第八章图像校正与增强PPT课件

第八章图像校正和强调、校正是校正图像误差。 增强是为了提高图像的目视判别的效果或者使特定的提取变得容易而进行的处理。 8.1数字图像的基础知识：光学处理方式和计算机处理方式，目前主要是计算机对数字图像的处理。 另外，亮度和位置的变化是连续的或离散的，模拟图像和数字图像： analogimage，digitalimage.N行m列的影像、像素，亮度值是DN值，digitalnumber，各像素附加其它属性值，例如坐标等，光学图像以数字图像为数字图像、AD转换； 可通过打印机、激光图像记录仪等将数字图像作为光学图像输出，并进行DA转换。 一种图像处理系统包括计算机(微机、工作站、小型机、大型机等)、图像输入输出设备(磁带驱动器、写入器、打印机等)、专用处理设备(专用显示和处理设备)、外部设备(磁盘等)、显示器、软件部分(ENVI、ENVI等) ERMAP等)遥感图像计算机处理的主要内容：图像校正、图像增强、图像转换、计算机信息提取。 8.2图像辐射校正、辐射校正的原因：图像亮度值应与地物的反射率和辐射率(温度)有明显的对应关系，由于传感器误差、大气吸收散射、地形起伏、太阳高度角度的差异，该明显的对应关系在一图中混乱，在不同时期得到的图像不一致，因此不进行辐射值的校正，或完全校正反射率和辐射率，或解除部分误差传感器误差(系统放射误差):光学相机的边缘减光现象、光扫描仪的光电转换误差和传感器增益的变化引起的误差(随着传感器自身能够感知的最大最小光强度变换为2n，传感器寿命的变长，其最大最小光强度变化)、大气吸收和散射误差：大气分子和其他粒子引起的变化目前为了消除这样的误差，使用了一些模型，但是应用上的问题很多。 大气吸收减少了入射光瞳的量，大气散射减少了来自地面的入射光瞳的量，并且从其他方向辐射的量也增加了(？ 所以，单个图像的对比度降低，目视解释效果差，校正变得容易。 大气校正常情况下，只需要去除大气背景光，然后找到与误差基本匹配的叠加值，并从各像素的DN值减去该值。 3个修正法，1 .公式法(野外光谱实测法):Li=a bRiLi :卫星观测值a :大气散射干扰值Ri :地面反射率b=STHcos/S :系统增益系数t :大气透过率h太阳放射度:太阳顶角，2 .回归分析法： Y=a bX，灰度直方图：可以表示图像灰度分布状况， 也称为灰度概率密度曲线，4个直方图：正好明亮、暗、亮度值过于集中，3 .直方图校正法：高山影区，灰度值应在各频带中从零开始，灰度直方图应从零开始，短波段具有大气散射背景光，因此与原点有一定距离，远离大气散射背景值深水体。 放射误差的原因：传感器的响应特性、大气吸收和散射、地形起伏、太阳的高度角和方位角等。 地形起伏：光面和背光面的初始辐射量不同，因此可以使用DEM贴图提取坡度梯度，并使用正弦函数进行校正。 太阳高度的角度：春夏秋冬，不同纬度。 的双曲馀弦值。 的双曲馀弦值。 太阳方位角：漫反射和方向性反射，东升西落的方位变化，入射方向变化的话，反射的主方向也变化。 8.3几何校正的原理和方法，图像中各对象的相对位置与实际不一致，是几何误差，也称为几何失真。 其原因是：1.传感器的成像几何形态的影响：单中心投影、全景投影、倾斜距离投影。 哪个传感器是这样变形的？ 2 .传感器外方位元件的变化：三轴XYZ及姿势角k。 传感器随时记录自己的姿势。(几何学粗糙度补偿，精密补偿)3.地形起伏4 .地球的自转：相对于扫描图像引起图像的平行偏移。 5 .地球曲率的影响：6.大气折射：7.传感器内部结构和工作方式：透镜辐射方向畸变像差、CCD排列不一致、扫描速度不一致等；2 .遥感影像几何校正原理：光学校正和计算机校正流程：假设已存在空白标准影像，其影像大小随处一致。 修正时的2阶段：1.像素坐标变换：求出原图像和标准图像的各像素坐标的对应关系，直接修正法和间接修正法。 2 .像素灰度值的重新计算：也称为灰度重采样。 复习上一节的内容，图像放射修正的原因：传感器的响应误差、大气吸收和散射误差、地形起伏和太阳高度角度引起的误差，由于图像上的亮度和地物的反射率不能保持明确的对应关系，为了正确地判别地物，需要修正图像的亮度值。 放射线修正可以修正为图形的反射率和放射率，也可以根据自己的需要仅去除部分误差。 在所有辐射误差中，大气误差最难校正，完全大气校正需要实时水蒸气和气溶胶含量，测量困难。 大气背景光(也称为程辐射)去除方法：野外光谱测量法、回归分析法、直方图法、图像几何变形的原因：传感器的成像几何形态的影响(全景投影和倾斜距离投影)、传感器的姿势变化、地形起伏、地球曲率、地球自转、大气折射、传感器内部结构和动作方式等有修正时， 首先，假设已经存在空白，存在标准分辨率的图像，求出原图像和标准图像之间的各像素的坐标对应关系(坐标变换)，将原图像的像素的亮度赋予标准图像，求出各像素的坐标和灰度的分配，修正完成。 灰度代入的方法是：三，校正函数的确定方法：主要是多项式法，共线方程法：地物点，投影中心，投影点三点线，理论严密，但需要的参数多，需要高程数据(DEM )，应用不广。 多项式法：(xp，YP)(XP，yp )分别是任意像素的原图像和修正后图像中的坐标。 避免成像过程，直接数学模拟图像变形自身的规律，将遥感图像的整体变形视为平移、放大、缩小、旋转、弯曲、高阶基本变形的综合作用结果，全图的变换规则可以用一个多项式来表示。 其转换公式、多项式法原理直观，计算简单，适用于各种传感器的校准，特别是对于地面比较平坦的区域，校准精度较好。 此方法也可用于多幅图像的几何配准。 但是，在地形起伏大的地区，最好使用共线方程式法。 另外，雷达影像给地形起伏带来的畸变很明显，还希望使用共线法进行修正。 几何校正的两个结果：添加消除了几何失真的地理坐标，系统级校正：处理中心根据传感器的位置姿势、地球曲率、地球自转、大气折射、大范围地区大地控制点对图像进行初级校正。 产品的几何精度由上述参数和处理模型决定。 类似于TM图像的系统级校正，其平面精度误差在250m以内。 对于一般的应用目的，系统级校正可以满足用户的需要。 几何精度修正：通过避免误差产生的原因，用地面控制点的方法对影像进行多项式修正，可以按照用户指定的投影方式修正图像。 校正精度一般为子像素水平。 当用于图像校正时，不同的图像可以准确地对准并且重叠(也称为几何对准)。 使用这个，不同的传感器得到的图像几何学上一致，可以实现动态解析正射修正。 DEM数据涉及的图像几何误差的全方位校正。 Landsat-7数据的处理等级-美国EDC(Erosdatacenter，0级产品(LOR ) :根据地面站接收到的原始数据，进行格式化、分帧等处理而生成的数据集。内容包括9个带宽数据文件、有效载荷校正数据、扫描线校正数据和标定参数文件、阅读图像文件和元数据。 1级产品：指系统校准的数据产品，根据处理内容分为L1R产品(Radiation，放射线校准处理)和L1G产品(Geometry，放射线校准处理和系统级几何校准处理)。 高级产品：利用地面控制点GCP、DEM等地面控制参数生成的产品。 分为几何校正图像和数字正射图像。 中国遥感卫星地面站将Landsat7数据产品分为L0级： EDC对应的L0R级L1级： EDC对应的L1R级(？ L2级：对应EDC的L1G级(几何粗校正) L3 :利用地面控制点进行几何精密校正的数据产品L4 :利用地面控制点和数字高程模型进行校正的数据产品，8.4遥感图像增强处理，增强方法为彩色增强、空间区域增强、图像运算、图像转换和图像融合。 1 .彩色增强：使黑白图像成为彩色图像。 颜色合成：为三个波段分配红绿蓝，也称为RGB着色。 分为真彩色合成和假彩色合成，给定的颜色与波段的原光色一致，合成图与实际的地物色一致，假彩色不一致。 因为不同的颜色合成使用不同的波段，它们各自反映了图形的特征，但是近红外、红外和绿光的RGB着色方案反映了常见的图形差异，也称为标准伪颜色合成方案，单波段黑白遥感图像按亮度分层，给予各层不同的颜色缺少：相同的图元可能被分成两个颜色，或者相同的颜色可能表示两个或更多个图元，从而导致阅读错误。 准噶尔盆地7月NDVI值分布(植被复盖度分布)，2 .空间区域增强： a，对比度增强：亦称对比度增强，逐点进行，亦称点增强。 应用情况a :某个图像的灰度值没有达到0和2n，浪费显示器的显示范围，并且增大了各像素的灰度差。 应用实例b :线性增强(线性扩展、分段线性扩展：分段线性扩展可以增强或抑制特定特征)、非线性增强和直方图均衡原理：如果每个灰度值具有相同的像素数，是否应用较少的像素数灰度？ 像素数多的灰度也称为直方图匹配：直方图规定化。 你能尽量接近两个图像的亮度变化规律吗？ 此外，几何校正程序：进行标准图像和原始图像的坐标变换，对标准图像的各像素赋予亮度值(灰度重采样，灰度代入)。 选择修正函数的方法：共线方程式法，多项式法。 几何校正的结果：消除几何变形，增加了地理坐标图像的增强：多，彩色增强(三频带合成色图，单频带亮度层次，着色)，空间域增强(对比度变换，邻域增强)，灰度扩展，利用灰度直方图，也称为点增强，b，邻域增强：某些像素增强后的亮度值只有它自身的双曲馀弦值。 如果模板中的所有值都为正值且相等，则会产生平滑效果。 平滑滤镜(也称为平滑滤镜)可以滤出孤立的暗点、线条(一点杂讯)或细节，以强调影像的基本结构，但影像可能会变得模糊。 平均值平滑，中值平滑，模板的数值有正和负吗？ 最后得到梯度图像，地物的边缘用明亮的颜色表示，3 .图像运算：多个图像对应于像素，进行代数运算和逻辑运算，代数运算使用多个图像相加，相加相同地物的多个图像，平均，可以减少随机噪声。 是吗？ 图像与NOAA数据相加图像的减法运算：可识别地物的图像间动态变化图像的乘法运算：图像融合中常用图像的除法运算：消除地形起伏引起的阴影混合运算：正规化植被指数NDVI=IR-R/IR R。植被指数，福州市遥感分类图，19901997年城市扩张对其他土地类的占有情况，19901997年耕地的占有情况，3 .图像演算：多个图像对应要素，代数演算和逻辑演算，代数演算使用多幅图像相加：将同一地物的多幅图像相加求出平均值，由此得出随机数是吗？ 图像与NOAA数据相加图像的减法运算：可识别地物的图像间动态变化图像的乘法运算：图像融合中常用图像的除法运算：消除地形起伏引起的阴影混合运算：正规化植被指数NDVI=IR-R/IR R。 植被指数、三、其他增强方法、多谱变换：通过将多个图像从原坐标空间变换为其他坐标空间，可以实现信息的集中和特定信息的强调。 K-L变换和赛贝尔变换可以计算变换矩阵以形成新带宽，并且可以通过计算新带宽的数值=变换矩阵*原始图像向量值(即， Y=AXMSS转换：0.4330.6320.5860.264矩阵-0. 290-0.5620.6000.491-0.8290.522-0.0390.1940.2230.012-0.5430.810 k-l转换：思想是数据相关性在原始带宽之间，并且坐标轴最大化也称为主成分变换或主成分分析。 上一节内容复习：色彩增强空间域增强：对比度增强、邻域增强、平滑锐化图像运算多频谱变换：通过将多个图像从原来的坐标空间变换为不同的坐标空间，可以强调信息的集中和特定的信息。 具体实现时：求变换矩阵，乘以元矢量值。 K-L变换：思想是在原始带宽之间存在数据相关性，将坐标轴旋转到数据展开最大、下一个最大、的方向，依次获得几个新带宽，如果相互垂直，则新带宽的数据分别不相关。 也称为主成分变换或主成分分析。 另外，各主成分频带间的信息分别不相关，分别反映当时的人物的特征。 随后主成分频带信息量减少，噪声开始出现，实现有用信息与噪声分离，izani变换：变换矩阵具有经验，人们通过对各频带和地物的分析，提出特定变换矩阵，变换后的频带、非数据展布为最大方向，但可以表现土壤和植被信息。 目前只研究MSS和TM传感器的变换矩阵，变换后的前3个成分分别表示土壤信息、植被信息和下垫面含水量信息。 实现对农业有用的信息分离，具有实用意义。 1 .裸土2 .发芽3 .生长期4 .成熟期5 .黄变期6 .老化期，图像融合：由传感器得到的信息具有特点。 有的光高而空间低，有的相反。 可以将不同的数据合并为一个图像。 TM与SPOT、TM的全彩色波段与其他波段、航空片与TM、雷达影像与TM的融合较为常见。 也称为各种信息