地貌类型用不同波段融合合uu同一地区影像同一地区影像:不同地物地貌类型用不同传感器影不同地物地貌类型用不同传感器影像融合像融合uu同一地区影像同一地区影像:同类地物用不同时相影像融合同类地物用不同时相影像融合分类融合方法74C.分类融合对大的地物或地貌类型分类后的融合同一多光谱影8787年武汉市年武汉市TMTM7587年武汉市TM759393年武汉市年武汉市TMTM7693年武汉市TM768787年和年和9393年武汉水面影像融合年武汉水面影像融合7787年和93年武汉水面影像融合7787938793年武汉水面增减专题图年武汉水面增减专题图788793年武汉水面增减专题图788787年和年和9393年武汉城市类影像融合年武汉城市类影像融合7987年和93年武汉城市类影像融合798793年武汉市城市增减专题图年武汉市城市增减专题图808793年武汉市城市增减专题图80融合影像评价融合影像评价n n信息量信息量 清晰度81融合影像评价信息量 清晰度81与DEM的复合n n三维立体景观图像,动态漫游和观察。n n根据计算机图形学的原理,将遥感图像和相应的DEM复合即可生成具有真实感的三维景观。遥感图像和其他数据的复合82与DEM的复合遥感图像和其他数据的复合82DEM与与SPOT的复合的复合83DEM与SPOT的复合83
展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 办公文档 > 教学培训


copyright@ 2023-2025  zhuangpeitu.com 装配图网版权所有   联系电话:18123376007

备案号:ICP2024067431-1 川公网安备51140202000466号


本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!