[理学]第4章遥感图像处理.ppt

遥感图像处理 光学图像光学原理和光学处理方法 数字图像 数字图像校正 数字图像增强 多源信息复合 对比度变换 空间滤波 彩色变换 图像运算 多光谱变换 1 4 图像运算 5 多光谱变换 数字图像增强 2 图像运算 两幅或多幅单波段图像，空间配准后可进行算术运算， 实现图像的增强。 1、差值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相减。差值图像提供了不同波段或不同时相图 像间的差异信息。 2、比值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相除（除数不为0）。比值图像，像元的亮度反 映了两个波段光谱比值的差异，常用来检测植被，消除“同物 异谱”现象。 3 图像运算 1、差值运算 TM4-3-2TM4-TM3 4 图像运算 2、比值运算 植被指数：是基于植被叶绿素在红色波段的强烈吸收以及在 近红外波段的强烈反射，通过红和近红外波段的比值或线性 组合实现对植被信息状态的表达。 5 图像运算 2、比值运算 植被指数有许多不同的表达公式： SR=NIR/R （simple ratio）（比值植被指数） NDVI=（NIR-R）/(NIR+R) （归一化差值植被指数） SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修 正植被指数） 如对TM数据： NDVI=（TM4-TM3）/（TM4+TM3） 6 图像运算 2、比值运算 假彩色合成图象 NDVI图象 7 图像运算 2、比值运算 太阳光 砂岩 阴坡 阳坡 地形部位波段 TM1TM2TM1/TM2 阳坡 阴坡 28 22 43 34 0.65 0.65 8 4 图像运算 5 多光谱变换 数字图像增强 9 多光谱变换 目的：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。 10 多光谱变换 1、n维多光谱空间 11 多光谱变换 1、n维多光谱空间 12 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 主成分变换（PCA, Principal Component Analysis） Hotelling变换 13 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 多光谱数据各波段间往往存在一定程度的相关性， 光谱反射的相关性； 地形 遥感器波段间的重叠 应用PCA可以去除相关性、突出地物特征、压缩数据 ，另外还可以剔除噪声，因为PCA变换后的信息量通 常随主分量顺序而减少，噪声信息更突出 14 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 基本原理： 求出一个变换矩阵，经变换形成一组新的主分量波段，公 式为： Y=AX 其中，Y为变换后的主分量空间像元矢量，如主分量1，2， 3 X为变换前的多光谱空间像元矢量，如TM1，TM2，. A为变换矩阵。是X空间协方差矩阵x的特征向量矩阵的转置 矩阵。 15 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 步骤： 1. 计算原始图象的协方差矩阵； 2. 计算的特征值和特征向量； 3. 生成主成分 16 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 17 原始图象 TM1-5， 7 主成分图象 PC1-6 18 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 变换意义： 1、数据压缩：取123三个主分量，包含了绝大多数的地物 信息，数据量可减少到43%。 2、图像增强：前几个主分量，信噪比大，突出了主要信 息，增强了图像。 19 多光谱变换 2、K-L变换离散（Karhunen-Loeve）变换 20 多光谱变换 3、K-T变换（Kauth-Thomas）变换 是一种线性变换，使坐标轴发生旋转，旋转之后坐标轴的 方向与地物，特别是和植被生长及土壤有密切的关系。 Y=BX 21