《遥感图像处理》PPT课件.ppt

1 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 2 4图像运算5多光谱变换 数字图像增强 3 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 4 图像运算 1 差值运算 TM4 3 2 TM4 TM3 5 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 6 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 simpleratio 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 7 图像运算 2 比值运算 假彩色合成图象NDVI图象 8 图像运算 2 比值运算 太阳光 砂岩 阴坡 阳坡 9 4图像运算5多光谱变换 数字图像增强 10 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 11 多光谱变换 1 n维多光谱空间 12 多光谱变换 1 n维多光谱空间 13 多光谱变换 2 K L变换 离散 Karhunen Loeve 变换 主成分变换 PCA PrincipalComponentAnalysis Hotelling变换 14 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 15 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 16 多光谱变换 2 K L变换 离散 Karhunen Loeve 变换 步骤 计算原始图象的协方差矩阵 计算的特征值和特征向量 生成主成分 17 多光谱变换 2 K L变换 离散 Karhunen Loeve 变换 18 原始图象TM1 5 7 主成分图象PC1 6 19 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 20 多光谱变换 2 K L变换 离散 Karhunen Loeve 变换 21 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 22 多光谱变换