1、遥感概论遥感概论 主讲：施新程主讲：施新程电子教案 1 1 光学增强光学增强2 2 对比度变换对比度变换3 3 空间滤波空间滤波4 4 彩色变换彩色变换5 5 图像运算图像运算6 6 多光谱运算多光谱运算本节提要本节提要（)。彩色图像可以分为真彩色图像和假彩色图像。1.利用加色法或减色法实现彩色合成加色法彩色合成:合成仪法,分层暴光法。彩色合成效果决定于使用仪器者的技术熟练程度和经验值高低,以及合成方案的选取是否合理.合成方案:像片时相+波段+色调减色法彩色合成:染印法,印刷法,重氮法2.光学增强处理 相关掩膜处理方法;改变对比度;显示动态变化;边缘突出由于判读目标与背景的关系比较复杂，常将函
2、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：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。n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)。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，即为该幅图像的直方图。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
3、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)。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。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。注意：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
4、比度变换的方法进行图像增强的模块。空间滤波: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（如高通滤波：增强高频信息抑制低频信息，即突出边缘、纹理、线条等；低通滤波：增强低频信息抑制高频信息，即去掉细节）。邻域法处理用于去噪声、边缘及线的增强，图像的清晰化、图像平滑、锐化和相关运算。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”
5、，逐块进行局部运算。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:举例)。MmNnnmtnmjir11),(),(),(nm,),(nmtA common filtering involves moving a window（活动窗口）of a few pixels in dimension
6、(e.g.3x3,5x5,etc.)over each pixel in the image,applying a mathematical calculation using the pixel values under that window,and replacing the central pixel with the new value.邻域处理又叫滤波处理，邻域的范围取决于滤波器的大小，如33或55等。边缘增强：侧重于保留低频成分的同时增强局部对比度，将部分或全部原图像的亮度值加到其高频成分图像上。边缘检测：通过方向性的差值技术增强图像中的边缘。统计滤波器：主要计算小的邻近区的统计
7、值，消除噪音或提取纹理特征。图像的平滑是使图像中高频成分消退，即平滑图像的细节，使其反差降低，保存低频成分，在频域中称为低通滤波。即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。常用平滑邻域算法常用平滑邻域算法平滑前后的图像直方图平滑前后的图像直方图平滑后的影像平滑后的影像原始影像原始影像A low-pass filter（低通滤波）（低通滤波）is designed to emphasise larger,homogeneous area
8、s of similar tone and reduce the smaller detail in an image.Thus,low-pass filters generally serve to smooth（平滑）（平滑）the appearance of an image.锐化是增强图像中的高频成分，在频域处理中称为高通滤波，也就是使图像细节的反差提高，也称边缘增强。锐化是对邻区窗口内的图像微分，突出图像边缘、纹理、线状目标或某些亮度变化率大的部分，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。锐化前后的直方图比
9、较锐化前后的直方图比较A high-pass filter（高通滤波）does the opposite,and serves to sharpen the appearance of fine detail in an image.单波段彩色变换:单波段黑白图像按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像，这种方法又叫密度分割。图像密度分割原理：（1）求图像的极大值dmax和极小值dmin；（2）求图像的密度区间D=dmax-dmin+1；（3）求分割层的密度差d=Dn，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多波段彩色变换:加色法彩色合成HIS
10、变换:是色调、饱和度和明度的色彩模式，又称HIS，(hue，lightness，saturation)。HIS变换原理：将RGB信号-(暂时变换)假设的表色系统HIS -调整明度和饱和度-RGB信号(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。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。地物不同波段的光谱差异。减法运算：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。可突现出两波段差值大的地物，如红外-红，可突现植被信息。比值运算：两幅同样行、列数的图像，对应像
11、元的亮度值相除（除数不为0）就是比值运算。该运算常用于突出遥感影像中的植被特征、提取植被类型或估算植被生物量，这种算法的结果称为植被指数。多光谱变换方法针对多光谱影像存在的一定程度上的相关性以及数据冗余现象，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）。K-L变换是离散Karhumen-loeve变
12、换的简称，又称主成分变换，它是一种除去波段之间的多余信息，将多波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。主成分变换是对某一多光谱图像X.利用K-L变换矩阵A进行线性组合,而产生一组新的多光谱图像Y。表达式为：Y=AX 假设有两个波段x1、x2的图像，其波段的亮度值之间存在相关性，如图所示的分布形状。通过投影，各数据可以表示为y1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，为了使信息损失最小，必须按照使一维数据的信息量(方差)最大的原则确定y1轴的取向，新轴y1称作第一主成分。Kauth-Thomas变换（)，简称K-T变换，又形象地称为“缨帽变换”
13、。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。K-T变换也是一种线性组合变换，使坐标空间的坐标轴旋转指向与地面景物有密切关系的方向。目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。1976年，Kauth和Thomas发现了一种线性变换，它使坐标空间发生旋转，但旋转后的坐标轴不是指向主成分的方向，而是指向另外的方向，这些方向与地面景物有密切的关系，特别是与植物生长过程和土壤有关。这种变换既可以实现信息压缩，又可以帮助解译分析农业特征，因此有很大的实际应用意义。经过研究，新分量中的前三个分量与地面景物的关系明确：实际是TM的6个波段的加权和，反映了总体的反射值。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。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。Y4,y5,y6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。
