遥感数字图像处理

1、第二章：1 遥感的投影方式：中心投影，全景投影，斜距投影，平行投影。2 遥感成像按成像原理可分为：摄影成像和扫描成像3 传感器分辨率指标：辐射分辨率，光谱分辨率，空间分辨率和时间分辨率。4 Landsat4-7见课本18页 5 数字化的过程包括：采样和量化。6 通用数据格式：BSQ，BIL，BIP。第三章7 均值：像素值的算术平均，反映的是图像中地物的平均反射强度，大小由图像中主题地物的光谱信息绝定。8 中值：指图像所有灰度级处于中间的值，当灰度级为偶数时，则取中间两灰度值的平均值，由于灰度级一般连续变化，中值可由最大灰度值和最小灰度值决定。9 方差：像素值与平均值差异的平方和，表示像素值的离

2、散程度。10 变差：像素值最大值与最小值的差。11 反差：反映头像的显示效果和可分辨性，有时又称对比度。反差越小，地物之间的可分辨性越小。图像处理的一个基本目的就是提高图像的反差。12 直方图：是灰度级的函数，描述的是图像中各个灰度级像素的个数。图像的灰度值是离散变量，直方图表示离散的概率分布。可分为频数直方图和累积直方图。假定像元亮度随机分布时，直方图应是正态分布的13 会看直方图P46+P44 13.1 直方图均衡化将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。13.2 直方图均衡化的效果为：（1）各灰度级出现的频率近似相等；（

3、2）原图像上频率小的灰度级被合并，实现压缩；频率高的灰度级被拉伸，因此可以使亮度集中于中部的图像得到改善，增强图像上大面积地物与周围地物的反差。13.3 均衡化后图像的最小灰度值0，最大灰度值为L-1像元总数为N。(L-1)/N称为拉伸因子。具体计算用拉伸因子和累计像元统计值相乘即可以得到变换后的值13.4 对一幅图像进行直方图均衡化的具体步骤： （1）统计原图像每一灰度级的像元数和累积像元数； （2）根据变换函数式计算每一灰度级xa均衡化后对应的新值，并对其四舍五入取整，得到新灰度级xb； （3）以新值替代原灰度值，形成均衡化后的新图像； （4）根据原图像像元统计值对应找到新图像像元统计值，

4、做出新直方图； 直方图均衡化后的图像每个灰度级的像元频率，理论上应相等。实际上均衡化后的直方图呈现参差不齐的外形，这时由于图像是离散函数，各灰度级可能的像元个数有限造成的。在一些灰度级处可能没有像元，在另外一些灰度级处则像元很拥挤。13.5直方图规定化是指使一幅图像的直方图变成规定形状的直方图而对图像进行变换的增强方法。规定的直方图可以是一幅参考图像的直方图，通过变换，使两幅图像的亮度变换规律尽可能地接近；规定的直方图也可以是特定函数形式的直方图，从而使变换后图像的亮度变换尽可能地服从这种函数分布。直方图规定化的原理是对两个直方图都做均衡化，变成相同的归一化的均匀直方图。以此均匀直方图起到媒介

5、作用，再对参考图像做均衡化的逆运算即可。13.6 14 直方图匹配：15 共生矩阵法：图P55灰度共生矩阵（GLCM，又称为灰度联合概率矩阵法）描述了当图像中像素（i , j）处灰度为Ik的同时 沿着任意方向与（i , j）相距位移d的像素（I， j）出的灰度级为Ie的概率。该方法对图像中所有像素进行统计，以便描述其灰度的分布。应用表明GLCM是性能很好的方法，不但适用于文理识别，而且用于图像分割时效果也很好。 第四章16 彩色图像可以分为真彩色图像和假彩色图像。17 彩色合成包括伪彩色合成，真彩色合成，假彩色合成和模拟真彩色合成。又称为彩色增强。18 密度分割法：对单波段遥感图像按灰度分级，

6、对每级赋予不同的色彩，使之成为一幅彩色图像。19 标准假彩色合成：Landast TM 2绿3红4近红分别赋予红绿蓝就成为标准假彩色图像。MSS 选择421，spot321。在标准假彩色合成图像中，突出植被，水体，城乡，山区，平原，植被为红色，城镇为深色，地物类型信息丰富。20 拉伸：是最基本的图像处理方法，主要用来改善图像显示的对比度，以波段为处理对象，图像直方图是选择拉伸具体方法的基本依据。21 灰度拉伸（对比度变换）：分为线性拉伸和非线性拉伸。22 能够区分哪一波段被拉伸，哪一波段被压缩。P76-83第五章23 可见光和红外传输受什么影响？气体的吸收，气体分子和微粒的散射大气的透射率降低

7、。大气中分子散射对波长较短的电磁波（UV紫外光和蓝光）有影响，对红外线没有影响。悬浮颗粒散射量的大小和角度的变化取决于悬浮颗粒的总容量、粒径分布、介电常数和微粒的形状。P89在红外光谱区各种气体（主要是水蒸气和CO2）吸收的电磁波超过散射。24 辐射误差：论述P94定义：传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差，会造成遥感图像的失真，影响人们对遥感图像的判读，解释。 25 辐射误差产生的原因：传感器的响应特性和外界（自然）环境，其中后者包括大气（雾和云）和太阳辐射。 26 系统辐射误差的校正：光学镜头的非均匀性引起的边缘减光现象的改正，条纹，斑点，灰

8、度一致化（等概率变换和线性灰度变换）。27 大气校正三种方法：统计学方法，辐射传递方程计算法，波段对比法。28 几何校正的原理与步骤29 几何精纠正：又称为几何配准registration，是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程。30 几何精纠正的基本原理：是回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看做是挤压，扭曲，缩放，偏移以及更高层次的基本变形的综合作用的结果。因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。31 几何精纠正的具体实现过程：利用

9、地面控制点数据确定一个模拟几何畸变的数学模型，以此建立原始图像空间与标准空间的某种对应关系，然后利用这种对应关系，把畸变图像空间中的全部像素变换到标准空间中，从而实现图像的集合精纠正。32 基本技术：同名坐标变换法，即通过在基础数据和图像中分别寻找地面控制点的同名坐标，并借此建立变换关系来进行几何精纠正。33 操作步骤：准备工作输入原始数字图像确定工作范围选择地面控制点选择地图投影匹配地面控制点和像素位置评估纠正精度坐标变换重采样34 图像重采样的方法：最近邻域法（最简单，计算速度最快），双线性内插法和三次卷积内插法（误差约为双线性内插法的1/3,产生的图像比较平滑，但计算工作量较大，较费时）

10、。35 图像增强方面：空间域和频率域。多光谱变换，主成分变换，缨帽变换。P117第六章36 主成分变换及其应用P131：基本方法，基本性质，主要流程。37 缨帽变换P137：基本原理38 K-T变换前三个分量的基本意义：亮度 不等于土壤变化的主要方向绿度 反映绿色生物量的主要特征第三分量 可见光，近红外和较长的红外K-T变换只能用于MSS数据和LANDSAT4、5的TM图像、LANDSAT7的ETM图像，这是该方法的一个限制。39 归一化指数：比较特殊的运算方式。B=（B1-B2）/（B1+B2）在基本的比值运算中，如果分母中的波段B2的值比较小（特别是小于1的情况下），那么，比值的结果将夸大

11、差异，使用归一化指数可以避免这个问题。此外，与比值运算不同的是，归一化指数中像素值的变化时有约束的。典型的归一化指数是归一化植被指数。40 植被指数：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、提取植被类别或估算绿色生物量，能够提取植被的算法被称为植被指数（Vegetation index）。植被指数是代数运算增强的典型应用。 绿色植物叶子的细胞结构在近红外具有高反射，其叶绿素在红光波段具有强吸收。因此，在多波段图像中，用红外/红波段图像作比值运算后，结果图像上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。第七章41 空间域图像滤波成为平滑和锐化处理，强调像素与其周围相

12、邻像素的关系，常用的方法是卷积运算，但是随着采用的模板的窗口的扩大，运算量会越来越大。42 图像噪声：高斯噪声，脉冲噪声（椒盐噪声）以及周期噪声。43 均值滤波：平滑，去噪声。是最常用的线性低通滤波器，它均等地对待邻域中的每个像素。对每个像素，取邻域像素值的平均作为该像素的新值。从频率域的角度看，相当于进行了低通滤波。44 图像锐化：为了突出图像中的地物边缘、轮廓或线状目标，可以采用锐化的方法。锐化提高了边缘与周围像素之间的反差，因此也成为边缘增强。平滑通过几分过程使图像边缘模糊，图像锐化则通过微分使图像边缘突出。45 梯度法： Roberts 和 Sobel P165梯度实际上反映了相邻像元

13、之间灰度的变化率，图像中的边缘，例如河流、湖泊的边界、道路等处灰度的变化率较大，因此在边缘处一定有较大的梯度值；而大面积的平原、海面灰度变换较小，一定具有较小的梯度值；对于灰度级为常数的区域，梯度值为0。因此，以梯度值替代像元的原灰度值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。Roberts 采用交叉差分的方法。这种方法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。这种算法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。采用Roberts梯度对图像中每一个像元计算其梯度值，最终产生一个梯度图像，达到突出边缘的目的。Sobel

14、梯度在Prewitt算法基础上，对4邻域采用加权方法进行差分，因而对边缘的检测更加准确两种算法之间存在差异， Roberts提取的边界为边缘处的一边， Sobel算法则提取了边缘处的双边，即两个像元的宽度。因此，在处理一个或两个像元宽度的线性目标时，要根据具体情况选择处理方法。根据以上的各种算法求出各个像元的梯度值后，可以根据不同的需求生成不同的梯度图像， 46 Laplacian 算子 P167即线性二阶微分算子，即取某像元的上下左右个相邻像元的值相加的和减去该像元的倍，作为该像元新的灰度值。梯度运算检测了图像上的空间灰度变化率，因此，图像上只要有灰度变化就有变化率。而Laplace算子检测

15、的是变化率的变化率，是二阶微分，在图像上灰度均匀和变化均匀的部分，计算出的算子为0，因此，它不检测均匀的灰度变化，产生的图像更加突出灰度值突变的部分。在锐化结果中出现了负值，而图像的灰度值应为非负数，对所有值加上一个常数如计算结果中最大的绝对值即可解决47 频率域滤波：低通滤波，高通滤波，带通滤波。低通滤波用于仅让低频的空间频率成分通过而消除高频成分的场合，由于图像的噪声成分多数包含在高频成分中，所以可用于噪声的消除。高频滤波仅让高频部分通过，可应用于目标物轮廓等的增强。带通滤波仅保留一定的频率成分，所以可用于提取、消除每隔一定间隔出现的干涉条纹的噪声。第八章第九章48 相似性度量：绝对距离欧

16、氏距离马氏距离相似系数49 预处理：确定工作范围、多元图像几何配准噪声处理辐射校正几何精纠正多图像融合50特征选取可分性可靠性独立性数量少51分类52 分类后处理53 结果检验54 结果输出55 非监督分类P217非监督分类：是指人们事先对分类过程不加入任何的先验知识，而仅凭遥感图像中地物的光谱特征，即自然聚类的特性进行分类。只能分别差异，不能确定具体的属性。类别的属性要通过目视判读或实地调查后确定。目视解疑的标志：目标地物的特征目标地物识别特征 色调（tone），颜色（colour），阴影（shadow），形状（shape），纹理（texture），大小（size），位置（site），图形（

17、pattern），相关布局（association）植物在近红外波段有较高的光谱反射率水体在白天暗黑色，道路呈浅灰色或白色。 白天热红外道路呈亮色调，道路比较平直，甚至能够看见车辆。夜晚热红外相片中，河流呈亮色调，并可以看到水体有不规则的弯曲边界。树林与草地 白天热红外，树林呈暗灰至灰黑色，夜晚呈浅灰色调甚至白色。草地夜晚呈黑色调或暗黑色调土壤与岩石 午夜后 土壤含水高呈灰色或者灰白色调，含水低呈暗灰色或深灰色。岩石白天呈淡灰色。夜间的热红外航空相片比白天的解疑要好，黎明前的热红外效果最好，因为夜间不受太阳辐射的影响，热红外像片上色调差异主要取决于地物的温度和辐射热红外线的能力。56 非监督分

18、类方法：K-均值方法和ISODATA方法是效果较好，使用最多的两种方法。57 非监督分类假设：在具有相同的表面结构特征、植被覆盖、光照条件下，遥感图像上的同类地物具有相同或相近的光谱特征，从而表现出某种内在的相似性，可归属于同一个光谱空间。不同的地物光谱信息不同，归属于不同的光谱空间。58 主要采用聚类分析的方法，把像素按照相似性归成若干类别。是同一类别的像素之间的差异尽可能的小，不同类别之间的差异尽可能的大。非监督分类算法的关键是：初始类别参数的选定。59 非监督分类的主要过程：确定初始类别参数，即确定最初类别数和类别中心（点群中心）。计算每一个像素所对应的特征向量与各点群中心的距离。选取与中心距离最短的类别作为这一向量的所属类别计算新的类别均值向量比较新的类别均值与初始类别均值，如果发生了改变，则以新的类别均值作为聚类中心，再从第（2）步开始迭代。如果点群中心不再变化，计算停止。60 监督分类P225监督分类的前提：已知遥感图像上样本区内地物的类别，该样本区又称为训练区。监督分类的基本过程：61 混淆矩阵是有n行n列组成的矩阵，用来表示分类结果的精度。这里n代表类别数。有时该矩阵称为误差矩阵。61.1 检验用的实际类别来源：分类前选择的