遙感概論課件：8圖象校正與增強(qiáng)

1、1圖像校正與增強(qiáng)數(shù)字圖像基礎(chǔ)圖像輻射校正幾何校正原理與方法圖像增強(qiáng)處理2數(shù)字圖像 (Digital Image)指能夠被計(jì)算機(jī)存儲(chǔ)、處理和使用的圖像“離散化”二維矩陣：每個(gè)元素的取值是圖像連續(xù)變化的灰度的離散整數(shù)值3數(shù)字圖像（Digital Images）(1,1) (1,2) (1,3)(1,m)(2,1) (2,2) (2,3)(2,m)(n,1) (n,2) (n,3)(n,m)4圖像直方圖 (image histogram) 用平面直角坐標(biāo)系表示一幅灰度范圍為0-n的數(shù)字圖像像元灰度分布狀態(tài)，橫軸表示灰度級(jí)，縱軸表示某一灰度級(jí)（或范圍）的像元個(gè)數(shù)或其占總像元數(shù)的百分比。 通過灰度直方圖

2、可以直觀地了解圖像特征，以確定圖像增強(qiáng)方案并了解圖像增強(qiáng)后的效果imagehistogram5不同反差特征的圖像6反差增強(qiáng)原始圖像增強(qiáng)后7遙感圖像處理系統(tǒng)計(jì)算機(jī)（主機(jī)）圖像輸入輸出設(shè)備磁帶機(jī)、數(shù)字化器等；打印機(jī)、繪圖儀、激光圖像記錄儀專用處理設(shè)備圖像計(jì)算機(jī)、陣列處理機(jī)外存設(shè)備磁盤、磁帶、光盤顯示器軟件部分系統(tǒng)軟件、應(yīng)用軟件（圖像處理軟件）8數(shù)字圖像處理的主要內(nèi)容圖像校正：包括輻射校正、幾何校正增強(qiáng)處理：增強(qiáng)圖像中的有用信息，利于識(shí)別分析。 包括彩色增強(qiáng)、直方圖增強(qiáng)、圖像運(yùn)算、鄰域增強(qiáng)、頻率域增強(qiáng)、信息融合等圖像變換：消除干擾和濾掉噪聲，提高圖像質(zhì)量信息提?。簣D像分類、空間信息提取、光譜信息提取

3、、目視解譯（判讀）9輻射校正(radiometric correction)由于傳感器響應(yīng)特性和大氣的吸收、散射及其它隨機(jī)因素影響，導(dǎo)致圖像模糊失真，造成圖像分辨率和對(duì)比度相對(duì)下降。這些都需要通過輻射校正復(fù)原包括：系統(tǒng)輻射校正、大氣校正其它：太陽高度角、方位角等不同引起的亮度差異等 ，地形導(dǎo)致的輻射亮度差異等，10系統(tǒng)輻射校正光學(xué)攝影機(jī)內(nèi)部輻射誤差校正鏡頭中心和邊緣透射光的強(qiáng)度不一致，造成圖像上不同位置的同一類地物有不同的灰度值。光電掃描儀內(nèi)部輻射誤差校正A）光電轉(zhuǎn)換誤差；B）探測器增益變化引起的誤差不同成像單元間的差異如推掃式掃描儀11去條帶(Destriping)12大氣校正(atmosp

4、heric correction)消除主要由大氣散射、吸收引起的輻射誤差的處理過程何時(shí)需要進(jìn)行大氣校正 定量信息提取 不同時(shí)相間的定量比較 不同波段間的運(yùn)算13Energy-matter interactions in the atmosphere, at the study area, and at the remote sensor detector大氣效應(yīng)14大氣校正方法公式法（較準(zhǔn)確、絕對(duì)）(絕對(duì)大氣糾正)衛(wèi)星過頂時(shí)實(shí)測大氣狀況（氣溫、相對(duì)濕度、大氣壓、能見度等），找到各波段地物反射率與圖像亮度值間的數(shù)學(xué)關(guān)系，以修正圖像亮度。簡單的相對(duì)大氣校正方法： 去除或減少某些大氣影響2 回歸分析

5、法3 直方圖校正法15回歸分析法原理：大氣散射主要影響短波部分，波長較長的波段幾乎不受影響，可用其校正其它波段數(shù)據(jù)。方法：在不受大氣影響的波段（如TM5或7）和待校正的某一波段圖像中，選擇一系列目標(biāo)，將每個(gè)目標(biāo)的兩個(gè)待比較的波段灰度值提取出來進(jìn)行回歸分析，建立線性回歸方程。Y：待校正波段的圖像亮度值X：不受大氣影響波段的圖像亮度值求出a, 從待糾正的圖像像元值減去a,即為糾正后的值，去除大氣散射的影響（假設(shè)沒有散射影響，則二者的關(guān)系應(yīng)為：Y=bX）16回歸分析法17直方圖校正方法直方圖校正方法： 從圖像像元亮度值中減去一個(gè)輻射偏置量，輻射偏置量等于圖像直方圖中最小的亮度值 前提（假設(shè)）：水體（

6、或陰影）等物體的灰度值為0，大氣散射導(dǎo)致圖像上這些物體的灰度值不為0（輻射偏置量） 暗物體法（Dark-object method）18直方圖校正方法19幾何校正(geometric correction)從具有幾何變形的圖像中消除變形的過程 對(duì)圖像進(jìn)行預(yù)處理，以消除幾何變形，使每個(gè)像元處于正確的平面位置（x,y）。這樣，遙感得到的信息可以與GIS或空間決策支持（SDSS）系統(tǒng)中其它專題信息聯(lián)系起來； 經(jīng)過幾何校正的圖像可以用于提取準(zhǔn)確的距離、多邊形面積、方向等信息20遙感圖像幾何畸變來源誤差來源：內(nèi)部誤差：由于傳感器自身的性能、結(jié)構(gòu)等因素造成；外部誤差：傳感器以外的各因素造成，如地球曲率、地

7、形起伏、地球旋轉(zhuǎn)等傳感器成像幾何形態(tài)影響傳感器外方位元素變化畸變地球自轉(zhuǎn)的影響地球曲率的影響其它21傳感器成像幾何形態(tài)影響成像幾何特點(diǎn)：中心投影、全景投影、斜距投影、平行投影全景投影：每條掃描線相當(dāng)于中心投影，掃描視場角越大，邊緣變形越大-全景畸變斜距投影變形：側(cè)視雷達(dá)22傳感器外方位元素變化畸變傳感器外方位元素變化： 指決定遙感平臺(tái)姿態(tài)的6個(gè)自由度：三軸方向（X,Y,Z）和姿態(tài)角(,)，其中任何一個(gè)發(fā)生變化，都會(huì)給遙感圖像帶來不同變形，這種畸變是成像瞬間的綜合影響。對(duì)不同的傳感器，畸變可能不盡相同。 航高、航速、俯仰、翻滾、偏航高度（altitude）、姿態(tài) (attitude)23中心投影

8、傳感器外方位元素變化畸變24高度（altitude）和姿態(tài)（attitude）變化引起的圖像幾何畸變25傳感器外方位元素變化畸變多中心投影例如MSSTM等26地球自轉(zhuǎn)引起的誤差27a) Landsat satellites 4, 5, and 7 are in a Sun-synchronous orbit with an angle of inclination of 98.2. The Earth rotates on its axis from west to east as imagery is collected. b) Pixels in three hypothetical sc

9、ans (consisting of 16 lines each) of Landsat TM data. While the matrix (raster) may look correct, it actually contains systematic geometric distortion caused by the angular velocity of the satellite in its descending orbital path in conjunction with the surface velocity of the Earth as it rotates on

10、 its axis while collecting a frame of imagery. c) The result of adjusting (deskewing) the original Landsat TM data to the west to compensate for Earth rotation effects. Landsats 4, 5, and 7 use a bidirectional cross-track scanning mirror.Jensen, 2004地球旋轉(zhuǎn)引起的圖像變形28地球曲率引起的誤差29遙感圖像幾何校正通過計(jì)算機(jī)對(duì)圖像每個(gè)像元逐個(gè)地解析糾

11、正處理完成，可以較精確改正線性和非線性變形誤差。兩種類型：圖像-圖的糾正（image-to-map rectification）圖像配準(zhǔn)（image-to-image registration）30包括兩個(gè)方面（基本環(huán)節(jié)）： （1）像元坐標(biāo)變換； （2）像元灰度值重新計(jì)算（重采樣）。圖像-圖的糾正（image-to-map rectification）:地圖為參考，有確定的平面坐標(biāo)圖像配準(zhǔn)（image-to-image registration）：一個(gè)圖像為參考，有或者沒有平面坐標(biāo)；相同的地理范圍；便于圖像疊加或運(yùn)算3132控制點(diǎn)（GCP）的選擇33坐標(biāo)關(guān)系的建立：控制點(diǎn)的選擇地面控制點(diǎn)（GC

12、P，Ground Control Point）: 地球表面一些特定的點(diǎn)，其圖像坐標(biāo)和地圖坐標(biāo)為已知人工地物 線性地物交叉點(diǎn)不易隨時(shí)間變化的目標(biāo)大比例尺的圖像：道路交叉點(diǎn)、機(jī)場跑道、建筑物小比例尺的圖像：城區(qū)、一些線性地物交叉點(diǎn)（河流、道路）分布：較均勻分布與圖像范圍內(nèi)，保證足夠數(shù)量34地面控制點(diǎn)（GCP）的選擇35控制點(diǎn)的選擇注意問題：1. 多項(xiàng)式糾正法的精度與地面控制點(diǎn)（GCP）的精度、分布、數(shù)量及糾正范圍有關(guān)；GCP的位置精度越高，則幾何糾正的精度越高；GCP的個(gè)數(shù)不少于多項(xiàng)式的系數(shù)個(gè)數(shù)；適當(dāng)增加GCP的個(gè)數(shù)，可以提高幾何糾正的精度。 20-30個(gè)GCP，一般可以滿足需求2. GCP分布應(yīng)

13、盡可能在整幅圖像內(nèi)均勻分布，否則在GCP密集區(qū)精度較高，在GCP分布稀疏區(qū)出現(xiàn)較大誤差36坐標(biāo)關(guān)系的建立坐標(biāo)關(guān)系多項(xiàng)式建立基本原理：不考慮成像的空間幾何過程，而直接對(duì)圖像變形的本身進(jìn)行數(shù)學(xué)模擬。把遙感圖像的總體變形看作是平移、縮放、旋轉(zhuǎn)、仿射、偏扭、彎曲及更高次的基本變形的綜合作用結(jié)果，因此，將糾正前后圖像相應(yīng)點(diǎn)間的坐標(biāo)關(guān)系用一適當(dāng)?shù)亩囗?xiàng)式表達(dá)可用于圖像對(duì)地圖的糾正，以及不同類型圖像間配準(zhǔn)多項(xiàng)式的次數(shù)：1-3次，可以滿足精度要求需要地面控制點(diǎn)： 分布、數(shù)量37最少的控制點(diǎn)數(shù)量多項(xiàng)式的次數(shù)最小個(gè)數(shù)：(t+1)*(t+2)/2t: 多項(xiàng)式的次數(shù)38數(shù)字圖像幾何糾正的主要處理過程(具體實(shí)現(xiàn))準(zhǔn)備工作

14、輸入原始數(shù)字影象建立糾正變換函數(shù)確定輸出影象范圍像元坐標(biāo)變換像元亮度值重采樣輸出糾正后的圖像39確定糾正后圖像的邊界范圍 糾正后圖像的邊界范圍，指在計(jì)算機(jī)存儲(chǔ)器中為輸出影象所開出的存儲(chǔ)空間大小，以及該空間邊界范圍（首行、首列、末行、末列）的地圖（或地面）坐標(biāo)定義值；糾正后圖像和原始圖像的形狀、大小、方向都不一樣。所以在糾正過程的實(shí)施之前，必須首先確定新圖像的大小范圍。40 先求出原始圖像四個(gè)角點(diǎn)（a, b, c, d）在糾正后圖像中的對(duì)應(yīng)點(diǎn)（a, b, c, d）的坐標(biāo)（Xa,Ya）(Xb,Yb) (Xc,Yc) (Xd,Yd)；然后求出最大值和最小值。 為了將該邊界范圍轉(zhuǎn)換為計(jì)算機(jī)糾正后的存

15、儲(chǔ)數(shù)組空間，須在其中劃分出網(wǎng)格，每個(gè)網(wǎng)格代表一個(gè)輸出像元；須根據(jù)精度要求確定輸出像元的地面尺寸； 地面坐標(biāo)與輸出圖像坐標(biāo)關(guān)系表達(dá)確定糾正后圖像的邊界范圍41坐標(biāo)變換確定原始圖像和糾正后圖像間的坐標(biāo)變換關(guān)系（x, y）- (u, v) (u行數(shù), v列數(shù), 均為整數(shù))有兩種方案：直接糾正方案和間接糾正方案直接糾正方案：從原始圖像陣列出發(fā)，依次對(duì)其中每一個(gè)像元P(x，y)分別計(jì)算其在輸出（糾正后）圖像的坐標(biāo)P(X，Y)，并計(jì)算P(X，Y)的灰度值;間接糾正方案：從空白圖像陣列出發(fā)，依次計(jì)算每個(gè)像元P(X，Y)在原始圖像中的位置P(x，y)，然后把該點(diǎn)的灰度值依次計(jì)算后返送給P(X，Y). 二者間并

16、無本質(zhì)差別，互為逆變換42坐標(biāo)關(guān)系 （xp ,yp）（XP,YP）分別是任意一個(gè)像元在原始圖像和糾正后圖像中的坐標(biāo)。直接間接43直接糾正方法:從原始圖像，依次對(duì)每個(gè)像元根據(jù)變換函數(shù) F（），求得它在新圖像中的位置。并將灰度值賦給新圖像的對(duì)應(yīng)位置上。間接糾正法:從新圖像中依次每個(gè)像元，根據(jù)變換函數(shù) f () 找到它在原始圖像中的位置，并將圖像的灰度值賦予新圖像的像元。二者并無本質(zhì)區(qū)別，互為逆變換坐標(biāo)變換44a) The logic of filling a rectified output matrix with values from an unrectified input image ma

17、trix using input-to-output (forward) mapping logic. b) The logic of filling a rectified output matrix with values from an unrectified input image matrix using output-to-input (inverse) mapping logic and nearest-neighbor resampling. Output-to-input inverse mapping logic is the preferred methodology b

18、ecause it results in a rectified output matrix with values at every pixel location.糾正后圖像灰度值的重新計(jì)算（重采樣）45圖像灰度值的重采樣(resampling)幾何校正過程中，由于校正前后圖像的像元大小可能變化、像元點(diǎn)位置的相對(duì)變化等，不能簡單用原圖像像元灰度值代替輸出像元灰度值。 對(duì)應(yīng)的坐標(biāo)值可能不是整數(shù), 需要插值（重采樣） 三種插值方法：最鄰近法、雙線性法、三次卷積法46最鄰近法（nearest neighbor）用距離待估值點(diǎn)(采樣點(diǎn))最近像元灰度值代替輸出像元灰度值簡單、省時(shí)，保留原始圖像的值邊緣

19、出現(xiàn)鋸齒狀47最鄰近法48最鄰近法優(yōu)點(diǎn)：1 保留大量原始灰度值，沒有經(jīng)過平滑處理，對(duì)于區(qū)分植被類型、識(shí)別線性特征等有重要意義2 簡易、省時(shí)3 分類前使用4 適合于專題文件缺點(diǎn)：1 鋸齒狀、不平滑2 某些值重復(fù)、某些值丟失3 對(duì)線性地物，可能出現(xiàn)不連續(xù)49原始圖像糾正后圖像（最鄰近插值）50雙線性（bilinear）考慮待估值點(diǎn)(采樣點(diǎn))周圍4個(gè)相鄰像元的灰度值，并根據(jù)各自權(quán)重計(jì)算輸出像元灰度值公式為：gx,y: 輸出灰度值pi: 距離權(quán)重（1/di或1/di2， di為鄰近點(diǎn)到待估值點(diǎn)的距離）gi: 鄰近點(diǎn)的灰度值51雙線性插值利用X方向和Y方向進(jìn)行三次插值(4個(gè)鄰點(diǎn))52雙線性（biline

20、ar）優(yōu)點(diǎn)1 較平滑，沒有鋸齒狀2 與最鄰近法相比，空間信息更準(zhǔn)確些3 常用于改變像元大小時(shí)，如數(shù)據(jù)融合缺點(diǎn)：像元值被平均化，某些地物邊緣更平滑，某些極值可能丟失53雙線性插值原始圖像糾正（雙線性插值）54三次卷積法(cubic convolution)取與投影點(diǎn)鄰近的16個(gè)像元灰度值（4*4） ，計(jì)算輸出像元的灰度值有不同的實(shí)現(xiàn)算法55三次卷積法優(yōu)點(diǎn)：1 與其它重采樣方法相比，均值和標(biāo)準(zhǔn)偏差與原始像元的相一致2 改變像元大小時(shí)使用（改變幅度更大時(shí)）3 可能銳化圖像、平滑噪聲，實(shí)際的效應(yīng)與數(shù)據(jù)有關(guān)缺點(diǎn)：1 數(shù)據(jù)的值可能被改變2 計(jì)算費(fèi)時(shí)56原始圖像幾何糾正（三次卷積）57控制點(diǎn)的選擇與分布58

21、糾正后的圖像59基于三角網(wǎng)的幾何糾正（Triangulation-based method）又稱Rubber Sheeting適用于航空遙感圖像糾正，幾何變形復(fù)雜、不均勻其它方法的結(jié)果不理想時(shí)可用要求大量的地面控制點(diǎn)60三角網(wǎng)的建立61基于三角網(wǎng)方法的幾何糾正三角網(wǎng)校正方法（Triangulation base methods）用由地面控制點(diǎn)（GCPs）形成的Delauney三角網(wǎng)來模擬幾何偏差。用地面控制點(diǎn)形成Delauney三角網(wǎng)，然后用不同的多項(xiàng)式來擬合每一個(gè)三角形為分段的膠皮（Rubber-sheet）變換方法, 圖像被劃分為許多區(qū)域（三角形），每個(gè)區(qū)域采用不同的變換方程只有被地面控制

22、點(diǎn)包圍的區(qū)域才進(jìn)行三角網(wǎng)糾正。未被地面控制點(diǎn)包圍的區(qū)域可用多項(xiàng)式方法糾正三角網(wǎng)校正方法需要更多的地面控制點(diǎn)三角網(wǎng)校正方法減少了局部誤差（幾何偏差），而多項(xiàng)式方法則減少全局誤差三角網(wǎng)校正方法適合于航空遙感圖像，用于消除由偏航、前后顛簸等引起的局部偏差以及糾正全景誤差62圖像配準(zhǔn) (image registration)將同一地區(qū)的各種遙感圖像匹配在一起；以便于后續(xù)的處理與分析原理與幾何校正相同（圖像-圖像）；以其中一個(gè)圖像作為參照或標(biāo)準(zhǔn)，其他圖像與之進(jìn)行配準(zhǔn)。63SPOT 5ETM+圖像配準(zhǔn)64圖像鑲嵌(Mosaicking)圖像鑲嵌是將多個(gè)具有重疊部分的圖像制作成一個(gè)沒有重疊的新圖像；方法：基

23、于像元的鑲嵌和基于地理坐標(biāo)的鑲嵌； 65圖像鑲嵌66鑲嵌要有足夠?qū)挼闹丿B區(qū)，最好不少于圖像的1/5，否則會(huì)影響精度相鄰圖像往往色調(diào)或灰度值不一致，需要進(jìn)行直方圖匹配如果鑲嵌后需要進(jìn)行某種地圖投影變換，最好先根據(jù)該投影方式分幅校正，然后再鑲嵌圖像鑲嵌注意的問題67反差增強(qiáng)(Contrast enhancement)又稱對(duì)比度增強(qiáng)（拉伸，stretch） 是一種通過改變像元的亮度值來改變圖像像元的對(duì)比度，從而改善圖像質(zhì)量的圖像處理方法。 由于亮度是輻射強(qiáng)度的反映，所以也稱輻射增強(qiáng)。按像元逐次進(jìn)行，也稱點(diǎn)增強(qiáng)主要通過改變圖像灰度分布態(tài)勢，擴(kuò)展灰度分布區(qū)間，達(dá)到增強(qiáng)反差的目的主要通過調(diào)整直方圖來實(shí)現(xiàn)

24、調(diào)整后的直方圖應(yīng)達(dá)到： 分布好（較均勻），沒有大量暗或亮的像元集中分布68反差增強(qiáng)原理69反差增強(qiáng)原理-定量圖形表達(dá)70糾正前的圖像及直方圖：偏暗高反射率圖像反差增強(qiáng)71糾正后的圖像及直方圖反差增強(qiáng)72反差增強(qiáng)線性和非線性方法分段線性：增強(qiáng)某些部分，壓制某些部分73線性增強(qiáng)（拉伸）增強(qiáng)前后灰度函數(shù)關(guān)系符合線性關(guān)系式： g=kg+bg增強(qiáng)后的灰度值, g增強(qiáng)前的灰度值, b常數(shù), k斜率如：可采用以下公式進(jìn)行增強(qiáng)DN=(DN-MIN)/(MAX-MIN)*255DN, 輸出圖像像元灰度值；DN, 輸入圖像像元灰度值； MIN, MAX 輸入圖像像元灰度最小值、最大值74線性拉伸實(shí)例Input D

25、NOutput DN002552555015095114SPOT第一波段的直方圖 （原始）原始圖像的直方圖與圖像拉伸后圖像的直方圖與圖像SPOT第一波段的直方圖 （拉伸后）77線性拉伸 SPOT 3-2-1波段合成圖像UnstretchedLinear Stretch78分段線性：增強(qiáng)某些部分，壓制某些部分斜率大的部分被拉伸增強(qiáng)斜率小的部分被壓縮79非線性拉伸對(duì)數(shù)拉伸：擴(kuò)張低的灰度區(qū)，壓縮高的灰度區(qū)80非線性拉伸指數(shù)拉伸：擴(kuò)展高灰度區(qū)間 81直方圖均衡化（Histogram Equalization）非線性的增強(qiáng)方法；將每個(gè)灰度區(qū)間等概率分布，代替了原來的隨機(jī)分布，即增強(qiáng)后的每個(gè)灰度級(jí)內(nèi)有大致

26、相同的像元數(shù)；通過改變灰度區(qū)間來實(shí)現(xiàn)；根據(jù)灰度值的出現(xiàn)頻率來分配它們的亮度顯示范圍，頻率高的部分被增強(qiáng)了,頻率低的部分被壓縮。82直方圖均衡化（histogram equalization）效果：增強(qiáng)了峰值處的對(duì)比度，兩端（最亮和最暗）的對(duì)比度減弱了83原始的直方圖均衡化后的直方圖直方圖均衡化84直方圖均衡化直方圖均衡化SPOT 第一波段直方圖均衡化實(shí)例直方圖均衡化SPOT 3-2-1波段直方圖均衡化實(shí)例87直方圖匹配(histogram matching)把原圖像的直方圖變換為某種指定形狀的直方圖或某一參考圖像的直方圖，然后按照已知的指定形態(tài)的直方圖調(diào)整原圖像各像元的灰級(jí)，最后得到一個(gè)直方圖

27、匹配的圖像使用的模板有正態(tài)拉伸匹配、暗區(qū)拉伸匹配、亮區(qū)拉伸匹配主要應(yīng)用于有一幅調(diào)整好的圖像作為標(biāo)準(zhǔn)的情況下，對(duì)另一圖像進(jìn)行匹配，以改善被處理圖像的質(zhì)量應(yīng)用于數(shù)字鑲嵌88直方圖匹配：條件（運(yùn)用兩幅圖像）原始圖像和參考圖像兩個(gè)圖像的直方圖的總體形態(tài)應(yīng)相似圖像中相對(duì)亮和暗的特征應(yīng)相同對(duì)某些應(yīng)用，圖像的分辨率應(yīng)相同（但可不同）圖像中的地物類型的相對(duì)分布應(yīng)相同，無論兩幅圖像是否覆蓋同一地區(qū)。如一幅有云，另一幅沒有云，應(yīng)先將云去掉（覆蓋），然后再進(jìn)行直方圖匹配89圖像彩色增強(qiáng)處理人眼對(duì)灰度級(jí)別的觀察有限，至多20級(jí)左右，但對(duì)彩色差異的分辨能力很高；使用不同的彩色和色調(diào)的變化來代替圖像的黑白灰度級(jí)別變化，可

28、突出圖像信息空間分布；方法：彩色合成，密度分割（偽彩色）90彩色合成地物波譜輻射在不同波段上反映不同，因此，把不同波段的信息差異綜合反映出來，圖像上的地物信息就顯著擴(kuò)大，提高了識(shí)別效果；根據(jù)彩色合成原理，選取同一目標(biāo)的三個(gè)多光譜數(shù)據(jù)合成一幅彩色圖像；當(dāng)合成圖像的紅、綠、藍(lán)三色與三個(gè)多光譜波段相吻合，即紅代表紅波段，綠代表綠波段，藍(lán)代表藍(lán)波段，圖像再現(xiàn)地物的彩色原型，為真彩色圖像；否則，為假彩色圖像。91彩色合成真彩色(true color): RGB； 假彩色(false color)：RGB3-2-1 7-4-2Landsat TM92密度分割(density slicing)偽彩色 (ps

29、eudocolor): 單波段灰度圖像的彩色表示或顯示密度分割：將連續(xù)的灰度值轉(zhuǎn)換為少量的灰度區(qū)間，并用不同的顏色表示增強(qiáng)了圖像的目視解譯效果9394TM3密度分割（5級(jí)）粗略顯示水體、植被、裸地/城鎮(zhèn)等類別95鄰域增強(qiáng)（鄰域操作）濾波(filtering)抑制噪聲，增強(qiáng)某些特征平滑(smoothing)：均值、中位數(shù)濾波銳化(sharpening)：邊緣檢測與增強(qiáng)邊緣增強(qiáng)：減法平滑（銳化）根據(jù)周圍的像元點(diǎn)的關(guān)系進(jìn)行鄰域運(yùn)算， 窗口運(yùn)算、模板運(yùn)算96移動(dòng)窗口（Moving Window）窗口中心的像元值將被改變，根據(jù)周圍像元的值以及采用的規(guī)則窗口大小可根據(jù)實(shí)際情況變化97移動(dòng)窗口2225522

30、12225Value will be replaced by 2均值濾波98移動(dòng)窗口222552212225Note: the pixel is not changed until the end of the pass.99高頻和低頻信息100平滑與銳化低通與高通濾波（Low vs. High Pass Filter）OriginalLow passHigh pass101均值濾波（mean filtering）窗口中心的像元被窗口內(nèi)所有像元的均值代替減少噪聲，但同時(shí)也損失了某些高頻信息102中位數(shù)濾波（Median Filter）窗口中心的像元 被賦予窗口內(nèi)灰度值大小位于所有像元中間的值1

31、03均值濾波與中位數(shù)濾波比較104中位數(shù)濾波優(yōu)點(diǎn)：抑制噪聲的同時(shí)，較好地保留了高頻信息原始中位數(shù)均值105邊緣檢測與增強(qiáng)邊緣增強(qiáng)：增強(qiáng)幾何細(xì)節(jié)的有效方法首先檢測邊緣，然后將邊緣信息加到原始圖像中，以增強(qiáng)邊緣附近的對(duì)比度，或突出邊緣邊緣增強(qiáng)的方法： 梯度法 拉普拉斯算子 106梯度：一階微分不同地物的界線（邊緣）在圖像上是以灰度或色調(diào)表現(xiàn)出來，在數(shù)字圖像上，邊緣附近必然存在較為明顯的灰度值變化，這種灰度變化率稱為梯度，可用一階微分形式來表示梯度如果令邊緣兩側(cè)分別加減這個(gè)梯度值，則這一邊緣得到增強(qiáng)107也可用邊緣檢測模板實(shí)現(xiàn)-10+1-10+1-10+1-1-1-1000+1+1+10+1+1-1

32、0+1-1-10+1+10+10-10-1-1垂直 水平 對(duì)角線108從原始圖像減去一個(gè)平滑后的圖像: 銳化一個(gè)平滑后的圖像保留了所有低頻空間信息，但高頻信息（邊緣、線）減弱了。因此，從原始圖像減去平滑后的圖像，所產(chǎn)生的差值圖像只保留了高頻信息。將差值圖像（以不同的比例）再加到原始圖像上，將形成邊緣增強(qiáng)的圖像是一種常用的邊緣增強(qiáng)方法109從原始圖像減去一個(gè)平滑后的圖像（銳化）110圖像變換(image transformation)涉及不同圖像（波段）間的運(yùn)算算術(shù)運(yùn)算（如植被指數(shù)）主成分分析（PCA）圖像融合111算術(shù)運(yùn)算加、減、乘、除運(yùn)算也是重要的信息提取方法減：差值除（波段比）減、除等運(yùn)算

33、可用于變化檢測112圖像差 Image DifferencingImage Date 1Image Date 2Difference Image = Image 1 - Image 2113植被指數(shù)(Vegetation Index)植被指數(shù)是基于植被葉綠素在紅色波段的強(qiáng)烈吸收以及在近紅外波段的強(qiáng)烈反射，通過紅和近紅外波段的比值或線性組合實(shí)現(xiàn)對(duì)植被信息狀態(tài)的表達(dá)。 可用于識(shí)別植被、監(jiān)測植被健康狀況等114植被、水體、土壤的反射光譜115有許多不同的表達(dá)公式：SR=NIR/R （simple ratio）（比值植被指數(shù)）NDVI=（NIR-R）/(NIR+R) （歸一化差值植被指數(shù)） (Norm

34、alized Difference Vegetation Index)SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指數(shù)）(Soil-Adjusted Vegetation Index)如對(duì) Landsat TM數(shù)據(jù)： NDVI=（TM4-TM3）/（TM4+TM3）植被指數(shù)(Vegetation Index)116假彩色合成圖像 NDVI圖像117假彩色合成圖像 NDVI圖像118像元矢量：每個(gè)波段可視為一維；多波段數(shù)據(jù)即多維數(shù)據(jù)每個(gè)像元可看做光譜矢量空間的一個(gè)點(diǎn)，也可作為一個(gè)矢量（從原點(diǎn)到該點(diǎn)的矢量），在每個(gè)波段的值即在該維上的分量值多光譜/高光譜圖像11

35、9主成分分析（PCA, Principal Component Analysis）（K-L變換）多光譜數(shù)據(jù)各波段間往往存在一定程度的相關(guān)性，光譜反射的相關(guān)性；地形遙感器波段間的重疊應(yīng)用PCA可以去除相關(guān)性、突出地物特征、壓縮數(shù)據(jù)，另外還可以剔除噪聲，因?yàn)镻CA變換后的信息量通常隨主分量順序而減少，噪聲信息更突出120主成分分析也稱K-L變換，Karhunen-Loeve 變換是對(duì)某一多光譜圖像X，利用K-L變換矩陣A進(jìn)行線性組合，而產(chǎn)生一組新的多光譜圖像Y的操作，表達(dá)式為： Y=AX其中，X為變換前多光譜空間的像元矢量，Y為變換后主分量空間的像元矢量對(duì)圖像中每個(gè)像元矢量逐個(gè)乘以矩陣A，便得到新

36、圖像中的每一像元矢量。A的作用是給多波段的像元亮度以加權(quán)系數(shù)，實(shí)現(xiàn)線性變換。121基本原理 求出一個(gè)變換矩陣，經(jīng)變換形成一組新的主分量波段，公式為： Y=AX其中，Y為變換后的主分量矢量，如主分量1，2，3X為變換前的原始圖像矢量，如TM1，TM2，. A為變換矩陣。主成分分析122步驟：計(jì)算原始圖像的方差-協(xié)方差矩陣；計(jì)算的特征值和特征向量；生成主成分按照K-L變換的數(shù)學(xué)原理，矩陣A是X空間協(xié)方差矩陣的特征向量矩陣的轉(zhuǎn)置矩陣主成分分析123主成分分析（PCA）124The spatial relationship between the first two principal compone

37、nts: (a) Scatter-plot of data points collected from two remotely bands labeled X1 and X2 with the means of the distribution labeled 1 and 2. (b) A new coordinate system is created by shifting the axes to an X system. The values for the new data points are found by the relationship X1 = X1 1 and X2 =

38、 X2 2. (c) The X axis system is then rotated about its origin (1, 2) so that PC1 is projected through the semi-major axis of the distribution of points and the variance of PC1 is a maximum. PC2 must be perpendicular to PC1. The PC axes are the principal components of this two-dimensional data space.

39、 Component 1 usually accounts for approximately 90% of the variance, with component 2 accounting for approximately 5%.PCA的圖形表示125主成分分析主成分變換后的新波段主分量包含的信息量不同，呈逐漸減少的趨勢。其中，第一主分量集中了最大的信息量，第二、第三主分量的信息量依次快速遞減，到第n分量信息幾乎為0。由于K-L變換對(duì)不相關(guān)的噪聲沒有影響，所以信息減少時(shí)，便突出了噪聲，最后的分量幾乎全是噪聲。因此，此變換又可分離噪聲。126原始圖像TM1-5，7主成分圖像PC1-6127128where akp = eigenvectors, BVi,j,k = brightness value in band k for the pixel at row i, column j, and n = number of bands.It is possible to compute a new value for pixel 1,1 (it has 7 ban