遥感图像处理图像增强课件

,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,第四章 遥感图像处理,图像增强,第四章 遥感图像处理图像增强,1,4.2.4遥感图像增强,遥感图像增强的目的、实质和方法,目的：改善图像显示的质量，以利于图像信息的提取和识别。,计算机自动分类的一种预处理方法。,实质：突出重要信息，去除不重要或不必要信息（增强感应趣地物和周围背景地物间的反差）。,方法：光学增强方法和数字增强方法,具体方法：对比度变换、彩色增强、滤波等。,4.2.4遥感图像增强 遥感图像增强的目的、实质和方法,2,4.2.4遥感图像增强,11.遥感图像增强(工)对比度变化-线性变换,对比度大，反映图像的亮度值变化范围大，目标地物被识别的可能性就大；反之，目标与背景难以区别，识别的可能性就小。进行对比度扩展的主要方法有线性变换或非线性变换、直方图调整等。,线性变换是图像增强最常用的方法。指变换函数为线性关系，如：,式中，a，b为待定的系数。,4.2.4遥感图像增强11.遥感图像增强(工)对比度变,3,1.遥感图像增强(工)对比度变化,线性变换,由于判读目标与背景的关系比较复杂，常将函数考虑为将原图像的亮度值动态范围扩展至指定的范围或最大动态范围。方法如下：,变换前图像的亮度范围xa为a1至a2，变换后图像的亮度范围xb为b1至b2。变换方程可写为：,则,1.遥感图像增强(工)对比度变化 线性变换 由于判,4,1.遥感图像增强(工)对比度变化,1,线性变换,通过方程式可以把图像中需要变换的任一xa，变换成xb。达到改善图像动态范围，提高质量的目的。调整a1a2b1b2四个参数，即改变变换直线的形态，可以产生不同的变换效果。若a2-a1b2b1，亮度范围缩小，图像被压缩。当扩展范围为,(0，255),时，是一种常规的处理方法，即,线性拉伸(自动拉伸),。,1.遥感图像增强(工)对比度变化1 线性变换,5,1.遥感图像增强(工)对比度变化,1,非线性变换,非线性变换指采用非线性函数进行对比度扩展变换。常用方法有对数变换、指数变换和查表法等，变换函数，如图71(a)，(b)所示，其数学表达式：,式中a，b，c为可选择的控制参数，控制曲线的变化率、起点、截距等，增加变换的灵活性和动态范围的选择性。,1.遥感图像增强(工)对比度变化1 非线性变换,6,1.遥感图像增强(工)对比度变化,1,非线性变换,指数变换和对数变换,对数变换常用于扩展低亮度区(暗区)，压缩高亮度区的对比度，以突出隐伏暗区的目标，或使暗区层次显示清晰。指数变换的效果正好与对数变换相反，突出亮区而压制暗区。二者互为逆运算操作。,1.遥感图像增强(工)对比度变化1 非线性变换,7,1.遥感图像增强(工)对比度变化,1,非线性变换,查表法,是非线性变换的一种简单而有效的方法，即把亮度值的输入与输出间的变换关系列成表格，当输入某一已知值后，通过查表获得其对应的输出值。,直方图调整,是指通过变换函数，使原图像的直方图变换为所要求的直方图，并根据新直方图变更原图像的亮度值。直方图均衡化(histogram equalization)和直方图正态化(histogram normalization)。,1.遥感图像增强(工)对比度变化1 非线性变换,8,1.遥感图像增强(工)对比度变化,1,非线性变换,直方图均衡化(histogram equalization):,把原图像的直方图变换为灰度值频率固定的直方图，使变换后的亮度级分布均匀，图像中等亮度区的对比度得到扩展，相应原图像中两端亮度区的对比度相对压缩。,1.遥感图像增强(工)对比度变化1 非线性变换,9,1.遥感图像增强(工)对比度变化,1,非线性变换,直方图正态化(histogram normalization):将与正态分布形状相距较大的原图像的频率分布变换为正态分布。应注意的是，若将与正态分布相差较大的原图像的频率分布勉强变换为正态分布，则因原图像的某一灰度的频率很高，变换成正态分布使其对应的灰度值的频率降低，造成对该部分的压缩而丢失重要的信息。,在常用的遥感图像处理系统和各种商用图像处理系统中都有利用对比度变换的方法进行图像增强的模块。,1.遥感图像增强(工)对比度变化1 非线性变换,10,2.遥感图像增强()彩色合成,3.遥感图像变换()HIS彩色空间变换,(1),HIS变换:,HSI是色调(H：hue)、饱和度(S：saturation)和明度(I：intensity)的色彩模式，又称HIS，(hue，lightness，saturation)。在自动处理色彩时，通常采用彩色显示器显示系统进行，彩色显示器显示的色彩是由RGB信号的亮度来确定的，由于RGB表色系统不是线性的，所以通过这种操作调整显示色的色调比较困难。在这种情况下，可采用将RGB信号暂时变换为假设的表色系统HIS,调整明度和饱和度后，再返回到RGB信号上进行彩色合成。把这种RGB空间和HIS空间之间的关系模型及所进行的相互变换的处理过程称HIS变换。,2.遥感图像增强()彩色合成3.遥感图像变换(,11,3.遥感图像变换()HIS彩色空间变换,(2),HIS模式的定量表示：,HSI模式可以用近似的颜色立体来定量化。如左图为HIS六角锥彩色模型，即颜色立体曲线锥形改成上下两个六面金字塔状。,环绕垂直轴的圆周代表色调(H),，以红色为0，逆时针旋转，每隔60改变一种颜色并且数值增加1，一周(360)刚好6种颜色，顺序为红、黄、绿、青、蓝、品红。,垂直轴代表明度(I),，取黑色为0，白色为1，中间为05。,3.遥感图像变换()HIS彩色空间变换,12,3.遥感图像变换()HIS彩色空间变换,从,垂直轴向外沿水平面的发散半径代表饱和度(S),，与垂直轴相交处为0，最大饱和度为1。根据这一定义，对于黑白色或灰色，即色调H无定义，当色调处于最大饱和度时S=1，这时I=05。(严格地说，从视觉角度看，饱和度最大时，不同色调的明度不是相同的值)。,当色彩的表达定量化，并且从常用的红绿蓝(R，G，B)表达方式转换到HLS表达方式时，有一种计算方法设计如下：P121-P122,通过以上运算可以把RGB模式转换成HSI模式，这二种模式的转换对于定量的表示色彩特性，以及在应用程序中实现两种表达方式有重要的意义。,3.遥感图像变换()HIS彩色空间变换从垂直轴向外沿水,13,4.遥感图像变换()滤波,(1),空间滤波(spatial filtering):,是指在,图像空间(x，y),对输入图像应用若干,滤波函数,而获得改进的输出图像的技术，即对图像,中某些空间,的信息增强或抑制，（如,增强高频信息，抑制低频信息,，即突出边缘、纹理、线条等。,增强低频信息抑制高频信息,，即去掉细节。）其效果有噪声的消除，边缘及线的增强，图像的清晰化等。注重突出图像上的某些特征，如突出边缘或图像纹理，方法上是利用像元与其周围相邻像元的关系，采用空间域中的邻域处理方法，也叫做“空间滤波”，它属于一种几何增强处理。主要包括平滑和锐化。,4.遥感图像变换()滤波(1)空间滤波(spati,14,4.遥感图像变换()滤波,空间滤波技术的基本思路有3条：提取原图像的边缘信息，进行加权处理，然后与原图像叠加；提取原图像中的模糊成分进行加权处理，然后与原图像叠加；使用某一指定的函数对原图像进行加权，使图像产生尖锐或平滑的效果。在进行运算时，多采用空间卷积技术(又称掩摸技术)，即在原图像上移动“活动窗口”，逐块进行局部运算。,4.遥感图像变换()滤波 空间滤波技术的基本思路有3,15,4.遥感图像变换()滤波,图像卷积运算,：是在空间域上对图像作局部检测的运算，以实现平滑和锐化的目的。具体方法是选定一卷积函数，又称“模板”，实际上是一个MXN图像。二维的卷积运算是在图像中使用模板来实现运算的。,假定模板大小为MXN，窗口为 ，模板为 ，则模板运算为：,将计算结果放在窗口中心的像元位置，成为新像元的灰度值。然后活动窗口向右移动一个像元，再做同样的运算。P117说明,4.遥感图像变换()滤波 图像卷积运算：是在空间域上,16,4.遥感图像变换()滤波,平滑：图像中出现某些亮度过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减少变化，使亮度平缓或去掉不必要的“噪声”点，具体方法有均值平滑和中值滤波。,均值平滑：,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值。,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。,4.遥感图像变换()滤波 平滑：图像中出现某,17,4.遥感图像变换()滤波,锐化：,为了突出图像边缘、纹理、线状目标或某些亮度变化率大的部分而采用的方法，锐化后的图像已不再具有原遥感图像的特征而成为边缘图像。,具体方法很多：罗伯特梯度，索伯尔梯度，拉普拉斯算法，定向检测等。,4.遥感图像变换()滤波 锐化：为了突出图像边缘、纹,18,5.遥感图像多光谱变换()主成分分析(KL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。但数据量很大，在图像处理计算时，需耗费大量机时，占据大量磁盘空间，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。,多光谱变换方法可通过函数变换，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。变换的本质是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。,多光谱空间,：一个以各波段图像的亮度分布为子空间的向量空间。,（就是一个n维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。像元在坐标系中的位置可以表示成一个n维向量。）,5.遥感图像多光谱变换()主成分分析(KL变换),19,5.遥感图像多光谱变换()主成分分析(KL变换),（1）,KL变换,是离散Karhunenloeve变换的简称，又常被称作主成分变换。它是对某一多光谱图像X，利用KL变换矩阵A进行线性组合，而产生一组新的多光谱图像Y的操作，表达式为：Y=AX,其中X为变换前多光谱空间的像元矢量，y为变换后主分量空间的像元矢量，A为变换矩阵，因此，公式可写为：,5.遥感图像多光谱变换()主成分分析(KL变换)（,20,5.遥感图像多光谱变换()主成分分析(KL变换),对图像中每一像元矢量逐个乘以矩阵A，便得到新图像中的每一像元矢量。A 的作用是给多波段的像元亮度加权系数，实现线性变换。由于变换前各波段之间有很强的相关性，经过KL变换组合，输出图像y的各分量之间将具有最小的相关性。,KL变换的特点：,从几何意义来看，变换后的主分量空间坐标系与变换前的空间坐标系相比旋转了一个角度，而且新坐标系一定指向数据信息量较大的方向(主分量方向之一)。P125,5.遥感图像多光谱变换()主成分分析(KL变换),21,5.遥感图像多光谱变换()主成分分析(KL变换),就变换后的新波段主分量而言，KL变换后的新波段主分量包括的信息量不同，呈逐渐减少趋势。其中，第一主分量集中了最大的信息量，常常占80以上，第二、第三主分量的信息量依次快速递减，到第n分量信息几乎为0。由于KL变换对不相关的噪声没有影响，所以信息减少时，便突出了噪声，最后的分量几乎全是噪声。所以这种变换又可分离出噪声。,基于上述特点，在遥感数据处理时，常常用KL变换作数据分析前的预处理（数据压缩和图像增强）。,举例P125,5.遥感图像多光谱变换()主成分分析(KL变换),22,6.遥感图像多光谱变换()缨帽变换(KT变换),(1)KT变换是KauthThomas变换的简称，这种变换也是一种线性组合变换，其变换公式为：,Y=BX,这里X为变换前的多光谱空间的像元矢量，y为变换后的新坐标空间的像元矢量，B为变换矩阵。这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，而是指向了与地面景物有密切关系的方向。,1984年，Crist和Cicone提出TM数据在KT变换时的B值：P126,在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分辨率的热红外(第6波段)波段不予考虑。,B与矢量 相乘后得到新的6个分量，,6.遥感图像多光谱变换()缨帽变换(KT变换)(1,23,6.遥感图像多光谱变换()缨帽变换(KT变换),经过研究，新分量中的前三个分量与地面景物的关系明确：,y,l,为亮度,，实际是TM的6个波段的加权和，反映了总体的反射值。,y,2,为 绿度，,从变换矩阵B的第二行系数看，波长较长的红外波段5和7即()有很明显的抵削，剩下4与1，2，3，刚好是近红外与可见光部分的差值，反映了绿色生物量的特征。,Y,3,为湿度,，这个分量反映了可见光至近红外波段(波段1至4)与波长较长的红外(波段5，7)波段的差值，而5，7两波段对土壤湿度和植被湿度最为敏感，便于反映出湿度特征。Y,4,y,5,y,6,这三个分量与地物没有明确的对应关系，因此KT变换后只取前三个分量。这样也实现了数据压缩。,KT变换的研究主要针对TM数据和以前使用过的MSS数据，目前应用范围较窄，但它抓住了地面景物，特别是植键和土壤在多光谱空间中的特征。对于扩大陆地卫星TM影像数据分析在农业方面应用有重要意义。,6.遥感图像多光谱变换()缨帽变换(KT变换)经过,24,