第五章 遥感图像处理基础

1、 遥感多光谱图像和经过空间配准的两幅或多幅遥感多光谱图像和经过空间配准的两幅或多幅单波段图像，可以进行一系列的代数运算，从而达单波段图像，可以进行一系列的代数运算，从而达到提取和抑制某些信息的目的。到提取和抑制某些信息的目的。 1 1、加法运算、加法运算 指两幅同样大小的图像的对应像元值相加。设指两幅同样大小的图像的对应像元值相加。设有两幅图像，加法运算后的图像为：有两幅图像，加法运算后的图像为： 像元相加后的值若超出了显示范围像元相加后的值若超出了显示范围(0-255)(0-255)，则需要乘一个正数则需要乘一个正数a a，以确保数据值在允许范围。，以确保数据值在允许范围。 加法运算主要用于

2、对同一区域的多幅图像求平加法运算主要用于对同一区域的多幅图像求平均，可以有效减少图像的加性噪声。均，可以有效减少图像的加性噪声。 2 2、差值运算、差值运算 又称作减影技术。指两幅同样大小的图像对应又称作减影技术。指两幅同样大小的图像对应像元的灰度值相减。设有两幅图像，差值公式为：像元的灰度值相减。设有两幅图像，差值公式为： 相减后的像元有可能出现负值，找到绝对值最相减后的像元有可能出现负值，找到绝对值最大的大的-b-b，给每个像元的值都加上这个绝对值，给每个像元的值都加上这个绝对值b b，使，使所有的像元的值都为非负数；再乘以正数所有的像元的值都为非负数；再乘以正数a a，以确，以确保数据值

3、在允许的范围内。保数据值在允许的范围内。 当差值运算应用于两个波段时，当差值运算应用于两个波段时，运算后的图像运算后的图像反映了同一地物在这两个波段的反射率之差。不同反映了同一地物在这两个波段的反射率之差。不同地物的反射率差值不同，因而在差值图像上可以突地物的反射率差值不同，因而在差值图像上可以突出差值较大的地物。出差值较大的地物。 例如在红外波段植被与浅色土壤，在红波段与例如在红外波段植被与浅色土壤，在红波段与深色土壤及水体很难分开，当用红外波段减去红波深色土壤及水体很难分开，当用红外波段减去红波段时，由于植被在这两个波段的反射率差异很大，段时，由于植被在这两个波段的反射率差异很大，相减后植

4、被像元具有很高的差值；而土壤和水体在相减后植被像元具有很高的差值；而土壤和水体在这两个波段的反差很小，因此在差值图像中植被信这两个波段的反差很小，因此在差值图像中植被信息得到突出，很容易找到其分布区域和面积。息得到突出，很容易找到其分布区域和面积。 差值运算还可以检测同一区域在一段时间内的差值运算还可以检测同一区域在一段时间内的动态变化。动态变化。 例如用森林火灾发生前后的图像做差值运算，例如用森林火灾发生前后的图像做差值运算，在差值图像上，火灾地区由于变化明显而高亮显示，在差值图像上，火灾地区由于变化明显而高亮显示，其他地区则变化不大，因而可以计算出精确的烧毁其他地区则变化不大，因而可以计算

5、出精确的烧毁面积。水情变化、估计损失、河口河岸泥沙淤积及面积。水情变化、估计损失、河口河岸泥沙淤积及河、湖、岸的污染以及监测城市的扩展模式及速度河、湖、岸的污染以及监测城市的扩展模式及速度等。等。 3 3、乘运算、乘运算 乘运算可用来遮掉图像的某些部分。乘运算可用来遮掉图像的某些部分。 例如使用一掩膜图像去乘图像，可保留、消弱例如使用一掩膜图像去乘图像，可保留、消弱或抹去图像的某些部分。或抹去图像的某些部分。 4 4、比值运算、比值运算 是指两个不同波段的图像对应像元的灰度值相是指两个不同波段的图像对应像元的灰度值相除（除数不为除（除数不为0 0），是遥感图像处理中的常用方法。），是遥感图像处

6、理中的常用方法。相除后若出现小数，则必须取整，并乘以正数相除后若出现小数，则必须取整，并乘以正数a a将将其值调整到显示允许的范围内。其值调整到显示允许的范围内。 在比值图像上，图像像元亮度反映两个波段光在比值图像上，图像像元亮度反映两个波段光谱比值的差异。因此，这种算法对于增强和区分在谱比值的差异。因此，这种算法对于增强和区分在不同波段的比值差异较大的地物有明显效果。不同波段的比值差异较大的地物有明显效果。 遥感图像在获取时，由于地形起伏以及太阳斜遥感图像在获取时，由于地形起伏以及太阳斜射地面等因素的影响，造成在不同的地形部位。射地面等因素的影响，造成在不同的地形部位。 例如阳坡和阴坡的辐射

7、量有很大不同。受地形例如阳坡和阴坡的辐射量有很大不同。受地形阻隔的影响，阴坡处的太阳辐射很低，因此在阴坡阻隔的影响，阴坡处的太阳辐射很低，因此在阴坡会形成阴影，特别是在山区，阴影的面积很大。这会形成阴影，特别是在山区，阴影的面积很大。这样会形成同一地物在不同地形部位的反射能量有很样会形成同一地物在不同地形部位的反射能量有很大差异，在图像上形成亮度差异，即大差异，在图像上形成亮度差异，即“同物异谱同物异谱”现象。比值算法能去除地形坡度和方向引起的辐射现象。比值算法能去除地形坡度和方向引起的辐射量变化，在一定程度上消除同物异谱现象。量变化，在一定程度上消除同物异谱现象。 例如，同一层砂岩出露在山体

8、的阴坡和阳坡，例如，同一层砂岩出露在山体的阴坡和阳坡，由于阴坡处砂岩的反射率比阳坡低，因此虽然是同由于阴坡处砂岩的反射率比阳坡低，因此虽然是同一岩层，但在一岩层，但在TM1TM1和和TM2TM2两个波段上亮度值不同，若两个波段上亮度值不同，若不进行处理采用这样的图像直接分类，很可能将同不进行处理采用这样的图像直接分类，很可能将同一岩层会被分成两种不同的类型，造成错误。但若一岩层会被分成两种不同的类型，造成错误。但若用用TM1/TM2TM1/TM2比值处理，比值图像上阴坡、阳坡的砂比值处理，比值图像上阴坡、阳坡的砂岩亮度趋于一致，可消除地形的影响，从而提高分岩亮度趋于一致，可消除地形的影响，从而

9、提高分类精度。类精度。 植被指数：植被指数：根据地物光谱反射率的差异作比值根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，通常把能够提取植被的算法称为估算绿色生物量，通常把能够提取植被的算法称为植被指数。植被指数。 绿色植物叶子的细胞结构在近红外具有高反射，绿色植物叶子的细胞结构在近红外具有高反射，其叶绿素在红外波段具有强吸收。因此在多光谱图其叶绿素在红外波段具有强吸收。因此在多光谱图像中，用红外像中，用红外/ /红波段做比值运算，在比值图像上红波段做比值运算，在比值图像上植被区域具有高亮度值，甚至在绿色生物

10、量很高时植被区域具有高亮度值，甚至在绿色生物量很高时达到饱和，从而可以提取植被信息。达到饱和，从而可以提取植被信息。 1 1、比值植被指数、比值植被指数（RVIRVI） 2 2、归一化植被指数、归一化植被指数（NDVINDVI） 3 3、差值植被指数、差值植被指数（NDVINDVI） 遥感多光谱图像的波段很多，例如遥感多光谱图像的波段很多，例如TMTM图像和高图像和高光谱图像等。这些图像数据量往往非常大，运算时光谱图像等。这些图像数据量往往非常大，运算时需要需要耗费大量机时和占据大量磁盘空间耗费大量机时和占据大量磁盘空间。同时，多。同时，多光谱图像的各波段之间具有一定的相关性，造成光谱图像的各

11、波段之间具有一定的相关性，造成不不同程度的信息重叠同程度的信息重叠。多光谱增强采用对多光谱图像。多光谱增强采用对多光谱图像进行线性变换的方法，减少各波段信息之间的冗余，进行线性变换的方法，减少各波段信息之间的冗余，达到保留主要信息，压缩数据量，增强和提取更具达到保留主要信息，压缩数据量，增强和提取更具有目视解译效果的新波段数据的目的。有目视解译效果的新波段数据的目的。 主要有两种方法：主要有两种方法：K-LK-L变换（主成分变换）和变换（主成分变换）和k-Tk-T变换（缨帽变换）。变换（缨帽变换）。 学习这两种方法，首先需要认识多光谱空间。学习这两种方法，首先需要认识多光谱空间。 多光谱特征空

12、间多光谱特征空间是一个是一个n n维坐标系，每一个坐维坐标系，每一个坐标轴代表多波段图像的一个波段，坐标值表示该波标轴代表多波段图像的一个波段，坐标值表示该波段像元的灰度值，图像中的每个像元对应于坐标空段像元的灰度值，图像中的每个像元对应于坐标空间中的一个点。间中的一个点。 例如：以例如：以TM1TM1和和TM2TM2建建立一个二维坐标系，即二立一个二维坐标系，即二维的光谱空间。其中横轴维的光谱空间。其中横轴代表代表TM1TM1，纵轴代表，纵轴代表TM2TM2。每一个像元都可以在空间每一个像元都可以在空间中找到对应的点。当有中找到对应的点。当有n n各各波段时便是波段时便是n n维空间。维空间

13、。 特点：特点：多光谱特征空间多光谱特征空间仅仅表示各波段光谱之仅仅表示各波段光谱之间的关系，而不包括任何该点在图像中的位置信息，间的关系，而不包括任何该点在图像中的位置信息，没有空间意义，波段数就是光谱特征空间的维数。没有空间意义，波段数就是光谱特征空间的维数。 像元点在坐标系中的位置可以表示成一个像元点在坐标系中的位置可以表示成一个n n维维向量向量X X： 1 1、主成分变换、主成分变换 （1 1）K-LK-L变换变换 主成分变换也叫主分量分析，是在统计特征基主成分变换也叫主分量分析，是在统计特征基础上的多维正交线性变换，其特征是不丢失信息。础上的多维正交线性变换，其特征是不丢失信息。

14、对某一多光谱图像对某一多光谱图像X X，利用，利用K-LK-L变换矩阵变换矩阵A A进行进行线性组合，从而产生一组新的多光谱图像线性组合，从而产生一组新的多光谱图像Y Y，表达，表达式为：式为： 上式也可以写成：上式也可以写成： 表示对图像中每一像元矢量逐个逐个乘以矩阵表示对图像中每一像元矢量逐个逐个乘以矩阵A A，便得到新图像中的每一个像元矢量。，便得到新图像中的每一个像元矢量。A A的作用是的作用是给多波段的像元亮度加权重系数，实现线性变换。给多波段的像元亮度加权重系数，实现线性变换。由于变换前各波段具有很强相关性，变换后由于变换前各波段具有很强相关性，变换后Y Y的各的各分量间将具有最小

15、的相关性。分量间将具有最小的相关性。 1 1、主成分变换、主成分变换 （1 1）K-LK-L变换分析变换分析 采用主成分分析可以把图像中所含的大部分信采用主成分分析可以把图像中所含的大部分信息用假想的少数波段表示出来，这意味着信息几乎息用假想的少数波段表示出来，这意味着信息几乎不丢失但数据量可以减少。从几何意义上看，变换不丢失但数据量可以减少。从几何意义上看，变换后的主分量空间坐标系与变换前的多光谱空间坐标后的主分量空间坐标系与变换前的多光谱空间坐标系相比旋转了一个角度，而且新的坐标系的坐标轴系相比旋转了一个角度，而且新的坐标系的坐标轴 一定指向数据信息量较大的方一定指向数据信息量较大的方向，

16、向，就变换后的新波段主分量就变换后的新波段主分量而言，他们所包含的信息量呈而言，他们所包含的信息量呈逐渐减少趋势。逐渐减少趋势。 K-LK-L变换的应用：变换的应用： 数据压缩数据压缩 以以TMTM影像为例，一般只取前三个影像为例，一般只取前三个主分量作假彩色合成，数据量课减少到主分量作假彩色合成，数据量课减少到43%43%，既可，既可以实现数据压缩，也可以作为分类前的特征选择。、以实现数据压缩，也可以作为分类前的特征选择。、 图像增强图像增强 前几个分量信噪比大，噪声相对前几个分量信噪比大，噪声相对较小，因此突出了主要信息，达到了增强图像的目较小，因此突出了主要信息，达到了增强图像的目的。此

17、外将其他增强手段结合使用，会收到更好的的。此外将其他增强手段结合使用，会收到更好的效果。效果。 分类前预处理分类前预处理 多波段图像的每个波段并不多波段图像的每个波段并不都是分类的最好信息源，因而分类前的重要工作就都是分类的最好信息源，因而分类前的重要工作就是特征选择，即选择分类波段数以提高分类效果。是特征选择，即选择分类波段数以提高分类效果。 2 2、缨帽变换（、缨帽变换（K-TK-T变换）变换） Kauth-ThomasKauth-Thomas于于19761976年发现了一种线性变换，年发现了一种线性变换，使坐标轴发生旋转，旋转之后坐标轴的方向不是指使坐标轴发生旋转，旋转之后坐标轴的方向不

18、是指向主成分方向，而是向主成分方向，而是指向与地物特别是植被生长以指向与地物特别是植被生长以及土壤有密切关系的方向。及土壤有密切关系的方向。 K-TK-T变换为植被研究，特别是分析农业特征提变换为植被研究，特别是分析农业特征提供了一个优化显示的方法，同时又实现了数据压缩，供了一个优化显示的方法，同时又实现了数据压缩，因此具有重要的实际应用意义。因此具有重要的实际应用意义。 K-TK-T变换主要应用于针对变换主要应用于针对TMTM数据和曾经广泛使数据和曾经广泛使用的用的MSSMSS数据。数据。K-TK-T变换是对原图像的坐标空间进行变换是对原图像的坐标空间进行平移和旋转，变换后的新坐标轴具有明显的景观含平移和旋转，变换后的新坐标轴具有明显的景观含义，可与地物直接联系。对于义，可与地物直接联系。对于TMTM和和MSSMSS数据，转换数据，转换矩阵不同。矩阵不同。 对于对于MSSMSS数据：数据： 变换后：变换后：Y Y的四个分量相互垂直。的四个分量相互垂直。 y1y1：亮度分量，主要反映土壤反射率信息；：亮度分量，主要反映土壤反射率信息； y2y2：绿度分量，主要反映植物的绿度；：绿度分量，主要反映植物的绿度； y3y3：黄度分量，主要反映植被的枯萎程度；：黄度分量，主要反映植被的枯萎程度； y4y4：无实际意义。：无实