遥感信息提取

1、u遥感影像通常需要进一步处理方可使用，用于该目的的技术称之为遥感图像处理。u图像处理包括各种可以对像片或数字影像进行处理的操作，包括：u图象压缩、图象存储、图象增强、处理、量化、空间滤波以及图象模式识别等。u目前，主要的遥感应用软件包括：uENVI、PCI、ERDAS和ERMapper。uMAPGIS、GEOSTAR等。 信息识别与提取的基本方法 图像复原：几何校正 辐射校正 大气校正 图像增强：反差扩展 彩色增强 比值增强 差值增强 K-L变换 K-T变换 图像融合 卷积增强 图像分析：监督分类 非监督分类 第一节第一节 信息提取基础信息提取基础一、遥感图像 图像（image）是对客观对象的

2、一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。 遥感图像是通过远距离探测而记录的地球表面、大气层、以及其它星球表面等物体在不同的电磁波波段所反射或发射的能量的分布和时空变化的产物。 根据波段的多少 单波段图像：图像上每个点只有一个亮度值 多波段图像：图像上每个点不只一个特性 超波段图像：图像上每个点具有几十甚至几百个特性 根据图像的明暗程度和空间坐标的连续性划分： 数字图像：数字图像：被计算机存储、处理和使用的图像，是 一种空间坐标和灰度均不连续、用离散数学表示的图像，它属于不可见图像 模拟图像：模拟图像：空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像

3、，它属于可见图像 模拟图像模拟图像 数字图像数字图像 模数转换，记模数转换，记A/D转换转换 数字图像数字图像 模拟图像模拟图像 数模转换，记数模转换，记D/A转换转换 遥感数字图像（遥感数字图像（digital image）是指以数字形式表述的遥感影像。 二、遥感图像模式 遥感图像记录的是遥感传感器对地观测的结果，遥感图像的灰度值反映了地物的反射和发射电磁波能力，遥感图像的灰度值与工作区地物的成分、结构等以及遥感传感器的性质之间存在着某种内在联系，这种内在联系可以用一函数关系来表达，也就是说客观存在遥感图像的模式。 作为一个普遍性的理论模式，遥感图像一般可以用这样一个公式来描述（一幅遥感图像

4、上任一点（x，y）所记录的波谱辐射量L）：L（x,y;,t,p）= (x，y; ,t,p)I（x，y；,t）+1-(x，y; ，t,p)e() 反射的波谱辐射量 发射的波谱辐射量式中 L(x,y)点的波谱辐射量； x,y图像的空间位置坐标； t图像的成像时间； 传感器电磁波工作波段的波长； p 电磁波段极化性质； (x,y)点的波谱反射率； I (x,y)点的入射辐射量； e() 黑体的波谱发射本领 即：遥感图像是关于观测区空间位置变化（x,y坐标）、传感器电磁波工作波段的波长、成像的时间以及电磁波极化性质的函数。 讨论： 在可见光及近红外波段，物体自身发射的辐射量可以忽略不计，则 L（x,y

5、;,t,p）=(x，y; ,t,p)I（x，y；，t） 此时，入射量I取决于太阳光照条件和传感器的几何特征，而则反映物体的性质。 热红外波段，反射和发射都要考虑，摄像时间是一个重要因素，夜晚摄取的主要是地物的热发射;白天的反射部分处于不同的波段，一般是通过不同的探测器分别记录为不同的图像。 微波遥感有主动雷达系统及被动的微波扫描系统，前者是利用人工辐射源产生的脉冲波经地面反射后的回波，而后者则是接收地物发射的微波热辐射。雷达系统接收的反射信息与一般的反射辐射具有不同的性质和特点。三、图像函数 固定成像时间t，如果不考虑L（x,y;,t,p）的物理意义，地物的辐射量度是一个关于空间坐标位置的函数

6、，也就是说图像就是一个二维的空间分布，可以把图像函数L用关于（x,y）的实函数f（x,y）来表示。 图像函数f（x,y）所代表的实际上是二维空间内物体所反射或发射的辐射能量的分布，是真实情况的直接反映，还不是传感器记录下来的数据或像片的图像本身。因为传感器所接收的电磁波辐射能量至少还要受到辐射电磁波与大气层的相互作用的影响，因此，传感器所记录下来的物体辐射特征及几何特征与实际的地物辐射特征之间还有差别，它们之间还存在着一个对应变换关系。即： g(x,Y)=T f(x,y)式中：g(x,Y)描述传感器接受的电磁波辐射特征 的函数，即图像函数 f(x,y)反映实际地物电磁波辐射特征的函数，即物面函

7、数； Tf(x,y)与g(x,Y)之间的对应变换关系。即成像系统；景物 图像 成像系统 f(x,y) g(x,Y) g(x,y)就是遥感图像处理中真正要遇到的图像函数，它是一个关于空间坐标（x,y）点地物的某种物理量的一种度量，它的大小称为图像点的亮度、灰度、密度等，它既反映了图像灰度的大小，也反映了图像灰度的分布。 遥感图像函数g(x,y)有以下三个基本特点： 函数值物理意义的明确性。 函数定义域的限定性。 函数值的限定性。 遥感图像函数g(x,y)有以下三个基本特点： 函数值物理意义的明确性 遥感图像的灰度值即图像函数的值代表了地物电磁波辐射的一种度量，也就是说图像函数值主要反映的是地物的

8、光谱特征。 函数定义域的限定性 由于每一种遥感传感器都具有一定的视域，因而它所获得的图像大小也是有限的，所以图像函数只在图像范围内有效。即它在空间上是限定的，包含在一个矩形区域内，而且坐标原点在左上角。 函数值的限定性 图像函数g(x,y)的取值都在一定的值域内，即 0g(x,y)RmaxRmax地物的最大辐射量，g(x,y)没有负值，而且不大于最大的辐射量。 0，Rmax称为灰度空间，通常g(x,y)=0 定为黑色， g(x,y)= Rmax定为白色所有中间值都是由黑连续地变为白时的灰度等级 在考虑图像模式L（x,y;,t,p）的简化过程中，图像函数g(x,y)只考虑了空间坐标位置的变化，在

9、实际的遥感图像中，其它三个变量往往通过别的途径来表示： 电磁波波长的变化。 成像时间t的变化。 电磁波极化性质的变化。 四、图像函数的数字化 图像函数g(x,y)的数字化就是把连续函数图像转换为数字图像，图像函数的数字化 ，通常包括以下两个方面的内容： 1、抽样： 进行像幅空间坐标的数字化，即沿像幅X轴和Y轴等距离地分割为MN个像元（即网格化），并分别量测这些像元的平均灰度值，这一过程称为抽样。 2、量化：对量测的灰度值进行数字化。即将灰度值转换成二进制字码代表的某一灰度级。经过量化后，数字图像的灰度值不是像元的平均辐射值，而是像元平均辐射值所在的编码区间的级数。 灰度级的级数i一般用2的指数

10、m，即i=2m （m=1，2，8） 当m=1时，灰度有黑白两级（二值化） 当m=8时，则灰度有256级，0255，0为黑，255为白 如MSS的量化级26 TM、SPOT的量化级28 从遥感器得到的电信号是连续的模拟信号（在图上为连续的曲线）。这个连续信号被按一定时间间隔（ T）采样并数字记录每个样点（a、bi、k）。在图中输入的遥感器信号的电压值在02v范围内，输出的DN值在0 255值范围内。图中的a采样点，遥感器记录为0.46v，它的DN值为59。3、数字图像 由离散化的坐标和灰度值组成的MN数字矩阵： g（0，0）， g(0,1), g(0,N-1) g(x,y) g（1，0）， g(

11、1,1), g(1,N-1) g（M-1，0），g(M-1,1),g(M-1,N-1) 即为数字化图像，其中每一个格网称为一像元，它在MN数字阵中，用行、列号和灰度值表示。五五 遥感图像的基本统计分析遥感图像的基本统计分析 （一）、图像的统计量 xijM i= 1 j=1NMNM 行，N列X 小，图像暗，X大，图像亮1、均值： 指一幅图像中所有像元的亮度值的算术平均值。 X = 2、中值：图像中所有不同亮度值的中间值。 Med = (Max+Min)/2 3、众数：是图像中出现的次数最多的一个亮度值，代表图像中分布较广的一种地物类型均值、中值、众数在多数情况下是比较接近的，少数情况下，他们之间

12、有显著差别。这与图像数据的概率分布或直方图的特征有密切关系。某地TM图像统计特征4、数值域：亮度值的动态变化范围，即最大和最小亮度值之间的差值 gange=gmx-gmin S2 = (Xi X)2Ni=1N衡量由每个像元值Xi与均值X的差异所累积形成的总的离散程度。方差的平方根（取正值）就是标准差： (Xi X)2Ni=1N =5、方差 方差和标准差描述了像元值与图像平均值的离散程度,是图像信息量大小的标志。 方差是衡量一个波段中像元值差别的大小或分散的程度，一定程度上也是信息量多少的量度。 方差小，亮度值比较集中，图像反差小； 方差大，亮度值比较分散，图像反差大。 6、反差：C1DNmax

13、/DNmin C2DNmax-DNmin C3Sb（标准差） 标准差大，反差大（二）、 图像的直方图1、图像直方图的基本概念： 直方图是图像中的每个波段亮度值的分布曲线。图像直方图的横坐标表示图像的灰度级变化 ，直方图的纵坐标表示图像中某个灰度级像元数目占整个图像象元数目的百分比或累计百分比。 直方图是图像灰度分布的直观描述，它能够反映图像的信息量及分布特征。2、图像直方图的基本类型 频数直方图：纵坐标值是某个灰度级的像元在图像中出现的百分数，频数直方图相当于概率密度曲线。数字图像直方图数字图像直方图：以每个像元为单位，表示图像中各亮度值或亮度值区间像元出现的频率的分布图。直方图的作用：直方图

14、的作用：直观地了解图像的亮度值分布范围、峰值的位置、均值以及亮度值分布的离散程度。直方图的曲线可以反映图像的质量差异。正态分布：正态分布：反差适中，亮度分布均匀，层次丰富，图像质量高。偏态分布：偏态分布：图像偏亮或偏暗，层次少，质量较差。小结小结 （三）、多波段数据的统计特征 多波段图像数据，不仅每个波段有其本身的统计特征，而且波段之间也存在着统计关系，其中最常采用的是协方差矩阵和相关矩阵。 1、协方差与协方差矩阵： 协方差： X1P2221X1X2X2 协方差矩阵： n个波段构成的协方差矩阵为 =S112 S122 S1n2S212 S222 S2n2 Sn12 Sn22 Snn2Sjk =

15、 Skj 为对称矩阵，主对角线上为各波段的方差。 2、相关系数与相关矩阵 相关系数是描述多波段图像的相关程度的统计量。对遥感图像来说，二个波段之间彼此包含的信息很多，称相关程度高，若彼此包含不同信息，则说相关程度低。 相关系数表示两个波段图像所包含的信息内容的重叠程度，是多波段图像彩色合成的重要依据。相关系数一般介于+1和-1之间如果两波段的相关系数大于0，则说明两波段间，一个波段的亮度值增加会引起另一个波段上亮度的增加，相关系数越接近1，这种依赖性越明显。如果两波段的相关系数小于0，则一个波段的亮度值增加会引起另一个波段上亮度的减少。第二节 辐射校正 辐射畸变：辐射畸变： 利用遥感器观测目标

16、物辐射或反射的电利用遥感器观测目标物辐射或反射的电磁能量时，从遥感器得到的测量值与目标物的光谱反磁能量时，从遥感器得到的测量值与目标物的光谱反射率或光谱辐射亮度等物理量是不一致的。在实际测射率或光谱辐射亮度等物理量是不一致的。在实际测量时，传感器本身、大气辐射、太阳高度以及地形等量时，传感器本身、大气辐射、太阳高度以及地形等因素都会引起光谱亮度的失真。这种失真称为辐射畸因素都会引起光谱亮度的失真。这种失真称为辐射畸变。变。 辐射校正：辐射校正：这种消除图像数据中依附在辐射亮度里的这种消除图像数据中依附在辐射亮度里的各种失真的过程称为辐射校正。各种失真的过程称为辐射校正。 完整的辐射校正包括遥感

17、器校正、大气校正，以完整的辐射校正包括遥感器校正、大气校正，以及太阳高度和地形校正。及太阳高度和地形校正。 影响辐射畸变的因素：影响辐射畸变的因素：传感器本身的影响：传感器本身的影响：导致图像不均匀。导致图像不均匀。大气对辐射的影响：大气对辐射的影响：导致图像模糊失真，造成图像的分导致图像模糊失真，造成图像的分 辨率和对比度相对下降。辨率和对比度相对下降。太阳高度对辐射的影响：太阳高度对辐射的影响：导致图像上产生阴影压盖其他导致图像上产生阴影压盖其他地物影像，从而影响了遥感图像的定量分析和自动识地物影像，从而影响了遥感图像的定量分析和自动识别别。地形起伏对辐射的影响：对辐射的影响：导致同类地物

18、灰度不一致的现导致同类地物灰度不一致的现象。象。其他原因对辐射的影响：其他原因对辐射的影响：导致不正常的条纹和斑点。导致不正常的条纹和斑点。 （检测器特性的差别、干扰、故障等）（检测器特性的差别、干扰、故障等） 一、传感器校准（系统辐射校正） （一）光学摄影机内部辐射误差校正 光学摄影机内部辐射误差主要是由镜头中心和边缘的透射光的强度不一致造成的，它使得在图像上不同位置的同一类地物有不同的灰度值，如航空像片时常边缘较暗就是因此形成的。设原始图像灰度值为g，校正后的图像灰度值为g则有 ggcos 式中，为像点成像时光线与主光轴夹角。 (二)光电扫描仪内部辐射误差的校正 光电扫描仪的内部辐射误差主

19、要有二类：一类是光电转换误差；另一类是探测器增益变化引起的误差。通常采用楔校准处理方法加以消除。现在以陆地卫星可见光波段为例，校准模型：二、大气校正 所谓大气校正就是指消除主要由大气散射引起的辐射误差的处理过程。大气影响的定量分析大气影响的定量分析 ：大气的主要影响是减少了图像的对比度，使原始信号和背景信号都增加了因子，图像质量下降。大气影响的粗略校正：大气影响的粗略校正：通过简单的方法去掉程辐射度（散射光直接进入传感器的那部分），从而改善图像质量。 直方图最小值去除法回归分析法 校正的方法是将波段b中每个像元的亮度值减去a，来改善图像，去掉程辐射。 前提假设：大气散射的影响主要在短波波段，红

20、外波段中清洁的水体几乎不受影响，反射率值应当为0。由于散射影响，而使得水体的反射率不等于0，推定是由于受到了天空辐射项的影响。 (一)回归分析法 由于大气散射主要影响短波部分，波长较长的波段几乎不受影响，因此可用其校正其他波段数据。作法如下：在不受大气影响的波段(如TM5)和待校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。例如，用TM1波段与TM5波段比较，作出回归直线图，回归方程为(3.9)(3.10)(3.11)(3.12) 以上各式中T1、T5表示TM1与TM5波段灰度值，Tl为TM1波段校正后的灰度值，对于任一波段其校正量a

21、i是第i波段回归分析的截距。 实际校正时只要依据以上公式通过TM1、TM5波段灰度值计算出a1、b1值，再根据式(3.12)减去改正量即可求出每个像元TM1波段校正后灰度值。 (二)直方图校正法基本思路基本思路:每幅图像上都有辐射亮度或反射亮度应为每幅图像上都有辐射亮度或反射亮度应为0的地的地区，而事实上并不等于区，而事实上并不等于0,说明亮度最小值必定是这一地区说明亮度最小值必定是这一地区大气影响的程辐射度增值。大气影响的程辐射度增值。校正方法校正方法:将每一波段中每个像元的亮度值都减去本波段将每一波段中每个像元的亮度值都减去本波段的最小值。使图像亮度动态范围得到改善，对比度增强，的最小值。

22、使图像亮度动态范围得到改善，对比度增强，从而提高了图像质量。从而提高了图像质量。 是通过灰度直方图对比找出校正量。如图所示，由于大气散射影响只作用于短波段，对可见光以外的红外波段几乎没有影响(如TM5波段)，因此如果影像范围内存在灰度值为零的地物(例如深水体，高山背阴处等)，其灰度直方图往往从原点开始，而其他波段灰度直方图离原点有一段距离(例如图中线段a1)，这段距离即为大气散射引起的灰度直方图漂移值。依此为改正量进行校正，相当于从每个像元灰度值中减去这个数值。其他波段的校正量可以由此类推求得。直方图最小值比较 三、噪声消除 遥感图像的噪声源主要有大气传输信道的噪声及传感器内所产生的噪声。大气

23、传输信道中由于大气的湍流扰动影响产生随机噪声；传感器的噪声源包含有转换和滤波过程中产生的噪声，例如，光电检测系统的电流不稳定性所表现的散粒噪声，即电流的无规则起伏现象，低光亮时为泊松分布，高光亮时为高斯分布。传感器的另一噪声源为滤波器电路中的电阻、电容产生的热噪声，这种噪声也具有高斯分布、零均值的随机特性；热红外波段传感器因各部分的温度变化也产生噪声效应；此外，摄影胶片记录信息时存在的胶片颗粒噪声，即由胶片上溴化银颗粒受等值曝光时因银颗粒的大小、形状不完全一致，而且分布不均匀引起的。以上这些噪音均属于对图像的高频干扰，因此可以采用滤波方法子以消除。 1、条纹消除 遥感影像中条纹误差判定和消弱的

24、常用方法有：平均值法、直方图法及在垂直扫描线方向上采用最近邻点法或三次褶积法。下图是采用三次褶积法进行条纹误差的效果图。 2、斑点消除 校正后的斑点亮度值取其邻域像元亮度值的平均值或用三次褶积法进行修正。 通常边缘附近的斑点不进行校正，影像四周的像元不进行斑点校正。 第三节 遥感图像数字镶嵌 实际工作中时常需要将多幅卫片或相邻航片镶嵌在一起，早年通过裁切光学像片拼接在一起，误差自然很难避免。现在通过数字镶嵌方法可以较好地实现“无缝”拼接。数字镶嵌在理论和方法上与几何校正类似，有几点需要注意： 第一，镶嵌要有足够宽的重叠区，最好不少于图像的l5如果过于狭窄会影响镶嵌精度，特别是图像边缘会出现扭曲

25、。 第二，镶嵌时相邻的图像往往色调(对彩色图像)或灰度值不一致(对灰度图像)，此时需要其中一幅图像进行诸如“直方图匹配”等处理。 第三，如果镶嵌后需要某种地图投影变换，最好依据该地图投影方式先分幅校正，然后再镶嵌，这样精度会更高些。 航空像片扫描进计算机后也可以进行数字镶嵌，但由于中心投影方式(特别是大比例尺航片)带来的边缘变形导致镶嵌很难满足精度要求，此时可考虑先进行正射投影变换再进行镶嵌u准备工作：u1）要参加拚接的图像必须具有统一的坐标系，即首先进行图像的几何纠正。u2）图像灰度的调整u对于彩色图像，需要从红绿蓝三个波段分别进行灰度的调整；u对于多波段的图像文件，进行一一对应的多个波段的

26、灰度调整。u灰度调整的方法：进行交互式的图像拉伸，进行图像直方图的规定化(匹配)，或者进行更加复杂的类似变化（如线性回归）。u确定输出图像的大小；u确定参加图像拚接的方法；有无羽化（Feathering）。 参加拚接的图像如没有羽化，则用上面的图像灰度值直接替代重复部分的灰度值；u如果有羽化，则重复部分的灰度值由两个图像的灰度值确定。u羽化方法：一是边缘羽化，二是用户自定义羽化。 图像拚接的操作：1） 边缘羽化边缘羽化 用户需要键入羽化的距离。羽化部分的灰度值采取两个图像的线性加权值。边缘处Image #2 0%, Image #1 100%, Averaging Distance 处， Im

27、age#2占 100%, Image1 占0； 中间部位线性组合。2) 自定义羽化自定义羽化首先必须在图像上使用ANN定义Cutline.灰度值的计算方法：Cutline处，Image #2 占100%, Image #1 占0%, Averaging Distance 处， Image#2占0%, Image1 占100；中间地带，线性插值。第四节第四节 几何校正原理几何校正原理 遥感图像的数字纠正是通过计算机对图像每个像元逐个地解析纠正处理完成的，所以能够精确地改正线性和非线变形误差。它一般包括两方面：一是像元坐标变换，二是像元灰度值重新计算（重采样）。 准备准备 工作工作 输入原输入原始

28、图象始图象 建立纠建立纠正函数正函数 确定输出图象确定输出图象的范围的范围 逐个像元进逐个像元进行几何变化行几何变化 灰度的灰度的重采样重采样 输出纠正后输出纠正后的图象的图象 效果效果 评价评价 1. 地形图的准备 原则上要求所用地形图的比例尺应大于遥感影像制图的比例尺。对分辨率小于5m的影像制图，应采用15万的地形图纠正；对于分辨率大于5m的影像制图，应采用11万的地形图纠正。 2.校正图像的准备 根据影像数据分析与预处理的结果，首先需确定是否为多景数据处理。多景数据处理的原则为：时间相近的图像，可先镶嵌后再进行几何处理；获取时间差别较大的图像，应分别进行几何处理再镶嵌。 其次生成供选取控

29、制点的图像。可以对图像进行增强以改善目视效果，有利于地物点的确定。也可以选择某一时相的TM彩色合成（743、543、741等）图像，作为供选取控制点的影像。（二）、纠正变换函数的建立（二）、纠正变换函数的建立 用以建立影像坐标和地面坐标（或地图）间的数学关系，即输入图像与输出图像间的坐标变换关系。这种坐标变换关系，通常有两种互逆的表达式法： 1.直接法方案 从原始图像阵列出发，按行列的顺序依次对每个原始像素点位求其在地面坐标系（也是输出图像坐标系）中的正确位置： X Fx(x,y) Y Fy(x,y)式中Fx、Fy为直接纠正变换函数。 按照原始图像的阵列，依次对每个象元(x，y)进行变换纠正，

30、求得图像的位置（X，Y），同时把原图像(x，y)的灰度值送到新图像（X，Y）的位置上。 2.间接法方案 从空白的输出图像阵列出发，亦按行列的顺序依次对每个输出象元点位反求其在原始图像坐标的位置。xGx(X,Y)yGy(X,Y) 式中Gx、Gy为间接纠正变换函数。同时把上式所算得的原始图像点位上的亮度值取出填回到空白输出图像点阵中相应的象元点位上去.由于计算的（x，y）不一定刚好位于原始图像的某个象素中心上，必须经过灰度内插确定（x，y）的灰度值。 （三）、纠正后数字图像的边界范围（三）、纠正后数字图像的边界范围 经过纠正后的图像仍为数字图像，它与原始图像的形状和方向都不一致，所以纠正变换前，必

31、须为计算机输出图像预留一定的存储空间和该空间边界的地图坐标定义值，即必须预先确定纠正后数字图像的边界范围。其方法如下图： 根据 X Fx(x,y) Y Fy(x,y) 求出原始图像四个角点（a、b、c、d）纠正后的对应点（a、b、c、d）的大地坐标（X a,Y a）, （X b,Y b）, （X c,Y c）, （Xd,Yd），然后求其最大和最小值，即：X1min(X a，X b, X c, X d) X2max(X a，X b, X c, X d) (3)Y1min(Y a,Y b,Y c,Y d) Y2max(Y a,Y b,Y c,Y d) 由（3）式确定的大地坐标值即为纠正后图像的边界

32、范围。 为了把该边界范围转换为计算机中纠正图像的贮存数组空间，必须在其中划分出格网，每个网代表一个输出象元。为此应根据精度要求定义输出象元的地面尺寸X和Y，并以边界范围左上角A点为输出图像的坐标原点，以x轴（AC边）表示图像行号，以y轴（AB边）表示图像列号。图像总的行列数M和N由下式确定：输出图像在Axy坐标系中，每个象元将以其所在的行列号来确定其位置。行列号的范围为： x1，2，M y1，2，N任意一个输出图像坐标（行列号）与坐标的关系为：或式中：Xp，Yp 纠正后象元中的地面坐标，xp，yp 纠正后象元中的图像坐标（行列号）（四）、纠正后数字图像（四）、纠正后数字图像灰度值的重采样灰度值

33、的重采样以间接法纠正方案为例，假如输出图像阵列中的任意一个象元在原始图像中的投影点的坐标值为整数时，便可简单地将整数点位上原始图像上的灰度值直接取出，填入输出图像中。但当投影点位的坐标不为整数时，则投影点的灰度值需根据周围阵列象元的灰度确定，这种方法就称为灰度值重采样。所谓重采样，是相对于遥感信息获取时已进行过一次采样而言的。 1.邻近法：以离投影点最近的一个象元的灰度值作为输出象元的灰度值。 这种方法保持了原来的亮度值不变，即光谱信息不变，但却搬动了空间位置，相比之下，几何精度差。但方法简单，计算速度快，灰度失真大。2.双线性内插法：以投影点周围邻近四个象元的灰度值，确定输出象元的灰度值，其

34、简单式为： G2 G3 G4 G1 g xy输出象元的灰度值gi 邻近点I的灰度值pi 邻近点对投影点的权值（pi1/di，di为邻近点至投影点的距离） 这种方法的计算量比邻近法要大，但几何上比较准确，即输出象元灰度值的保真度较好。 3.双三次卷积法： 以投影点周围邻近16个象元的灰度值，确定输出象元的灰度值，其简单式为：这种方法精度最高，但计算量较大（五）、多项式纠正法：（五）、多项式纠正法： 用多项式近似地描述纠正前后相应点的坐标关系，并利用控制点的图像坐标和参考坐标系中的理论坐标，按最小二乘法原理求解出多项式中的系数，然后以此多项式对图像进行几何纠正 其一般简化式为：XiFx(xi, y

35、i) a0+a1xi+a2yi+a3xiyi+a4xi2+a5yi2YiFy(xi, yi) b0+b1xi+b2yi+b3xiyi+b4xi2+b5yi2或xi Gx(Xi,Yi) c0+c1xi+c2yi+c3xiyi+c4xi2+c5yi2yi Gy(Xi,Yi) d0+d1xi+d2yi+d3xiyi+d4xi2+d5yi2其中：X，Y ：为控制点在参考坐标系中的理论坐标； x,y ：为同名控制点对应的原始图像坐标（行列号） ai、bi、ci、di：为多项式系数。 利用有限的控制点的已知坐标，解求多项式的系数，确定变换函数。然后将各个像元带入多项式进行计算，得到纠正后的坐标。实际工作中

36、多项式最高次数一般取2就足以满足精度要求了。可以看出，只要求解出ai、bi、ci、di这四组系数就可以直接利用上式进行纠正了。 实际工作中常利用待定系数法求解ai、bi、ci、di。选择待纠正图像和地形图（或其它参考地图、图像）上均可清晰辨认像点作为地面控制点（ground control point,GCP）读取控制点在图像和地形图（或其它参考地图、图像）上坐标，代替上式中的x,y,X,Y,得出一个关于ai和bi、ci和di方程组。可以看出，控制点个数不得少于方程中ai、bi、ci、di的数目i。这样通过求解ai和bi、ci和di方程组，可确定上式系数。多项式系数求出后，根据上式可以求解原始

37、图像任一像元的坐标，并对图像灰度进行内插，获取某种投影的纠正图像。 为此必须选择控制点选择控制点时，应遵循以下原则： 均匀分布：一般先在图像的四角和对角线交点处选择控制点，然后逐渐加密，保证均匀分布。 特征明显：尽可能选在固定的地物交叉点上，无精确定位的标志情况下，利用半固定的地形地物交叉点（山顶、河流交叉处）。如道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。 足够数量：控制点数量每景宜在2535个左右，山区或丘陵区适当增加。 数量应当超过多项式系数的个数（(n+1)*(n+2)/2）。当控制点的个数超过多项式的系数个数时，采用最小2乘法进行系数的确定，使得到的系数最佳。 ENVI:

38、 (degree + 1)2 第五节多图像几何配准 不同类型传感器获得的遥感数据在分辨率、比例尺、投影方式等方面往往差异很大，在实际应用过程中又经常需要将同一地区的各种遥感数据“匹配”起来，以期利用各自优点，这种作法称之为多图像几何配准。它是动态监测、变化信息提取、信息复合等工作不可缺少的组成部分。 多图像几何配准原理与方法都和几何校正基本相同。这种配准既可以是遥感图像，也可以是遥感图像与各种专题图、地形图的配准。比如，利用遥感数据修测地形图，可以将地形图扫描入计算机，然后配准，就能准确地找到增绘内容。值得注意的是，当不同分辨率图像配准时需要兼顾实用需要和图像数据量大小，再决定配准后的图像分辨

39、率。95年2000年 第六节第六节 图像增强图像增强 目的：突出图像中的有用信息，扩大不同影像特征（亮度值） 之间的差别，以提高对图像的解译和分析能力，使之更适合实际应用。类型：按照主要增强的信息内容可分为： 波谱特征增强：突出不同地物之间波谱特征的差别 空间特征增强：突出空间形态特征、边缘、线条、纹理结构特点 时间信息增强：提取多时相图像中波谱与空间特征随时间变化的信息 按照参加处理运算的波段影像数目可分为： 单波段图像增强：对单一波段数据处理，如反差扩展 多波段图像增强：对多个波段数据处理，如彩色合成方法：从图像处理的数学形式看： 点处理（点运算） 邻域处理（局部运算） 点处理：点运算公式

40、：g(x,y)=Ig(x,y) I为与(x,y)位置无关的线性或非线性变换。 点运算就是将原图像中每一个像元的灰度值，通过变换转换成输出图像中一个新的灰度值，其图像中各个像元的位置并不改变。邻域处理：局部运算形式：g(x,y)= g(x,y)* h(x,y) h(x,y)为某种增强处理算子，符号为卷积运算。 局部运算是针对一个像元点周围的一个小领域的所有像元而进行，输出值的大小以像元点在原图像中的灰度值大小有关外，还决定于它邻近像元点的灰度值大小。卷积滤波 是将一个给定大小的滤波块（或称模板），逐次放在每一个像元位置上，计算两者之间对应各点的乘积，并求和，以和数作为中心像元的输出值。用数学式可

41、表示为：以下33（像元）的模板为例：式中：Mi方向模板元素值 gi相应图像区域各像元的亮度值 f图像卷积值，即模板中心点对应像元卷积运算后的灰度输出值 方向模板是一个各元素大小按照一定的规律取值，并因而对于某一方向灰度变化最敏感的数字矩阵，它在所要增强的方向上取值最大，从而突出该方向的信息。波谱信息增强波谱信息增强 波谱信息增强方法有单波段运算和多波段运算两类，前者包括反差扩展、密度分割等，后者有比值法、差值法、主组分分析及其它线性变化。以下分别说明这些方法的原理、基本算法及应用效果。一、反差扩展或调整 Contrast stretching 目的：主要是充分利用显示设备的能力，使人的视觉能力

42、从影像中分辨出尽可能多的亮度等级。 定义：是一种通过拉伸或扩展图像的亮度数据分布，使之占满整个动态范围（0255），以达到扩大地物之间亮度差异，分出更多亮度等级的一种处理技术。 例如：原始的一幅MSS图像，亮度范围集中在1040范围内，我们可以将其扩展到0255，扩大了相邻亮度值之间的差别，提高了分辨能力（但不能增加亮度等级）。 原理：在反差扩展中，输出的像元值y，是输入的像元值x的函数：y=f(x) 0y255 这个函数可以是线性的，也可是非线性的。（一）线性扩展：用直线方程来扩展图像 y=f(x) 斜率=45 即 y=x 无变化 45 如 y=2x 扩展 1、普通线性扩展 dmin,dma

43、x分别代表输入的最小和最大值。 原来图像的最小和最大值。人为规定最小和最大值。此时，d ij = 0 当 dijdmin 255 当 dij dmax这就是说把区间a,b以外的像元值分别压缩为0及255 给定要舍掉的像元数百分比，小于此百分数的值均舍去，由程序来确定dmax dmin 1、 2、 监督性线性扩展：根据图像特点及特定的目的要求进行线性扩展 分段线性扩展： 将整个灰度范围划分为的几个区间，分区间进行线性扩展，每一区域都有自己的变换函数。这种方法称为分段线性扩展。 常用于需要充分扩展某个或某些亮度值区间的微小差异而不愿意舍弃其他部分信息。一般是提供一系列的分界点，确定输入及输出图像的

44、对应亮度区间。 局部扩展：只对原图像整个灰度范围中的一部分进行线性扩展。 等均值扩展：图像经过扩展后，均值趋于一致。 经过调查平均亮度，以达到最佳合成效果。（a）为双线性变换，(b)为三线性变换， (c)为压缩高、低灰度成分，增强中间灰度反差的三线性变换 （二）基本函数非线性扩展 是用一些基本数学函数进行变换，对于要进行扩展的灰度范围是有选择性的。常用的非线性扩展方法如下： 对数扩展（暗区）、指数扩展（亮区） 正弦扩展（中部）、正切扩展（二端） (1)正弦扩展 (2)对数扩展 (3)指数扩展 (4)正切扩展 1、 对数扩展 ylogx 输出的y值是比x小得多的实数，需再作线性扩展或量化。 为了

45、调节输出值的数值范围 和扩展程度，加入几个参数 目的：扩展暗区，压缩亮区 2、 指数扩展： y=bax b为底 常用e 一般：y=eax 系数a，使输出的值在0255范围内。 目的：扩展亮区，压缩暗区 3、 三角函数扩展 常用的是正弦和正切 y=sinx 扩展中部 y=tgx 扩展两端 4、 平方根扩展 y=asqrt(x)+b（三）直方图的调整及统计函数扩展 定义：通过改善图像的总体亮度结构（直方图形态）来达到图像增强目的。 原理：以一变换函数，作用在原图像的直方图p（Z）上，使之变成具有某种特定亮度分布形态的直方图q（Z），并根据q（Z）变更原图像各像元的亮度值。 p（Z）变换函数 q（Z

46、） 产生 输出图像 Z为亮度值或像元值 目的：是使概率密度大（直方图上柱子高）的部分相邻像元值的间隔加大，而使概率密度小的部分（直方图两端）像元值差别缩小，往往两个或几个相邻的亮度值归并为同样的值。 1、拉平扩展：直方图均一化、直方图平衡化 是将随机分布的图像直方图修改成均匀分布的输出直方图（每一亮度等级所包含的像元数相同）。 扩展后输出图像的q（Z）成为一个常数。（a）为原始图像直方图，可用一维数组P（A）表示，则： P（A）P0，P1，P2，Pn-1（b）为均衡后的直方图，也可用一维数组表示为：其中：值得注意的是： （累积概率密度）因此，为了达到均衡直方图的目的，可用累加的方法来实现，即当

47、P0P1PK1m 时原图像上的灰度为d0，d1，d2，dK的像元都合并成均衡后的灰度d0，同理：当PK1PK2PL1m 时，dK1，dK2，d2合并为d1，依次类推直到 PRPR1Pn-11m 时 dR，dR1，dn-1合并为dm-1直方图均衡化的效果是： 各灰度级所占图像的面积近似相等。 原图像频率小的灰度级被合并，频率高的灰度级被保留，因此，可以增强图像上大面积地物与周围地物的反差。举例：原图及其直方图举例：均衡后的图和直方图拉平扩展或称直方图均一化： 要求扩展后输出图像的q(x)为一常数，从而使图像的累积密度函数成一条正向倾斜的直线。 2550f2550pc(zj) = piji=1zj

48、zjzj .MN255已知总像元数为MN, 则频数为：MN/255f 拉平扩展是直方图中概率密度大的部分（一般是中间部分）亮度值之间差别显著扩大，产生强烈的反差增强作用。图中两块面积相等： pc(zj) = zj MN255 2、高斯扩展：是使扩展后的直方图接近于高斯分布或正态分布。3、直方图匹配 直方图匹配是通过非线性变换使得一个图像直方图与另一个图像类似。直方图匹配对在不同时间获取的同一地区的图像或邻区地区的图像，或者由于太阳高度角或大气影响引起差异的图像很有用，特别是对图像镶嵌或变化检测。 为了使图像直方图匹配获得好的结果，两幅图像应有相似的特性： （1）图像直方图总体形状应类似；（2）

49、图像中黑与亮特征应相同；（3）对某些应用，图像的空间分辨率应相同；（4）图像上地物分布应相同，尤其是不同地区的图像匹配。如果一幅图像里有云，而另一幅没有云，那在直方图匹配前，应将其中一幅里的云去掉。 为了进行直方图匹配，同样可以建立一个查找表，作为将一个直方图转换成另一个直方图的函数。3、改变均值和标准差的反差调整 用给定的均值和标准差取代原图像的均值和标准差，也可起调整反差的作用。 改变均值等于直方图的平移，效果是改变图像的整体亮度。 改变标准差相当于改变概率密度曲线的形态，目的是增强地物之间的亮度差异。 zi=+(zi)/ 改变均值和标准差的反差调整： 用给定的均值和标准差取代原图像均值和

50、标准差，可以起调整反差的作用。u0u1255255改变均值等于直方图的平移效果：改变图像的整体亮度图像较暗图像变亮u0u1255255图像较暗图像变亮f25500f2550zz当z i=+时，zi=+, 有zi =, zi =，(zi ) / (zi ) = / , 则：zi= + ( / ) (zi )使直方图变平，改变直方图的形态，反差增强。f2550f2550暗区暗区扩展后4、局部增强 是一种随空间位置而变化的运算，即在每一个像元周围计算一个给定大小的窗口内各像元亮度值的统计数，然后以此为根据，进行这个小范围的反差扩展。这样可以充分增强相邻地物之间的差别。u局部窗口反差增强（局部增强）

51、对图像部分区域进行增强。 如图像中有一个暗区，它又是研究的对象，可进行局部增强，全幅图像的直方图为：f2550f2550暗区暗区扩展后 应用原则： 扩展直方图中部：正弦、高斯、拉平，以拉平扩 展最为显著 扩展直方图暗部：对数、分段线性 扩展直方图亮部：指数、分段线性 扩展直方图两端：正切、分段线性 压缩直方图两端：正弦、拉平二、彩色增强 目的：将黑白图像变换为彩色图像，用不同的色彩代替不同的灰度，以提高解译效果。 方法： 1、彩色合成u概念：利用计算机将同一地区不同波段的图像存放在不同通道的存储器中，并依照彩色合成原理，分别对各通道的图像进行单基色变换，在彩色屏幕上进行叠置，从而构成彩色合成图

52、像。u合成方案：彩色合成图像分为真彩色图像和假彩色图像。u方法演示TM1TM2TM3TM4TM5TM6TM7Landsat TM 5 sub-scene showing the region around the Alpinforschungszentrum RudolfshtteTM7,4,1TM5,7,2TM5,4,3TM4,3,2This graphic illustrates the increase in contrast in an image before (left) and after (right) a linear contrast stretch. This graph

53、ic illustrates the rather uneven increase in contrast in an image before (left) and after (right) a histogram equalised stretch. 方法： （1）真彩色合成：(Natural color composition) 图像上显示的色调与地物的真实颜色相同或相近。 （2）假彩色合成（False color composition;Pseudocolor） 任意三个波段或者经过处理产生的三个分量图像分别用红、绿、蓝显示而合成彩色。 合成方案：合成方案：7R 4G 1B7R 4G

54、 1B水体：0 R + 0 G + 2 B = 2B0 R + 0 G + 2 B = 2B 植被：15 R +50 G + 9 B = 9 W + 6 R + 41 G = 9 W + 6 Y + 35 G15 R +50 G + 9 B = 9 W + 6 R + 41 G = 9 W + 6 Y + 35 G土壤：50 R + 32 G +18 B = 18W + 32 R + 14 G = 18W + 14Y + 18 R50 R + 32 G +18 B = 18W + 32 R + 14 G = 18W + 14Y + 18 RTM432TM742TM321TM453 多光谱数据最

55、佳组合 目前常用OIF值作为衡量合成方案优劣的因子，它的基本原理是根据图像的统计特征来选定，就理论而言，OIF值越大，则合成方案越佳。式中：Si为第I波段的亮度标准差。Ri为合成分量间的相关系数。 标准差越大，表明该图像所含信息量越大，相关系数越小表明图像间的冗余度越小。 因此，所选用的波段组合应是有较大的信息量和较少的信息冗余。 现以某地一个实例说明，先计算TM各波段（TM6波段除）的标准差，分别为：17.02,10.29,14.04,15.95,31.38,19.36。6个波段间的相关系数如表： 在实际应用中，直接使用OIF因子，效果不一定理想，还应从应用目的出发，进行波段的选择（TM可产

56、生存20组彩色合成方案）。2、伪彩色增强 将一个波段或单一的黑白图像变换为彩色图像。从而把人眼不易区分的微小灰度差别显示为明显的彩色差异，使之更便于解译和提取有用信息。 3、 密度分割 将图像的亮度值（g）分为数目不多的若干层，根据各像元 亮度大小确定其属于哪层，并赋以每层特定的颜色。 12kl1lili-1lkl2C1C2 Ck-1Ck亮度频率li为分界亮度值 (l=1, 2, , k-1)，k为分层，Cj表示赋予每一层的颜色 (j=1, 2, , k)。具体操作如下：图像矩阵中每个像元应分在哪一层，用它原图像的灰度值在中查找它落入哪个区间，就定为哪一层，在按确定它的新灰度值或颜色就得到一张

57、密度分割图像。输入图像显示直方图确定分割的等级数，并计算分割的间距像元亮度值转换为为像元像元新值新值赋色赋色v以不同的色彩表示图像的色调变化，增强了图像的显示能力v同一地物或现象可能被分割成两种不同密度并以不同的颜色显示出来，或同一色彩却表示两种以上不同的地物，造成判读错误。 做密度分割时应注意以下几点： 监督性密度分割：根据实际情况确定分割级数和分割点。 根据图像直方图峰点和谷点的具体值来决定分割级数和分割点。 根据各类地物亮度值，求出各类地物的均值、标准差，确定分割级数和分割点。The figure shows an example of an image that has been de

58、nsity sliced into five classes. 北湖：1、29.080029.4243 墨绿色 2、29.424329.7685 深蓝色 3、29.768529.8260 绿 色 4、29.826030.0160 蓝 色 5、30.016030.2950 黄 色 6、30.295030.4570 浅蓝色 7、30.457030.6040 粉 色 8、30.604030.8500 褐 色 9、30.850030.9000 深绿色 10、30.900031.0980 珊瑚色 11、31.098031.1830 绿玉色 12、31.183031.8340 红 色 南湖：1、24.60

59、4024.9696 黑 色 2、24.969625.3352 深蓝色 3、25.335225.4120 绿 色 4、25.412025.6220 蓝 色 5、25.622025.8940 黄 色 6、25.894026.0690 浅蓝色 7、26.069026.2650 粉 色 8、26.265026.3450 褐 色 9、26.345026.5030 深绿色 10、26.503026.6810 珊瑚色 11、26.681027.1634 绿玉色 12、27.163427.5290 红粉色 2000年扎布耶总盐（年扎布耶总盐（%）含量彩色密度分割图）含量彩色密度分割图 2000年扎布耶盐湖水深

60、彩色密度分割图年扎布耶盐湖水深彩色密度分割图 图 例（单位：m）北湖：1、0.00900.2481 红 色 2、0.24810.6940 红粉色 3、0.69400.8570 绿玉色 4、0.85700.9710 珊瑚色 5、0.97101.1640 紫 色 6、1.16401.2520 深绿色 7、1.25201.3290 褐 色 8、1.32901.3820 粉 色 9、1.38201.4500 浅蓝色 10、1.45001.4990 黄 色 11、1.49901.5910 蓝 色 12、1.59101.6660 绿 色 13、1.66601.8110 深蓝色 14、1.81101.921