三讲遥感图像处理1.ppt

1,遥感图像处理,遥感系统,1）目标物的电磁波特性2）信息的获取（传感器和遥感平台）3）信息的接收4）信息的处理5）信息的应用,2,遥感图像处理,光学影像光学原理和光学处理方法,数字影像,数字图像校正,数字图像增强,多源信息复合,3,1 数字图像2 辐射校正3 几何校正,数字图像校正,4,汤国安科学出版社,5,模拟图像与数字图像,光学图像（模拟图像）连续图像照片数字图像离散图像计算机存储模拟图像与数字图像之间的转换，称为模/数（A/D）转换。,6,数字图像,指能够被计算机存储、处理和使用的图像“离散化”、二维矩阵：每个元素的取值是图像连续变化的灰度的离散整数值,7,模拟图像（灰度、颜色的连续分布）,采样,像元号,像元,8,1、离散化的单元像元值的涵义？代表什么？2、在计算机内是如何存储的（以什么数据类型）？3、图像所占存储空间如何计算？,9,用平面直角坐标系表示一幅灰度范围为0-n的数字图像像元灰度分布状态，横轴表示灰度级，纵轴表示某一灰度级（或范围）的像元个数占像元总数的百分比。通过灰度直方图可以直观地了解图像特征，以确定图像增强方案并了解图像增强后的效果,图像直方图,10,不同反差特征的图像,11,反差增强,12,1 数字图像2 辐射校正3 几何校正,数字图像校正,13,辐射校正,由于传感器响应特性和大气的吸收、散射及其它随机因素影响，导致图像模糊失真，造成图像分辨率和对比度相对下降。这些都需要通过辐射校正复原。包括：系统辐射校正、大气校正,14,大气影响的定量分析,地面上单位面积的辐照度为,假定地表面是朗伯体，其表面为漫反射，则某方向物体的亮度为,系统增益系数因子，进入传感器的亮度值,无大气影响状况,15,大气影响的定量分析,受入射方向透过率 和反射方向透过率 的影响，进入传感器的亮度值为：,漫入射辐照度为ED，反射后进入传感器的亮度值为：,散射光直接进入传感器的辐射（程辐射亮度LP）,16,大气影响的定量分析,大气的影响主要是减少了图像的对比度，使原始信号和背景信号都增加了因子。,17,大气影响的粗略校正,通过比较简便的方法去掉上式中的LP，从而改善图像质量。,问题：精确校正？,18,大气影响的粗略校正,（1）直方图最小值去除法（2）回归分析法(3)野外波谱测试回归分析法,19,（1）直方图校正方法 从图像像元亮度值中减去一个辐射偏置量（LP），辐射偏置量等于图像直方图中最小的辐射亮度值。前提（假设）：水体（或阴影）等物体的灰度值为0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量）暗物体法（Dark-object method）,20,21,（2）回归分析法,原理：在遥感图像上大山的阴影区或深大水体区域，各个波段的反射为零。同时，大气散射主要影响短波部分，波长较长的波段几乎不受影响，因此可用其校正其它波段数据。方法：在不受大气影响的波段（如TM7）和待校正的某一波段图像中，选择一系列目标，将每个目标的两个待比较的波段灰度值提取出来进行回归分析，建立线性回归方程。,Y：待校正波段的图像亮度值X：不受大气影响波段的图像亮度值,22,（2）回归分析法,怎么求a,b？,23,（3）野外波谱测试回归分析法,24,1 数字图像2 辐射校正3 几何校正,数字图像校正,25,遥感影像变形的原因,（1）遥感平台位置和运动状态变化,26,遥感影像变形的原因,（2）地形起伏影响,27,遥感影像变形的原因,（3）地球表面曲率的影响,像点位置的移动,像元对应于地面宽度的不等,28,遥感影像变形的原因,（3）地球表面曲率的影响,29,遥感影像变形的原因,（4）大气折射的影响,30,遥感影像变形的原因,（5）地球自转的影响,31,几何畸变校正,32,几何畸变校正,数字纠正：通过计算机对图象每个象元逐个地解析纠正处理完成，可以较精确改正线性和非线性变形误差。,包括两个方面（基本环节）：（1）像元坐标变换；（2）像元灰度值重新计算（重采样）。,33,数字图像几何纠正的主要处理过程,准备工作：图像、地图、大地测量资料、平台轨道参数、传感器参数、控制点的选择；（具体内容可选）纠正变换函数建立：输入和输出图像间的坐标变换关系；如多项式法、共线方程法等,34,数字图象几何校正方法(函数的建立),多项式纠正法：常用的方法基本原理：不考虑成像的空间几何过程，而直接对图象变形的本身进行数学模拟。把遥感图象的总体变形看作是平移、缩放、旋转、仿射、偏扭、弯曲及更高次的基本变形的综合作用结果，因此，将纠正前后图象相应点间的坐标关系用一适当的多项式表达一般取2次，可以满足精度要求需要地面控制点：分布、数量,35,确定纠正后图像的边界范围,纠正后图像的边界范围，指在计算机存储器中为输出影像所开出的存储空间大小，以及该空间边界范围（首行、首列、末行、末列）的地图（或地面）坐标定义值；纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前，必须首先确定新图像的大小范围。,36,先求出原始图像四个角点（a,b,c,d）在纠正后图像中的对应点（a,b,c,d）的坐标（Xa,Ya）(Xb,Yb)(Xc,Yc)(Xd,Yd)；然后求出最大值和最小值。为了将该边界范围转换为计算机纠正后的存储数组空间，须在其中划分出网格，每个网格代表一个输出像元；须根据精度要求确定输出像元的地面尺寸；地面坐标与输出图象坐标关系表达,确定纠正后图像的边界范围,37,确定纠正后图像的边界范围,X1=min(Xa,Xb,Xc,Xd)X2=max(Xa,Xb,Xc,Xd)Y1=min(Ya,Yb,Yc,YXd)Y2=max(Ya,Yb,Yc,Yd),38,坐标变换,确定原始图象和纠正后图象间的坐标变换关系（x,y）-(u,v)(u行数,v列数,均为整数)有两种方案：直接纠正方案和间接纠正方案（正解法，反解法）直接纠正方案：从原始图象阵列出发，依次对 其中每一个象元P(x，y)分别计算其在输出（纠正后）图象的坐标P(X，Y)，并计算P(X，Y)的灰度值;间接纠正方案：从空白图象阵列出发，依次计算每个象元P(X，Y)在原始图象中的位置P(x，y)，然后把该点的灰度值依次计算后返送给P(X，Y).二者间并无本质差别，互为逆变换,39,坐标关系,（xp,yp）（XP,YP）分别是任意一个像元在原始图像和纠正后图像中的坐标。,直接,间接,40,坐标变换,41,图象灰度值的重采样,几何校正过程中，由于校正前后图象的像元大小可能变化、象元点位置的相对变化等，不能简单用原图象象元灰度值代替输出象元灰度值。对应的坐标值可能不是整数 因此，需要插值（重采样）三种插值方法：最邻近法、双线性法、三次卷积法,42,灰度值重采样示意图,43,最邻近法（nearest neighbor）,用距离投影点(采样点)最近象元灰度值代替输出象元灰度值简单、省时，保留原始图象的值边缘出现锯齿状,44,45,原始图像,纠正后图像（最邻近插值）,46,双线性内插法,利用X方向和Y方向进行三次插值(4个邻点),47,48,双线性插值,原始图像,纠正（双线性插值）,49,三次卷积法(cubic convolution),取与投影点邻近的16个象元灰度值（4*4），计算输出象元的灰度值有不同的实现算法,50,51,原始图像,几何纠正（三次卷积）,52,控制点的选择,地面控制点（GCP，Ground Control Point）:一些特定的象元，其地图坐标或其它输出坐标为已知人工地物 线性地物交叉点不易随时间变化的目标大比例尺的图象：道路交叉点、机场跑道、建筑物小比例尺的图象：城区、一些线性地物交叉点（河流、道路）分布：较均匀分布与图象范围内，保证足够数量,53,控制点的选择,注意问题：1.多项式纠正法的精度与地面控制点（GCP）的精度、分布、数量及纠正范围有关；GCP的位置精度越高，则几何纠正的精度越高；GCP的个数不少于多项式的系数个数；适当增加GCP的个数，可以提高几何纠正的精度。20-30个GCP，一般可以满足需求2.GCP分布应尽可能在整幅图像内均匀分布，否则在GCP密集区精度较高，在GCP分布稀疏区出现较大误差,54,最少的控制点数量,