图像处理(增强)

第4章遥感图像处理4.1光学原理与光学处理4.2数字图像概念4.3数字图像的校正4.4数字图像增强4.5多元信息复合4.6遥感图像计算机分类4.4数字图像增强（ImageEnhancement）一.对比度变换（contrastconversion）也称为辐射增强，或直方图拉伸对比度变换：通过改变图像像元的亮度值来改变对比度，从而改善图像质量的图像处理方法。直方图：以横坐标代表像元的亮度值，纵坐标代表某一亮度或亮度间隔的像元数的统计图。从直方图的形态可以判断图像的质量。一.对比度变换一.对比度变换1.线性变换线性变换：按比例扩大原始亮度值的范围。将过于集中的像元分布区域扩展开来，增加图像表现的层次性。[a1，a2][b1，b2]变换函数为直线方程：111212)(baxaabbxab一.对比度变换1.线性变换xbb2线性变换分段线性变换xbxaxab1a1a2b0b1b2b3a0a1a2a3一.对比度变换2.非线性变换变换函数为非线性函数，即对暗区与亮区不同比例地扩展，常用的有：指数变换——指数函数对数变换——对数函数查表法1.对比度变换2.非线性变换指数变换（突出亮区，压制暗区）对数变换（突出暗区，压制亮区）xbb2xab1a1a2xbb2xab1a1a2一.对比度变换1.对比度变换3.直方图变换A.直方图均衡（Histogramequalization）1.对比度变换1.对比度变换3.直方图变换A.直方图标准化（Histogramnormalization）4.4数字图像增强二.空间滤波（邻区法处理）空间滤波：通过处理像元与其周围相邻像元的关系，突出图像上某些特征的图像处理方法。图像卷积运算：选定一“模板”（即滤波器）作为卷积函数，将模板对应像元内的灰度值与模板像元亮度值对应相乘后相加，然后将计算结果作为窗口中心的像元的灰度值。卷积运算空间滤波处理：对数字图像中各行或各列所构成的复式波形曲线，通过滤波算子将其分解成不同频率的简单波形曲线，根据需要选择适宜的频率波形曲线，重新构成新的图像。亮度值像元滤波器高通滤波低通滤波二.空间滤波（Spatialfiltering）二.空间滤波1.平滑（低通滤波）：消除变化过大的区域，使亮度平缓或去掉不必要的“噪声”点。均值滤波卷积运算公式：),(1),(11nmMNjirMmNn二.空间滤波模板（3×3）：11111111191),(nmt11110111181),(nmt或均值滤波均值滤波均值滤波前均值滤波后中值滤波卷积运算法则：取窗口内所有像元亮度值的中值为中间像元的亮度值。1×3模板均值滤波与中值滤波图象亮度阶梯状变化时——均值平滑图象中有突出亮点噪声——中值平滑二.空间滤波2.锐化（高通滤波）：突出图像中亮度变化大的细节。如突出边缘和线性地物等。经锐化后，原遥感图像只保留边缘的信息。二.空间滤波罗伯特梯度：=│t1│+│t2│10011t01102t二.空间滤波索伯尔梯度：=│t1│+│t2│1210001211t1012021012t二.空间滤波拉普拉斯算法010141010),(nmt二.空间滤波3.定向检测：检测垂直边界101101101),(nmt121121121或二.空间滤波3.定向检测：检测水平边界111000111),(nmt111222111或二.空间滤波3.定向检测：检测对角线边界t（m，n）=，011101110110101011112121211211121112彩色合成TM432图地物边界形状信息水平线性地物信息垂直线性地物信息4.4数字图像增强三.彩色变换人眼对色彩有较强的识别力，因此往往将黑白影像处理后赋予各种颜色。三.彩色变换三.彩色变换1.单波段彩色变换：彩色密度分割将一幅图像的亮度值分成若干个等级，每个等级以不同的颜色来表示。DEM数字高程图像伪彩色坡度分割图伪彩色高度分割图三.彩色变换2.多波段彩色变换：彩色合成RGBColorComposite真彩色合成（naturalcolorcomposite.）：TM321假彩色合成（falsecolorcomposite）：标准假彩色合成：TM432其他：TM453，TM742彩色合成TM321图钦州市彩色合成TM432图钦州市彩色合成TM742图钦州市TM1TM4TM7754TM2TM5321543645TM3TM6432742643423南宁NDVI2000与2006年两时相假彩色合成图红色---植被指数减少青色---植被指数上升灰色、黑色---植被指数不变R:1998NDVIG:2006NDVIB:2006NDVI三.彩色变换3.HLS变换：hue，lightness，saturationHLS变换：将RGB模式转换为HLS模式。H：0°—360°红、黄、绿、青、蓝、品L：0——1黑——白S：0——1极不纯——纯S=0时，H无定义，为黑或灰或白S=1时，L=0.5三.彩色变换对于RGB：三种颜色混合相加。其亮度分别为LR，LG，LB.设：Lmax=max（LR，LG，LB）Lmin=min（LR，LG，LB）三.彩色变换对于HLS：明度L=（Lmax+Lmin）/2当Lmax=Lmin时，即LR=LG=LB，色调为灰色，H无定义，S=0三.彩色变换饱和度S=（Smax-Smin）/（Smax+Smin）（L≤0.5）或=（Smax-Smin）/(（1-Smax)+(1-Smin）)（L＞0.5）三.彩色变换色调H=60(HG-HB)/△H（当HR=HRrmax）黄—品或=60(2+(HB-HR)/△H)（当HG=HGrmax）青—黄或=60(4+(HR-HG)/△H（当HB=HBmax）品—青式中：△H=（Hmax-Hmin）4.4数字图像增强四.图像运算（ArithmeticOperations）利用两幅或多幅已经完成空间配准的不同波段的影像，进行加、减、乘、除四则混合运算，达到提取或去掉某些信息的目的。四.图像运算1.差值运算:fD(x,y)=f1(x,y)－f2(x,y)红外波段－红光波段:突出植被信息事件发生前后相减:动态监测错行(列)后相减:边缘增强，四.图像运算2.比值运算：fR(x,y)=f1(x,y)/f2(x,y)植被指数：近红外/红或(近红外-红)/(近红外+红)用于突出植被特征,提取植物类别或估算生物量。四.图像运算2.比值运算：TM1/TM2,可以消除地形的影响。亮度值TM1TM2TM1/TM2阳坡砂岩28430.65阴坡砂岩22340.651998年南宁NDVI2006年南宁NDVI-0.1-0.1-0.10.1-0.20.2-0.30.3-0.40.4-0.50.54.4数字图像增强五.多光谱变换对遥感图像实行线性变换。多光谱空间就是一个n维坐标系，每个坐标轴代表一个波段，每个像元点的位置可表示为一个n维向量X，每个分量xi为该点在第i个坐标轴上的投影，即亮度值。五.多光谱变换K-L变换主成分变换（PrincipalComponentAnalysis）K-T变换缨帽变换（TasseledCapAnalysis）K-L变换（主成分分析）K-L变换，也称主成分变换。它是对多光谱图像X进行K-L变换，得到矩阵A，而后进行线性组合，产生新的光谱图像Y，公式为：Y=A·X式中:X—原图像像元的光谱矢量；Y—变换后主分量空间的光谱矢量；A—变换矩阵经过K-L变换后，新图像Y中的各yi之间具有最小相关性。K-L变换（主成分分析）多光谱图像中，各波段数据间存在相关的关系，利用主成分分析法将原图像中所含的大部分信息用虚拟的少数波段来表示。x1x2y1在多波段数据彩色合成中，能够同时被感知仅限于三个波段RGB，因此通常利用主成分分析法将多波段数据压缩到三个波段。K-L变换（主成分分析）x1x2y1y2K-L变换（主成分分析）对n维的原始图像向量X，作如下的线性变换:Y＝A·XA－n×n正交矩阵Y－n维新的图像特征向量其中:Y中n′（≤n）个特征为“有效特征”，剩余的n-n′个为“噪声特征”。A的确定：通过计算X的协方差矩阵的特征值λ和特征向量求得。K-L变换（主成分分析）经变换后，新向量的各分量之间具有最小相关性。第一主成分集中了最大的信息量，前三个主成分集中了原向量的大部分的信息量，可以用前几个主成分向量代替原向量，从而实现了降维处理。当特征值λiλi+1，便可舍去yi+1特征。K-T变换（缨帽变换）K-T变换，也称缨帽变换。也是一种线性变换。主要针对MSS、TM图像数据进行，其变换公式为：Y=B·X式中:X—原图像像元的光谱矢量；Y—变换后主分量空间的光谱矢量；B—变换矩阵。对于MSS变换矩阵为4×4，TM变换矩阵为6×6。K-T变换（缨帽变换）B的确定：经长期研究，由专家提出。对于TM数据：B=0.300.280.470.560.510.19-0.28-0.24-0.540.720.08-0.180.150.200.330.34-0.71-0.46-0.82-0.080.44-0.060.20-0.28-0.33-0.050.110.19-0.440.810.11-0.900.410.06-0.030.02TM1TM2TM3TM4TM5TM7K-T变换（缨帽变换）TM数据变换后矢量分量为：Y=(y1,y2,y3,y4,y5,y6)T各分量的物理意义：其中y1为亮度分量，反映总体的亮度值；y2为绿度分量，TM4-TM3-TM2-TM1；y3为湿度分量,TM1+TM2+TM3+TM4-TM5-TM6；K-T变换（缨帽变换）（y1,y2）：植被视面；（y1,y3）：土壤视面；（y3,y2）：过渡区视面；在由y1,y2,y3构成的三维坐标体系中，农作物的生长过程的形态，很像一顶带穗的帽子，所以也把K-T变换形象地称为缨帽（TasseledCap）变换。K-T变换（缨帽变换）B1B2B3B4IgvIsbK-T变换（缨帽变换）经变换后，：植被的特征点集中在帽空间中，不同植被周期，特征点沿垂直于帽的轴线发生变化。土壤地物特征点主要集中在帽的底部，沿过特征空间原点的一线轴射线散布。TM543合成图主成分变换－123合成图缨帽变换-123合成图基于主成分变换的分类图融合分类图第4章遥感图像处理4.1光学原理与光学处理4.2数字图像概念4.3数字图像的校正4.4数字图像增强4.5多元信息复合4.6遥感图像计算机分类4.5多元信息复合1、遥感信息的复合遥感信息复合：将不同来源的遥感数据或其它数据统一到同一地理坐标系中，采用一定的算法生成新的信息或合成图像的过程。1、遥感信息的复合HLS变换信息融合DEM信息融合基于HLS变换的多源影像融合基本原理：将低分辩率的多光谱图像进行重采样，使其图像大小和高分辨率全色波段的图像大小一致。对采样得到的多光谱图像进行HLS正变换处理，得到色调H、饱和度S和亮度L三个分量。用高分辨率的全色波段替换亮度I，再进行HLS逆变换得到高分辨率的多光谱图像。基于HLS变换的多源影像融合TM1TM2TM3重采样HLS正变换色调H饱和度S亮度LHLS逆变换高分辨率多光谱图1高分辨率多光谱图2高分辨率多光谱图3全色波段PHLS变换信息融合10m分辨率SPOT全色波段影像30m分辨率TM多光谱数据10m分辨率多光谱图像彩色合成TM742图钦州市SPOT全色图T