环境遥感技术及应用(田静毅)第四章遥感图像处理.ppt

《环境遥感技术及应用(田静毅)第四章遥感图像处理.ppt》由会员分享，可在线阅读，更多相关《环境遥感技术及应用(田静毅)第四章遥感图像处理.ppt（53页珍藏版）》请在三一办公上搜索。

1、第三节 数字影像增强,数字影像增强目的：增强目视效果提高影像质量和突出所需信息有利于分析判读或作进一步的处理,数字影像增强,1 对比度变换2 彩色变换3 空间滤波4 影像运算5 多光谱增强处理,1、对比度变换,是一种通过改变影像像元的亮度（灰度）值来改变影像像元对比度，从而改善影像质量的图像处理方法。又称对比度扩展、反差增强、灰度变换、辐射增强。因为亮度值是辐射强度的反映，所以也称之为辐射增强。常用的方法有对比度线性变换和非线性变换。,通过像元亮度直方图可以判断影像质量：每一幅影像都可以求出其像元亮度值的直方图，观察直方图的形态，可以粗略地分析影像的质量。一般来说，一幅包含大量像元的影像，其像

2、元亮度值应符合统计分布规律，即假定像元亮度随机分布时，直方图应是正态分布的。实际工作中，若影像的直方图接近正态分布，则说明影像中像元的亮度接近随机分布，是一幅适合用统计方法分析的影像。当观察直方图形态时，发现直方图的峰值偏向亮度坐标轴左侧，则说明影像偏暗。峰值偏向坐标轴右侧，则说明影像偏亮，峰值提升过陡、过窄，说明影像的高密度值过于集中，以上情况均是影像对比度较小，影像质量较差的反映。,直方图以统计图的形式表示图像亮度值与像元数之间的关系。在二维坐标系中，横坐标代表图像中像元的亮度值，纵坐标代表每一亮度或亮度间隔的像元数占总像元数的百分比。从直方图统计中可以找到一幅图像中的最小亮度值。,从直方

3、图形态判断影像质量,线性变换 为了改善影像的对比度，必须改变影像像元的亮度值，并且这种改变需符合一定的数学规律，即在运算过程中有一个变换函数。如果变换函数是线性的或分段线性的，这种变换就是线性变换。线性变换是图像增强处理最常用的方法。,直方图,数字影像,最小值,最大值,将亮度值为0-15影像拉伸为0-30，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。当亮度值xa从0-15变换成xb从0-30，变换函数在图中是一条直线OO，方程式为,变换前后直方图对比,变换后影像,一般情况下，当线性变换时，变换前影像的亮度范围xa为a1-a2，变换后影像的亮度范围xb为b1-

4、b2，变换关系是直线，则变换方程为,通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。若a2-a1b2-b1，亮度范围缩小，影像被压缩。对于a2与a1，是取在影像亮度值的全部或部分，偏亮或偏暗处，均可根据对影像显示效果的需要而人为地设定。,有时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拆线，拆线间断点的位置根据需要决定。从图中可以看出，第一、三段为压缩，第二段为拉伸，每一段的变换方程为：,结果比较,非线性变换,当变换函数是非线性时，即为非线性变换。非线性变换的

5、函数很多，常用的有指数变换和对数变换。,指数变换 其意义是在亮度值较高的部分xa 扩大亮度间隔，属于拉伸，而在亮度值较低的部分xb缩小亮度间隔，属于压缩，其数学表达式为,a，b，c为可调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。,对数变换 与指数变换相反，它的意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩，其数学表达式为,a，b，c仍为可调参数，按需要决定其值。,2、彩色变换,亮度值的变化可以改善影像的质量，但就人眼对影像的观察能力而言，一般正常人眼只能分辨20级左右的亮度级，而对彩色的分辨能力则可达1000多种，远远大于对黑白亮度值的分辨能力。不同的彩色变换可大大增强

6、影像的可读性，在此介绍常用的三种彩色变换方法。单波段彩色变换多波段色彩变换HSI变换,单波段彩色变换,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，即按影像的密度进行分层，每一层所包含的亮度值范围可以不同。例如，亮度0-10为第一层，赋值1，11-15为第二层，赋值2，16-30为第三层，赋值3，等等，再给1，2，3等分别赋不同的颜色，于是生成一幅彩色影像。目前计算机显示彩色的能力很强，理论上完全可以将256层的黑白亮度赋予256种彩色，因此彩色变换很有前景。,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

7、案与地物光谱差异对应得好，可以区分出地物的类别。例如在红外波段，水体的吸收很强，在影像上表现为接近黑色，这时若取低亮度值为分割点并以某种颜色表现则可以分离出水体；同理砂地反射率高，取较高亮度为分割点，可以从亮区以彩色分离出砂地。因此，只要掌握地物光谱的特点，就可以获得较好的地物类别影像。当地物光谱的规律性在某一影像上表现不太明显时，也可以简单地对每一层亮度值赋色，以得到彩色影像，也会较一般黑白影像的目视效果好。,多波段彩色变换,根据加色法彩色合成原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种原色，就可以合成彩色影像。如果原色的选择与原来遥感波段所代表的真实颜色相同，生成的合成色能真实或

8、近似反映地物本来的颜色，称真彩色合成；R 一红色波段。G 一绿色波段。B 一蓝色波段。真彩色图像上影像的颜色与地物颜色基本一致。利用数字技术合成真彩色图像时，是把红色波段的影像作为合成图像中的红色分量、把绿色波段的影像作为合成图像中的绿色分量、把蓝色波段的影像作为合成图像中的蓝色分量进行合成的结果。如TM321分别用RGB合成的图像。,如果原色的选择与原来遥感波段所代表的真实颜色不同，生成的合成色不能真实反映地物本来的颜色，称假彩色合成。如TM432用RGB合成的图像为标准假彩色图像.,多波段影像合成时，方案的选择十分重要，它决定了彩色影像能否显示较丰富的地物信息或突出某一方面的信息。以陆地卫

9、星Landsat的TM影像为例，TM的7个波段中，第2波段是绿色波段（052-060m），第3波段是红色波段（063-069m），第4段波段是近红外波段（0760.90m），当4，3，2波段被分别赋予红R、绿G、蓝B色时，即绿波段赋蓝，红波段赋绿，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。,Landsat/TM 标准假彩色合成,实际应用时，应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，例如，TM的4，5，3波段依次被赋予红、绿、蓝色进行合成，可以突出较丰富的信息

10、，包括水体、城区、山区、平原及线性特征等，有时这一合成方案甚至优于标准的4，3，2波段的假彩色合成,多波段彩色变换,TM标准假彩色合成图像432,TM7(R)、4(G)、2(B),TM3(R)、2(G)、1(B),TM4(R)、5(G)、3(B),蓝、绿、红（R G B）,ETM南京紫金山和玄武湖2000年6月12日,HIS变换（孟塞尔变换）,存在两种彩色空间：HIS（hue，intensity,saturation）彩色空间H代表色调、明度和饱和度的色彩模式，构成HIS彩色空间；RGB 代表RED、GREEN、BLUE的色彩模式，构成RGB彩色空间。在计算机上定量处理色彩时，通常采用RGB表

11、色系统，但在视觉上定性描述色彩时，采用HIS显色系统更直观些。也就是说一种颜色既可以用RGB空间来描述，也可以用HIS空间来描述。HIS变换就是RGB空间和HIS空间之间的变换。,在HIS彩色空间里，色调、亮度、饱和度可以分成不同等级，便于定量处理色彩，但在直观上RGB空间更容易理解。根据需要HIS和RGB可以相互转换,3、空间滤波,空间滤波是指对频率特征的一种筛选技术。影像的滤波处理是对影像中某些空间频率特征的信息增强或抑制。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。而空间滤波则是以重点突出影像上的某些特征为目的，如突出边缘或纹理等，通过处理突出某些像元与其周围相邻像元的关系。,

12、空间域滤波,空间域滤波是在影像的空间变量内进行的局部运算，使用空间二维卷积方法。主要包括平滑和锐化。空间域滤波是在空间域上对影像作局部检测的运算，以实现平滑和锐化的目的。具体作法是选定一卷积函数，又称“模板”，实际上是一个MN影像。二维的卷积运算是在影像中使用模板来实现运算的。,对于图像的任一像素（x，y），以此为中心，按照上下左右所设定的范围，成为窗口，行列数为奇数，按照行数列数来命名。如：3 3窗口，表示由3行和3列像素构成的矩形范围。卷积是空间域上针对窗口进行的运算。,图像的卷积运算从影像左上角开始开一与模板同样大小的活动窗口，影像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为M*

13、N，窗口为(m,n)，模板为t(m，n)，则模板运算为:,将计算结果r（i，j）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，再按上式与模板进行同样的运算，仍旧把计算结果放在移动后的窗口中心位置上，依次进行，逐行扫描，直到全幅图像扫描一遍结柬，则新图像生成。,平滑 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。具体方法有：均值平滑中值滤波,锐化(边缘增强）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。有时可通过锐化，直接提取出需要的信息。锐化后的影像已不再具

14、有原遥感影像的特征而成为边缘影像。锐化的方法很多，在此只介绍常用的几种：罗伯特梯度索伯尔梯度拉普拉斯算法定向检测,4、影像运算,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。,差值运算 即两幅同样行、列数的影像，对应像元的亮度值相减。差值运算应用于两个波段时，相减后的值反映了同一地物光谱反射率之间的差。由于不同地物反射率差值不同，两波段亮度值相减后，差值大的被突出出来。例如，当用红外波段减红波段时，植被的反射率差异很大，相减后的差值就大，而土壤和水在这两个波段反射率差值就很小，因此相减后的影像可以把植被信息突出出来。如果不作

15、相减，在红外波段上植被和土壤，植被和水体均难区分。因此影像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，黄土高原区的界线特征；海岸带的潮汐线等。,另外，差值运算还常用于研究同一地区不同时相的动态变化。如监测森林火灾发生前后的变化和计算火灾面积；监测水灾发生前后的水域变化和计算受灾面积及损失；监测城市在不同年份的扩展情况及计算侵占农田的比例等。,比值运算两幅同样行、列数的影像，对应像元的亮度值相除（除数不为0）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。该运算常用于突出遥感影像中的植被特征、提取植被类别或估算植被生物量，这种算法的结果称为植

16、被指数，常用算法：近红外波段红波段或TM4-TM3/TM4+TM3,比值运算对于去除地形影响也非常有效。由于地形起伏及太阳倾斜照射，使得山坡的向阳处与阴影处在遥感影像上的亮度有很大区别，同一地物向阳面和背阴面亮度不同，给判读解译造成困难，特别是在计算机分类时不能识别。由于阴影的形成主要是地形因子的影响，比值运算可以去掉这一因子影响，使向阳与背阴处都毫无例外地只与地物反射率的比值有关。比值处理还有其他多方面的应用，例如对研究浅海区的水下地形有效，对土壤富水性差异、微地貌变化、地球化学反应引起的微小光谱变化等，对与隐伏构造信息有关的线性特征等都能有不同程度的增强效果。,5、多光谱增强处理,遥感多光

17、谱影像，特别是陆地卫星的TM等传感器，波段多，信息量大，对影像解译很有价值。但数据量太大，在图像处理计算时，也常常耗费大量的机时、占据大量的磁盘空间。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。其变换的本质是对遥感影像实行线性变换，使多光谱空间的坐标系按一定规律进行旋转。,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：其中每个分量xi表示该点在第i个坐标轴上的投影，即亮度值。这种

18、多光谱空间只表示各波段光谱之间的,关系，而不包括任何该点在原影像中的位置信息，它没有影像空间的意义，遥感数据采用的波段数就是光谱空间的维数。,主成分分析（principal component analysis）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。通过采用主成分分析就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。,1 K-L变换（主成分分析）,KL变换的特点：就变换后的新波段主分量而言，它们所包括的信息量不同，呈逐渐减少趋势。事实上，第一主分量集中了最大的信息量，常常占80以上。第二

19、、三主分量的信息量依次很快递减，到了第n分量，信息几乎为零。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。,K-L变换目的因此，在遥感分析前进行KL变换可以实现：（1）数据压缩：以TM影像为例，共有7个波段处理起来数据量很大。进行KL变换后，第一，或前二或前三个主分量已包含了绝大多数的地物信息，足够分析使用，同时数据量却大大地减少了。应用中常常只取前三个主分量作假彩色合成，数据量可减少到43，既实现了数据压缩，也可作为分类前的特征选择。（2）图像增强：KL变换后的前几个主分量，信噪比大，噪声相对小，因此突出了主要信息，达到

20、了增强影像的目的。此外将其他增强手段与之结合使用，会收到更好的效果。计算机处理时，需要根据被处理的影像计算变换矩阵A。由于KL变换使用较为普遍。故常用的图像处理软件包中都具有这一功能，不必用户自已计算，也免去了许多编程工作。,2 K-T变换（缨帽变换）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=BXX、Y分别为变换前后多光谱空间的像元矢量；B为变换矩阵。该变换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，而是指向与地面景物有密切关系的方向。KT变换的应用主要针对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。,