遥感图像处理资料课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第4章 遥感图像处理,4.1 光学原理与光学处理,4.2 数字图像的校正,4.3 数字图像的增强,4.4 多源信息复合,第4章 遥感图像处理4.1 光学原理与光学处理,1,第4章 遥感图像处理,4.1 光学原理与光学处理,4.2 数字图像的校正,4.3 数字图像的增强,4.4 多源信息复合,第4章 遥感图像处理4.1 光学原理与光学处理,2,4.3 数字图像的增强,对比度变换,空间滤波,彩色变换,图像运算,多光谱变换,4.3 数字图像的增强 对比度变换,3,4.3.1 对比度变换,（1）相关概念,对比度变换：,又称对比度扩展、灰度变换、辐射增强等,亮度直方图,4.3.1 对比度变换（1）相关概念,4,从直方图形态判断影像质量,从直方图形态判断影像质量,5,（2）对比度变换的方法,1）线性变换,2）非线性变换,（2）对比度变换的方法 1）线性变换,6,直方图,数字影像,最小值,最大值,(1)线性变换,直方图数字影像最小值最大值(1)线性变换,7,要设计一个线性变换函数，将亮度值为015影像拉伸为030。该变换函数在图中是一条直线.,方程式为：,要设计一个线性变换函数，将亮度值为015影像拉伸,8,变换前后直方图对比,变换后影像,最小值,最大值,变换前后直方图对比变换后影像最小值最大值,9,一般情况下，当线性变换时，变换前影像的亮度范围x,a,为a,1,a,2,，变换后影像的亮度范围x,b,为b,1,b,2,，变换关系是直线，则变换方程为,一般情况下，当线性变换时，变换前影像的亮度范围xa为a1,10,对 分析与讨论,（1）若a,2,-a,1,b,2,-b,1,：,亮度范围缩小，影像被压缩。,（3）对于a,2,与a,1,的取值位置：,是取在影像亮度值的全部或部分，偏亮或偏暗处，要根据对影像显示效果的需要而人为地设定,对 分析与,11,分段线性变换,为了更好地调节影像的对比度，需要在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为,分段线性变换,。,分段线性变换时，变换函数不同，在变换坐标系中成为折线，折线间断点的位置根据需要决定。,分段线性变换为了更好地调节影像的对比度，需要在一些亮度段拉伸,12,变化前亮度值,0 1 2 3 4 5,6 7 8 9 10 11,12 13 14 15,变化后亮度值,0 0 1 1 1 2,2 4 6 8 10 12,13 14 14 15,结果比较,变化前亮度值0 1 2 3 4 5 6,13,（2）非线性变换,当变换函数是非线性时，即为非线性变换。,常用非线性变换函数：,指数变换,对数变换,（2）非线性变换当变换函数是非线性时，即为非线性变换。,14,指数变换,数学表达式：,特点：,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,指数变换数学表达式：特点：,15,对数变换,数学表达式：,特点：,在亮度值较高的部分：,缩小亮度间隔，属于压缩,在亮度值较低的部分：,扩大亮度间隔，属于拉伸,对数变换数学表达式：特点：,16,对比度变换函数的适用对象：,对比度变换函数的适用对象：,17,线性变换,分段线性变换,线性变换分段线性变换,18,对数变换,指数变换,对数变换指数变换,19,4.3.2 空间滤波,概念,空间滤波是通过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，实现重点突出图像上的某些特征的目的（如突出边缘或纹理）。,属于几何增强处理，包括：平滑和锐化。,与对比度变换的区别,对比度增强是通过单个像元的运算从整体上改善影像的质量,空间滤波则是以重点突出影像上的某些特征为目的,4.3.2 空间滤波概念,20,（1）图像卷积运算,概念：,图像的卷积运算是在空间域上对图像做局部检测的运算，以实现图像的平滑和锐化,二维的卷积运算是在影像中使用模板来实现的,（1）图像卷积运算概念：,21,二维卷积运算方法,二维卷积运算方法,22,（,2）平滑（低通滤波）,作用：,影像中出现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，使亮度平缓或去掉不必要的“噪声”点。,具体方法：,均值平滑,中值滤波,（2）平滑（低通滤波）作用：,23,均值平滑,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，以达到去掉尖锐“噪声”和平滑影像的目的。,计算公式：,一般采用33的模板作卷积运算：,t(m,n)=,或t(m,n)=,1/9 1/9 1/9,1/9 1/9 1/9,1/9 1/9 1/9,1/8 1/8 1/8,1/8 0 1/8,1/8 1/8 1/8,均值平滑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,24,中值滤波,作用：,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，以达到去尖锐“噪声”和平滑影像的目的,方法：,采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。,MN取奇数为好,中值滤波作用：,25,原图像,中值滤波后的图像,采用13模板进行中值滤波,原图像中值滤波后的图像采用13模板进行中值滤波,26,均值平滑与中值滤波的比较,二者的平滑效果,均值滤波算法简单，速度快，容易消除噪声，但也使影像变的模糊；,中值滤波在取出噪声的同时，能够有效地减少模糊；,适用范围,影像亮度为阶梯状变化时：均值平滑,对于突出亮点的“噪声”干扰：中值滤波,均值平滑与中值滤波的比较二者的平滑效果,27,中值滤波与均值平滑的结果对比,中值滤波与均值平滑的结果对比,28,遥感图像处理资料课件,29,（3）锐化（边缘增强，高通滤波）,作用,为了突出影像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。,通过锐化，可直接提取出需要的信息。,基本原理：,梯度变化,梯度反映了相邻像元的亮度变化率。也就是说，影像中如果存在边缘，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。对于亮度值较平滑的部分，亮度梯度值较小。,（3）锐化（边缘增强，高通滤波）作用,30,主要方法,罗伯特（Roberts）梯度,索伯尔（Sobel）梯度,拉普拉斯（Laplace）算法,定向检测,主要方法,31,罗伯特梯度,基本公式：,模板：,阈值设定,罗伯特梯度基本公式：,32,索伯尔梯度,与罗伯特梯度类似,模板,特点,较多地考虑邻域点的关系，相对更加精确,索伯尔梯度与罗伯特梯度类似,33,原图像,罗伯特梯度锐化,索伯尔梯度锐化,原图像罗伯特梯度锐化索伯尔梯度锐化,34,拉普拉斯算法,模板与计算,特点：,检测变化率的变化率（二阶微分）,改进：,拉普拉斯算法模板与计算,35,原图像,拉普拉斯计算结果,改进的拉普拉斯计算结果,原图像拉普拉斯计算结果改进的拉普拉斯计算结果,36,定向检测,检测垂直边界,检测水平边界,定向检测检测垂直边界,37,定向检测（水平、垂直）,定向检测（水平、垂直）,38,检测对角线边界,检测对角线边界,39,定向检测（对角线方向）,定向检测（对角线方向）,40,4.3.3 彩色变换,单波段彩色变换,多波段色彩变换,HLS变换（孟赛尔变换）,4.3.3 彩色变换单波段彩色变换,41,（1）,单波段彩色变换,含义：,单波段黑白遥感影像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色影像。这种方法又叫,密度分割、伪彩色增强,。,意义与作用,对于遥感影像而言，将黑白单波段影像赋上彩色总是有一定目的的，如果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。,（1）单波段彩色变换含义：,42,遥感图像处理资料课件,43,（2）多波段彩色变换,相关概念,多波段彩色合成,假彩色合成,真彩色合成,（2）多波段彩色变换相关概念,44,合成方案的选择,标准假彩色合成,将绿波段赋蓝，红波段赋绿，近红外波段赋红时，这一合成方案被称为,标准假彩色合成,，是一种最常用的合成方案。,如landsat的TM影像第4（近红外）、3（红色）、2（绿色）波段分别被赋予红、绿、蓝。,合成方案的选择,45,其他合成方案,根据不同的应用目的，经实验、分析，寻找最佳合成方案，以达到最好的目视效果。,通常，以合成后的信息量最大和波段之间的信息相关最小作为选取合成的最佳目标。,如：TM影像的第4（近红外）、5（短波红外）、3（红色波段）分别赋予红、绿、蓝，效果更好。,其他合成方案,46,TM标准假彩色合成图像,TM7(R)、4(G)、2(B),TM标准假彩色合成图像TM7(R)、4(G)、2(B),47,TM3(R)、2(G)、1(B),TM4(R)、5(G)、3(B),TM3(R)、2(G)、1(B)TM4(R)、5(G)、3(,48,遥感图像处理资料课件,49,遥感图像处理资料课件,50,（3）HLS(HSI)变换（孟赛尔变换）,存在,两种彩色空间：,HLS彩色空间和RGB彩色空间,。HLS代表色调、亮度(强度)和饱和度（hue，lightness（intensity）,saturation）的色彩模式，构成HLS彩色空间；RGB代表红、绿、蓝的色彩模式，构成RGB彩色空间。,一种颜色既可以用RGB空间的R、G、B来描述，也可以用HLS空间的H、L、S来描述。HLS变换就是RGB空间和HIS空间之间的变换,（3）HLS(HSI)变换（孟赛尔变换）存在两种彩色空间：H,51,HLS空间,HLS空间,52,在HLS彩色空间，色调（H）、亮度（L）、饱和度（S）可以分成不同等级，便于定量处理色彩，但在直观上RGB空间更容易理解。,处理：首先把红、绿、蓝信号变换为HLS空间的H、L、S，调整L、S之后再变换到RGB信号上进行彩色合成。,在HLS彩色空间，色调（H）、亮度（L）、饱和度（S）可以分,53,遥感图像处理资料课件,54,4.3.4 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。,常用的运算方法有：,差值运算,比值运算,4.3.4 图像运算两幅或多幅单波段影像，完成空间配准后，,55,（1）差值运算,含义：,两幅同样行、列数的影像，对应像元的亮度值相减，即：,作用,有利于提取与背景反差较小的地物的信息,常用于研究同一地区不同时相的动态变化,突出边缘与线状地物,（1）差值运算含义：,56,（1）比值运算,含义：,两幅同样行、列数的影像，对应像元的亮度值相除（除数不为0），即,（1）比值运算含义：,57,作用,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。如计算,植被指数,植被指数常用算法,近红外波段红波段,（近红外-红）/(近红外+红）,植被指数算法举例,TM4/TM3,(TM4-TM3)/(TM4+TM3),作用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,58,去除地形影响,如：向阳面与背阴面,其他方面,浅海区的水下地形,土壤富水性差异,微地貌变化,与隐伏构造有关的线性特征,去除地形影响,59,4.3.5 多光谱变换,目的,保留主要信息，降低数据量,增强或提取有用信息,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,4.3.5 多光谱变换目的,60,多光谱变换的数学基础,所谓多光谱空间就是一个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。像元点在坐标系中的位置可以表示成一个n维向量：,多光谱变换的数学基础,61,常用的多光谱变换方法,KL变换,KT变换,常用的多光谱变换方法,62,（1）KL变换（主成分变换）,含义,是离散（Karhunenloeve）变换的简称，又被称,作,主成分变换,它是对某一多光谱影像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影像Y，即：,Y=AX,也可以写为：,（1）KL变换（主成分变换）含义,63,A（变换矩阵）作用是给多波段的像元亮度加权系数，实现线性变换。,A的计算：空间矩阵X的相关系数矩阵的特征值所对应的特征向量。,遥感图像处理资料课件,64,KL变换的特点,是着眼于变量之间的相互关系，尽可能不丢失信息地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。,可以把影像中所含的大部分信息用假想的少数波段表示出来，这意味着信息几乎不丢失但数据量可以减少,KL变换的特点是着眼于变量之间的相互关系，尽可能不丢失信息,65,TM图像主成分变换结果,TM图像主成分变换结果,66,KL变换的目的与作用,数据压缩,图像增强,KL变换的目的与作用数据压缩,67,（2）KT变换（缨帽变换）,含义：,KT变换是KauthThomas变换的简称，也称缨帽变换。,这种变换也是一种线性组合变换，其变换公式为：Y=BX,对不同的影像数据，B矩阵不同。,（2）KT变换（缨帽变换）含义：,68,KT变换的特点,也是一种坐标空间发生旋转的变换,变换后的坐标轴指向与地面景物有密切关系的方向（KL变换后指向主成分方向）,KT变换的作用,主要针对TM数据和曾经广泛使用的MSS数据。它抓住了地面景物，特别是植被和土壤在多光谱空间中的特征，这对于扩大陆地卫星TM影像数据分析在农业方面的应用有重要意义。,KT变换的特点,69,KT变换举例（一）,1984年，Crist和Cicone提出TM数据在KT变换时的B值：,KT变换举例（一）1984年，Crist和,70,该矩阵为6 6矩阵，主要针对TM15和7波段，第6（热红外）波段，由于分辨率低，一般不予考虑。,B与矢量X相乘后得到新的6个分量Y，其中，X（x1，x2，x6,T,，Y（y1，y2，y6,T,。经研究，新分量中的前三个分量与地面景物的关系密切。,Y的6个分量是互相垂直的6维空间。,该矩阵为6 6矩阵，主要针对TM15和7波段，第6（热红,71,KT变换后的数字图像分析,y1为,亮度,，实际上是TM的6个波段的加权和，反映出图像总体的反射值。,y2为,绿度,，反映了绿色生物量的特征。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x5，x7有很明显的抵削，剩下4与1，2，3波段，刚好是近红外与可见光部分的差值。,y3为,湿度,，该分量反映了可见光与近红外波段l一4与波长较长的红外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，易于反映出湿度特征。,y4，y5，y6这三个分量没有与景物明确的对应关系，因此KT变换后只取前三个分量，这样也实现了数据的压缩。,KT变换后的数字图像分析y1为亮度，实际上是TM的6个波段,72,TM图像真彩色合成显示与K-T变换后1，2，3三个分量,TM图像真彩色合成显示与K-T变换后1，2，3三个分量,73,为了更好地分析农作物生长过程中植被与土壤特征的变化，将3个分量进行组合：,将亮度y1和绿度y2两分量组成的二维平面叫做“植被视面”；,将湿度y3和亮度yl两分量组成的二维平面叫作“土壤视面”；,最后，将湿度y3与绿度y2组成第三个面叫“过渡区视面”。,这三个分量共同组成一个新的三维空间，植被和土壤的特征便看得更清楚了,。,为了更好地分析农作物生长过程中植被与土壤特征的变化，将3个分,74,遥感图像处理资料课件,75,KT变换举例（二）（略讲）,对于MSS数据，变换矩阵B为：,变换后：,KT变换举例（二）（略讲）对于MSS数据，变换矩阵B为：,76,Y的4个分量互相垂直；,4个分量的含义：,y,1,称为亮度分量，主要反映了土壤反射率变化的信息,y,2,称为绿度分量，主要是反映了地面植物的绿度,y,3,称为黄度分量，主要是反映了植物的枯萎程度,y,4,没有实际意义,Y的4个分量互相垂直；,77,4.4 多元信息复合,（1）多源信息复合,定义：,是将多种遥感平台，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技术,优点：,有利于综合分析，实现优势互补,4.4 多元信息复合（1）多源信息复合,78,（2）遥感信息的复合,定义：,是指不同传感器的遥感数据的复合，以及不同时相的遥感数据的复合,包括,不同传感器的遥感数据的复合,不同时相的遥感数据复合,（2）遥感信息的复合定义：,79,不同传感器的遥感数据的复合,既可以提高新图像的空间分辨率又可以保持较丰富的光谱信息（彩图6）,不同的问题有不同的复合方案,洪水监测，可选择的遥感信息源有TM图像、侧视雷达图像、气象卫星图像等,首先要解决的问题是匹配问题,包括配准和复合,不同传感器的遥感数据的复合既可以提高新图像的空间分辨率又可以,80,配准,采用几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算等对分辨率较小的图像进行重采样，完成配准。,复合,一般是生成新图像，采用彩色合成方法,（课本举例）,配准,81,（课本举例）,将TM与SPOT复合，选取TM三个波段4，3，2和SPOT全色波段共4个波段,方法一：,每幅TM图像均与SPOT图像作逐点运算，如相加、相减或相乘，或其他运算方案，生成三幅图像，进行彩色合成，生成复合图像,（课本举例）,82,方法二：,按下式进行计算，将新生成的图像L,R复,赋予红色，,L,G复,赋予绿色，L,B复,赋予蓝色，彩色合成后生成复合图像,方法二：按下式进行计算，将新生成的图像LR复赋予红色，,83,方法三：代换法,对TM的所有波段进行主成分变换，然后用SPOT的高分辨率全色波段代换变换后的TM第1主成分。将代换后的所有波段再做一次主成分变换的反变换。这种处理方法既保持了原有TM数据的光谱分辨率，又增加了SPOT的高空间分辨率的特点。,对假彩色合成的任意三个波段实行HLS变换，然后用SPOT的高分辨率全色波段代换变换后的明度成分，将代换后的三个波段再做HLS到RGB的反变换，生成新的彩色合成图像，大大提高了空间分辨率。,方法三：代换法 对TM的所有波段进行主成分变换，然后用SPO,84,不同时相遥感数据的复合,用来研究时间变化所引起的各种动态变化,配准,利用几何校正的方法做位置匹配,直方图调整,调整成一致的直方图，使图像亮度值趋于协调，以便于比较,复合,彩色合成方法，差值方法，比值方法,不同时相遥感数据的复合 用来研究时间变化所引起的各种动,85,（3）遥感数据与非遥感数据的复合,作用,遥感手段获取信息不能解决遇到的全部问题，因此将地形、气象、水文等专题信息，行政区划、人口、经济收人等人文与经济信息作为遥感数据的补充，可有助于综合分析问题，发现客观规律，提高解译的效果,（3）遥感数据与非遥感数据的复合 作用,86,基本步骤,地理数据的网格化（栅格化）,通过网格化，使地理数据成为网格化的数据（栅格数据）；地面分辨率与遥感数据一致；,网格化采用：趋势面拟合,配准,：（几何校正）,基本步骤地理数据的网格化（栅格化）,87,遥感图像处理资料课件,88,最优遥感数据的选取,选取SPOT数据的全色波段,选取KL变换后的前两个波段,复合,栅格数据与栅格数据：,假彩色合成；叠加，做适当的运算,栅格数据与矢量数据,栅格与矢量的复合,不同层的复合,最优遥感数据的选取,89,作业与复习思考题,作业：p133，第10，11题。,（1）颜色的性质及其含义。,（2）简要说明颜色立体模型。,（3）互补色、三原色、颜色相加、颜色相减的原理。,（4）数字图像，数字图像的表示，数字图像和模拟图像的区别,（5）何谓辐射畸变，辐射畸变产生的原因。,（6）用直方图最小值法去除大气对太阳辐射影响的原理及过程。,（7）引起遥感影像变形的原因。,作业与复习思考题作业：p133，第10，11题。,90,（8）对遥感影像进行几何的基本思路与步骤，校正后亮度值计算的主要方法及优缺点，控制点选取的基本原则。,（9）数字图像增强处理的主要方法。,（10）何谓空间滤波？主要方法及作用。,（11）数字图像彩色变换的主要方法；多波段彩色变换，假彩色合成，标准假彩色合成。,（12）数字图像差值运算及比值运算的作用。,（13）多光谱变换的基本原理与主要方法；K-L变换的特点及作用。,（14）遥感数据与非遥感数据复合的意义。,（8）对遥感影像进行几何的基本思路与步骤，校正后亮度值计算的,91,