城市建设3SRS、GIS、GPS技术-遥感图像处理技术

1,第七讲遥感图像处理技术,2,第七讲遥感图像处理技术,一、本章学习目的：通过本章学习，掌握遥感图像预处理和图像增强的主要内容和具体方法，了解多源信息复合的一般过程。二、本章学习内容：遥感图像处理概述数字图像与数字图像处理系统图像预处理多源信息复合遥感解译遥感调查与应用,3,第一节遥感图像处理概述,遥感图像处理是指对遥感探测所获取的图像或资料进行的各种技术处理。处理的目的是使遥感图像或资料更适于应用。它包括对原始图像复原的恢复处理；为使图像更加清晰，目标地物更为突出明显，便于信息提取和识别的图像增强处理；以及进行自动识别和信息提取的分类处理。从处理方法上，主要有光学处理和计算机数字图像处理。,4,第一节遥感图像处理概述,一、遥感数据1、模拟图像产品：有两个来源，其一是由遥感数椐经激光扫描输出；其二是在空间遥感平台利用光学遥感系统获取的产品。它是目前经常使用的一种遥感数椐。2、数字图像产品：将遥感传感器获取的地面光谱图像信息以数字的方式记录在计算机兼容磁带或其它介质上。利用遥感图象处理软件，可对数椐进行增强、几何校正、地理编码、分类，也可与其它数椐匹配、比较、融合。,5,第一节遥感图像处理概述,遥感信息地学评价的三个基本标准：（1）空间分辨率：确定了遥感系统获取地面源信息的离散化程度，反映了遥感的概括程度随着地面分辨率的降低而增大，是选择信息源的重要标准之一。空间分辨率的提高，使得遥感地学分析的微观程度和精度增加，提高和拓展了应用价值。（2）时间分辨率：进行动态监测与预报，自然历史变迁和动力学分析，可以利用时间差提高遥感的成象率和解象率，或更新数据库以达到动态监测的目的。（3）光谱分辨率：多波段光谱信息的利用大大开拓了遥感应用的领域，也使专题研究中波谱段的选择针对性越来越强，也可以提高分析判度效果。可以用于地物分类、制图、遥感定量分析和应用等等。,6,二、图像处理技术1、光学图像处理:光学增强处理是指通过光学技术手段，对图像进行的各种处理，如常见的图像光学放大等。它能使图像更加清晰，目标物更突出明显，更适于识别和进行信息提取。随着科学技术及光学技术的发展，光学增强处理的方法不断增多和完善。光学图像处理常用的技术有：多波段彩色合成处理（光学法、彩色像纸分层曝光法、彩色印刷法）；图像相关掩膜增强处理（反差增强、边缘增强）2、计算机数字图像处理：遥感数字图像处理是指利用计算机对遥感图像及其资料进行的各种技术处理。它处理快捷、准确、客观，为遥感图像的信息提取，以及遥感的定量分析研究提供了方便和基础。亦为地理信息系统的信息及时更新和补充，提供了条件。遥感数字图像处理已成为现代遥感的重要组成部分。,第一节遥感图像处理概述,7,1.遥感数据：对模拟图象进行采样获得数字图象。模拟图象：灰度和颜色连续变化；数字图象：模拟图象经采样和量化后成为一幅由一系列灰度值不连续的、按行列有规律地排列的像元组成的图象。模拟图象到数字图象的转化（A/D转换analogue/digital）：包括采样和量化两个过程：采样：位置离散化，将模拟图象按纵横两方向分割为若干个形状、大小相同的像元，即等间隔取样成离散值，各像元的位置其所在的行和列表示，一幅图象可以表示成一个矩阵。采样周期：相邻两个像元中心的间距。香农（Shannon）采样原理：以模拟波形中所含最大频率的倒数的1/2为周期进行采样，将不产生信息的损失。,第二节数字图像与数字图像处理系统,8,量化：以每个像元的平均灰度或中心部分的灰度作为该像元的灰度值的处理过程。数字图象中的像元灰度值可以是整型、实型和字节型。为了节省存储空间，字节型最常用，即每个像元亮度记录为一个字节（byte），8bit。2.数字图象处理系统：数据输入：各种数据格式图象输入、变换。彩色合成：分析信息量，选择合理的彩色合成方案。数据处理：校正：辐射校正、几何校正。图象增强：频域和空域增强，包括彩色增强、反差增强、比值增强、滤波等等。再生（复原）：平滑等。变换：增强变换、主成分变换。分类：有监分类、无监分类。,第二节数字图像与数字图像处理系统,9,制图输出：比例尺变换、注记、公里网、叠加矢量图、图象格式变换等。3.遥感数字图象处理的优点：原始信息精确保存：无论拷贝多少次，原始数据都能精确保存下来；处理的可重复性：用同一种方法对同一图象进行处理多次，都可以得到相同的效果；能充分利用遥感图象信息：对图象灰度可分解为多级，可以检测出图象的微小细节，并能对图象信息作定量分析；处理周期短，速度快：适于进行动态分析，和各种处理方法进行比较；处理方法多样：以数学理论为基础，方法广泛；便于提取特征信息；图象处理的结果可以直接以数字化形式提供给用户，或无限度可重复输出。,第二节数字图像与数字图像处理系统,10,第三节图像预处理,1986,2003,感知和传输中大气的影响,11,#,10,第三节图像预处理,传感器平台的姿态,传感器本身的缺陷,12,第三节图像预处理,地形的影响,13,一.必要性:传感器获得和记录的遥感信息是经过概括和简化了的不连续的瞬时二维平面的信息，由于：传感器本身的缺陷；平台的姿态；感知和传输中大气的影响；地形的影响以及其它因素的干扰。获得的遥感数据含有光谱和几何特征上的失真和畸变。因此，原始的遥感数据必须经过预处理，消除几何和光谱畸变，即通过必要步骤进行图象复原。图像的复原旨在消除图像在整个成像过程中产生的像质褪化和各种畸变，尽可能使图像恢复到更接近于客观实体的真实图像。,第三节图像预处理,14,#,13,2辐射校正辐射校正的目的主要是消除图像的光谱畸变，一般包括：传感器校正、大气辐射校正、地形辐射校正和地物反射模型校正。其中，传感器校正需要传感器的校正参数，一般用户无法获得。常用的大气校正方法有：以红外波段的最低值校正可见光波段，回归法和相对散射模型法等。,第三节图像预处理,15,#,14,3.几何校正：原因、目的和步骤：原因：卫星图像的几何性能受卫星轨道与成像姿态的稳定性、扫描偏差、地形起伏等等多种因素影响而发生几何畸变。目的：经运算处理把处于两个坐标空间的原图像变换到新的图像坐标空间，得到某种归正的投影图，使没有任何实际地理坐标信息的图象变换到特征的地理坐标空间，满足不同类型或不同时相的遥感影像之间的几何配准和复合分析，以及遥感图象与其它来源的信息的匹配。步骤：几何校正分两步，粗校正：由接收部门根据遥感平台、地球、传感器的各种参数进行；精校正：用户根据使用目的的不同由投影及比例尺进行。因此，对于用户来说，主要需做几何精校正。几何校正的精度直接影响专题图的定位、面积量算及定性定量分析的精度。,第三节图像预处理,16,几何精校正的方法和步骤：方法：几何精校正的方法很多，一般用多项式法通过地面控制点进行。步骤：一是象元空间位置变换，二是象元灰度值的重采样。位置变换：通过精确测定或量算一定数量的控制点的图象坐标和实际地物点的平面坐标，建立待匹配的两种坐标系的对应点关系，计算图象各象元在新的坐标空间中的坐标值；象元空间位置变换采用二元多项式的方法，其公式为：（1）其中，x,y为象元原始坐标，X,Y为同名象元的地图坐标，n为多项式的阶。,第三节图像预处理,17,一阶多项式为线性变换，二阶或三阶多项式为非线性变换，而图像的几何畸变很难通过简单的线性关系来描述。多项式阶数越高，所做的变换越复杂，说明原图像的扭曲程度也较大，所需选取的控制点数也越多。多项式阶数与所需选取的最少控制点个数的关系为：GCPnums=(t+1)(t+2)/2，其中t为多项式阶数。具体方法：选择均匀分布且在影像图与地形图上都易确定的同名地物点，如小河流、沟渠交点、水库坝的交点等，分别读取影像图和地形图上相应点的坐标，建立式所示的方程式并用最小二乘法求系数aij和bij，得到变换矩阵，用此矩阵把图像坐标空间与地形图坐标空间对应起来。也可以通过DGPS精确定位，获得控制点的精确位置坐标。,第三节图像预处理,18,重采样：确定校正后图像上每点的亮度值。通常有三种方法：邻近元法：用距离输出象元最近的象元亮度值作为象元值。优点：计算简单，不丢失细节；缺点：具有明显的不连续性，特别是线状地带常出现断点或阶梯状抖动。适用于分类前的采样和定性分析。双线性内插：用双线性函数在22窗口内4个象元的灰度值进行加权线性内插。优点：具有平滑作用，因而不会出现锯齿状边缘，比邻近元法在空间上更准确；缺点：较邻近元法计算稍复杂，由于是象元亮度值的加权平均，故有低频卷积作用，因而出现模糊现象。适用于象元大小有改变的情况。立方卷积法：用16个象元即44窗口内的象元亮度值用立方函数进行加权平均。优点：可以比较完整地复原图像，立方曲线加权使得图像锐化并将噪声平滑掉；缺点：计算复杂。适用于象元大小变化较大的情况。,第三节图像预处理,19,4、遥感数字图像配准与镶嵌（1）数字图像配准，主要包括以下两种建立影像坐标系与地面坐标系之间的关系，即将具有影像坐标系坐标的数字影像像元赋予某一应用坐标系统的坐标，如通过配准建立遥感影像像元的影像坐标与国空大地坐标或独立坐标之间的关系，其作用是可以在遥感影像上直接获得影像像元的国家大地坐标或地面坐标。将多种不同比例尺、或不同分辨率、不同类型的影像配准为同一个坐标系统，其作用是在同一个参考系统下应用不同来源的遥感影像数据。,第三节图像预处理,20,（2）数字图像镶嵌数字图像镶嵌是将多幅卫星图像镶嵌、拼接在一起，构成一幅大的图像，其方法与理论与几何变形校正相同，但应注意以下几个问题：镶嵌之前应首先进行数字影像配准，使多幅影像的坐标系统为同一参考系统；被镶嵌的影像之间应足够重叠度，最好不低于20%，以便保障边缘镶嵌后的精度；相邻而不同色调的图像镶嵌前需要进行色调与色差方面的处理。,第三节图像预处理,21,三、图象增强1.目的:图像增强是专题特征信息提取的基础，是根据应用目标对图像做增强处理，突出主要的感兴趣的信息，抑制次要的不需要的信息。2.方法:一般分为频域法和空域法频域法增强处理：傅立叶变换理论：任何一条复杂的曲线，经傅立叶变换，可以分解成若干条简单曲线（正弦波曲线），即复杂曲线可看作若干条不同频率的正弦波曲线的叠加。遥感图象像元灰度值的分布曲线就是一条复杂曲线，可以分解。根据傅立叶变换理论，对一幅遥感图象进行傅立叶变换后，将得到一个分布形式完全不同于原图象的变换域频率域平面。原图象上的灰度突变部分（如物体的边缘、水陆交界处等）、图象结构复杂的区域、图象细节及干扰噪声等，信息大多集中在高频区；原图象上灰度变换平缓的部位，如大片水体、大片平原、区域概貌等信息，信息大多集中在频率域的低频区。,第三节图像预处理,22,频域增强的思想：对原始图像的傅立叶变换频谱进行各种改造，通过设置滤波器，使得高频和低频成分的比例发生变化，突出或抑制特定频率范围的信息，经过傅立叶反变换得到增强了的图像。频域增强的方法：常用的频域增强处理方法有高通滤波、低通滤波、同态滤波以及带通或带阻滤波等等。其中，低通滤波：让低频成分通过，抑制高频成分，起到平滑去噪声的作用；高通滤波：使图像得到锐化处理；同态滤波：用于压缩图像灰度的动态范围并增强对比度。例如，要突出地形的局部变化特征，可以采用高通滤波增强技术。空域法增强处理：空域增强的思想：空域增强是在原来的图像灰度空间上直接运算处理，通常针对像元逐个进行处理。,第三节图像预处理,23,中值滤波前,中值滤波后,第三节图像预处理,24,空域增强的方法：常用的方法包括灰度扩展、直方图均衡化、分段线性对比度拉伸、直方图匹配技术、比值增强处理、卷积滤波、Crisp滤波和自适应滤波等方法。其中，反差增强处理、比值增强处理是常用的方法。反差增强处理：包括线性灰度扩展、对数变换、指数变换、直方图均衡化、直方图匹配技术等。线性扩展：将像元值的变动范围按线性关系扩展到指定范围。设原图象的像元值为Z，其变动范围为（a，b），扩展后的像元值为Z，变动范围为(Z1,Z2),则:直方图均衡化：用特定的变换函数将不同像元值区间内的像元数进行均衡处理，使整个像元值范围内的像元数的分布更均匀一些。直方图匹配：对直方图进行一定的修改，使之变为某种指定形态的直方图。,第三节图像预处理,25,线性拉伸前,线性拉伸后,第三节图像预处理,26,比值增强处理：可以压抑由于地形起伏、坡度和坡向引起的辐射变化，从而消除由于地形因子所造成的阴影以及大气噪声的影响；比值变换增大了不同地物在两个比值波段上的细微差异，使在单波段图像上不易觉察的色调变化更加明显；比值法可以应用原始图像多个波段的信息，增加了信息量，便于比较分析。特别是在地形变化剧烈的山区，比值变换可以显示其更大的优越性。一般的遥感图像处理软件均提供了常用的图像增强算法，用户可通过不同增强算法实验和分析比较，选定最佳方案，对图象进行增强处理，改善图像质量，增强地物和地形的识别能力，提高解译精度。除了增强算法之外，还可以应用各种变换方法提取信息，如通过植被指数运算进行生物量估测等。,第三节图像预处理,27,第四节多源信息复合,多种信息源的复合是将多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。复合后的图像数据将更有利于综合分析。一、遥感信息的复合二、遥感与非遥感信息的复合,28,第四节多源信息复合,一、遥感信息的复合遥感信息的复合主要指不同传感器的遥感数据的复合，以及不同时相的遥感数据的复合。1、不同传感器的遥感数据复合配准复合2、不同时相的遥感数据复合配准直方图调整复合,29,第四节多源信息复合,二、遥感与非遥感信息的复合1、地理数据的网格化1)、网格数据生成2)、与遥感数据配准2、最优遥感数据的选取3、配准复合1)、栅格数据与棚格数据2)、栅格数据与矢量数据,30,遥感图像解译是专题信息提取的主要步骤，通过对遥感图像的观察、分析和比较，判断和识别遥感资料所表示的地物的类型、性质，获取感知对象的数量、质量、空间分布特征及其演变规律。具体方法包括遥感图象的目视解译或计算机自动解译分类。一、目视解译目视解译一般遵从从已知到未知，先整体后局部，从宏观到微观，先易后难的原则，可以概略地为以下主要步骤:准备工作：主要是收集资料，除遥感图象外，通常还需要工作区的地形图和相关的自然、经济等情况，以及报告、必要的参考文献等各种资料。,第五节遥感解译,31,图象预判和编制专题图略图：遥感图象的初步解译主要是经过资料分析建立直接和间接解译标志，包括形态、大小、色调、阴影、纹理等等。然后在分类系统的指导下设计图例系统，进行初步解译，并把解译结果转绘成专题图略图。野外实况调查和地学验证：根据初步解译结果，确定野外调查路线和调查样本，进行野外调查，验证判读标志，并应用地学分析方法解决图象与地物间的机理关系，从而修正预判中的错判或漏判，使得解译结果更加客观可靠。室内解译编绘成图：根据预判结果和野外调查资料，对全部工作区进行重新解译，然后清绘成图，在此基础上进行面积量测以及其他数字统计特征的分析。,第五节遥感解译,32,二、计算机自动分类：与目视判读解译不同的是计算机自动解译的主要依据是地物的光谱特征进行统计判别，具体方法包括有监分类和无监分类方法，分类结果的可靠性需要通过严格的分类精度统计分析以及野外调查进行验证。一般过程：以目前常用的有监分类为例，其过程为：（1）遥感图象的预处理：包括几何校正、图象增强、镶嵌等等。（2）选择训练区：对于典型地物类别，选择训练区，并做标注。（3）分类：根据训练区地物的光谱统计特征，对整个区域进行分类判别。（4）分类精度统计分析：通过统计分析获得光谱特征统计意义上的分类精度。,第五节遥感解译,33,（5）野外调查与地学验证：通过调查验证自动分类与实际地物类型的一致程度，一般应用抽样技术获得地学意义上的分类精度。（6）分类图编制：对自动分类的结果，根据专题图成图要求，进行着色，获得彩色分类图。一般方法：有监分类：有监分类方法是通过训练区内样本的光谱数据计算各类别的计特征参数，作为各类型的度量标准，然后根据判别规则将图像的各象元分到一定的类别中。常用的判别规则有贝叶斯判别、最大似然判别和最小距离判别等。,第五节遥感解译,34,无监分类：无监分类是直接利用象元灰度值的统计特征进行类别划分，常用无监分类方法有逐步聚