农业遥感05-03 遥感图像增强new课件

1、第 五 章 遥感图像增强 5.1 辐射增强 5.2 边缘增强 5.3 彩色增强 5.4 图像变换（多光谱增强） 5.5 影像信息融合 5.6 局部图像羽化处理技术遥感图像的彩色增强:将灰度级图像变为彩色图像以及进行各种彩色变换，改善图像的视觉效果、突出有用信息. 第 三 节 彩色增强实现方法： 1.密度分割：将单波段黑白图像的灰度按等间隔或不等间隔进行分层,然后再给每一层赋予不同的颜色.真彩色合成:原色的选择与原来遥感波段所代表的真实颜色相同,生成的合成色能真实或近似反映地物本来的颜色.假彩色合成:原色的选择与原来遥感波段所代表的真实颜色不同,生成的合成色不能真实反映地物本来的颜色.遥感图像的

2、彩色增强:将灰度级图像变为彩色图像以及进行各种彩色变换，改善图像的视觉效果、突出有用信息. 第 三 节 彩色增强实现方法： 2.彩色合成：根据加色法彩色合成原理,选择遥感影像的某三个波段,分别赋予红、绿、蓝三种原色,就可以合成彩色影像.遥感图像的彩色合成原理TM1：0.45-0.52 蓝色，TM2：0.52-0.60绿色， TM3：0.63-0.69红色，TM4：0.76-0.9近红外， 包括HIS变换的正变换（由RGB到HIS）和HIS变换的逆变换（由HIS到RGB）两大基本过程。遥感图像的彩色增强:将灰度级图像变为彩色图像以及进行各种彩色变换，改善图像的视觉效果、突出有用信息. 实现方法：

3、第 三 节 彩色增强3.HIS变换：将表色系统由RGB系统转换为由色调（Hue） 、亮度（Intensity）和饱和度（Saturation）三个分量构成的HIS显色系统，然后再变回RGB系统. HIS变换过程RGBIHSIHSRGB正变换增强处理逆变换显示Note：H(色调)代表像元的颜色,其值0-360； I(亮度)表示整个图像的明亮程度,其值介于0-1,它反映了地物在参与HIS正变换的三个波段上辐射强度的总和; S(饱和度)代表颜色的纯度,其值介于0-1.具体的算法参见教材P45-P46.基于ERDAS的HIS变换的正变换（由RGB到HIS）和HIS变换的逆变换（由HIS到RGB）遥感图

4、像的彩色增强:将灰度级图像变为彩色图像以及进行各种彩色变换，改善图像的视觉效果、突出有用信息. 实现方法：第 三 节 彩色增强3.HIS变换：将表色系统由RGB系统转换为由色调（Hue） 、亮度（Intensity）和饱和度（Saturation）三个分量构成的HIS显色系统，然后再变回RGB系统. 基于ERDAS的HIS变换的正变换途径2）：利用Model Maker ，实现 RGB to IHS基于ERDAS的HIS变换的逆变换途径2): Interpreter图标/Spectral Enhancement /IHS to RGB第 五 章 遥感图像增强 5.1 辐射增强 5.2 边缘增强

5、 5.3 彩色增强 5.4 图像变换（多光谱增强） 5.5 影像信息融合 5.6 局部图像羽化处理技术遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以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，增强和提取更具有目视解译效果的新波段数据的目的。第 四 节 图像变换实现方法：1.K-L变换（主成分或主分量变换）：将原来多波段图像中的有用信息尽可能压缩到互不相关的较少的几个波段（主成分方向）上，在所生成的主成分图像中各个主成分包含的信息内容彼此不重叠。K-L变换的原理对具有n个波段的多光谱图像组成的光谱空间X乘以一个nn的线性变换矩阵A，产生一个新的光谱空间Y，也即产

6、生一幅新的具有n个波段的多光谱图像。 其表达式为：Y= A X根据主成分变换的数学原理，A是X空间的协方差矩阵x的特征向量矩阵（按其特征根由大到小的顺序排列而成）的转置矩阵， 即 11 12 1n 21 22 2n A=T= n1 n2 nn 因此,公式Y= AX可写成： y1 x1 y2 x2 = yn xn 11 12 1n 21 22 2n n1 n2 nnK-L变换的原理对具有n个波段的多光谱图像组成的光谱空间X乘以一个nn的线性变换矩阵A，产生一个新的光谱空间Y，也即产生一幅新的具有n个波段的多光谱图像。 其表达式为：Y= A X根据主成分变换的数学原理,A是X空间的协方差矩阵x的特

7、征向量矩阵的转置矩阵，因此,公式Y= AX可写成： y1 x1 y2 x2 = yn xn 11 12 1n 21 22 2n n1 n2 nn因此,公式Y= AX可写成： y1 x1 y2 x2 = yn xn 11 12 1n 21 22 2n n1 n2 nn例如，当n=3时，则： y1=11 x1 + 12 x2 +13 x3 y2=21 x1 + 22 x2 +23 x3 y3=31x1 +32 x2 +33 x3基于ERDAS的K-L变换:Interpreter/Spectral Enhancement / Principal Comp遥感图像的变换处理:采用对多光谱（多波段）图像

8、进行线性变换的方法，以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，增强和提取更具有目视解译效果的新波段数据的目的。第 四 节 图像变换实现方法：1.K-L变换（主成分或主分量变换）：将原来多波段图像中的有用信息尽可能压缩到互不相关的较少的几个波段（主成分方向）上，在所生成的主成分图像中各个主成分包含的信息内容彼此不重叠。基于ERDAS的K-L变换特征数据输出设置(两种方式）:在运行日志中显示;写入特征数据文件基于ERDAS的K-L变换需要的主成分数量: 1、2、3NOTE：K-L变换的第一主成分几乎包含了原来各波段图像信息的绝大部分(一般在80%以上)，其余主成分所包含的信息依次迅

9、速减少.NOTE：K-L变换的第一主成分不仅包含的信息量大，而且降低了噪声，有利于细部特征的增强和分析，适用于进行高通滤波、线性特征增强与提取等.基于ERDAS的K-L变换NOTE：通常进行K-L变换是把一幅图像的所有波段一起处理，但也可以把所有波段先分组进行K-L变换，然后由每一组选取一个适当的主成分图像参加假彩色合成或其他处理.这种分组K-L变换在高光谱图像的处理中使用得较普遍。遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以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，增强和提取更具有目视解译效果的新波段数据的目的。第 四 节 图像变换实现方法： 2.K-L

10、逆变换：将主成分变换获得的图像重新恢复到RGB空间. (NOTE：输入的图像必须是由主成分变换得到的图像,而且必须有当时的特征矩阵参与变换) 基于ERDAS的K-L逆变换:Interpreter/Spectral Enhancement / Inverse Principal Comp遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以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，增强和提取更具有目视解译效果的新波段数据的目的。第 四 节 图像变换实现方法： 3.去相关拉伸：首先对原图像进行K-L变换，并对主成分图像进行对比度拉伸，然后再进行K-L逆变换，将图像重新恢

11、复到RGB空间. 以达到增强图像的目的。 基于ERDAS的去相关拉伸:Interpreter/Spectral Enhancement / Decorrelation Stretch 基于ERDAS的去相关拉伸遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以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，增强和提取更具有目视解译效果的新波段数据的目的。第 四 节 图像变换实现方法： 4.K-T变换(缨帽/缨穗变换)：将原始图像数据结构轴进行旋转，以优化图像数据对植被的显示结果. 目前，用于K-T变换的数据主要有：Landsat-4、5的MSS图像和TM图像,Modi

12、s图像,机载ATLAS图像等.Landsat卫星MSS数据的K-T变换算法Y = R * X + r 对于MSS图像，可以取（P50） 0.433 -0.290 -0.829 0.223 0.632 -0.562 0.522 0.012 0.586 0.600 -0.039 -0.543 0.264 0.491 0.194 0.810R1=R2=R3=R4= 0.433 0.632 0.586 0.264 -0.290 -0.562 0.600 0.491 -0.829 0.522 -0.039 0.194 0.223 0.012 -0.543 0.810R=Landsat卫星MSS数据的K-

13、T变换算法Y = R * X + r K-T变换后Y=(y1,y2,y3,y4)T中的四个分量多数有明确的物理意义，可以与地物直接联系：y1叫做亮度分量，主要反映土壤信息，是土壤反射率变换的方向；y2叫做绿色物质分量，反映植物的绿度（生长状况）；y3叫做黄色物质分量,反映植物的黄度（枯萎程度）；y4没有什么意义。因此，在实际应用中，常舍弃K-T变换后的第四个分量，而只取前三个分量。 Landsat卫星TM数据的K-T变换算法Y = R * X + r 式中：X=(x1,x2,x3,x4,x5,x7)T是TM图像的6个波段（不包括第6波段）上的灰度值组成的光谱矢量;Y为K-T变换后的数据矩阵，也

14、即变换后新空间的像元矢量，其各分量表示变换后每一通道的像元亮度值；R为K-T变换的正交变换矩阵，R=R1, R2, R3, R4,R5, R7T,其中R1、R2、R3、R4、R5、R7是相互正交的单位列向量.r为补偿向量，是意在避免Y有负值出现而加的常数。Landsat卫星TM数据的K-T变换算法Y = R * X + r 对于Landsat4-TM图像, K-T变换系数R可以取(P51):R1R2R3R4 R5R7 0.3037-0.2848 0.1509-0.8242 -0.32800.1084 0.2793-0.2435 0.1973-0.0849-0.0549-0.9022 0.474

15、3-0.5436 0.3279 0.4392 0.10750.4120 0.5585 0.7243 0.3406-0.0580 0.18550.0573 0.5082 0.0840-0.7112 0.2012-0.43570.0251 0.1863-0.1800 -0.4572 -0.27860.8085 0.0238 0.3037 0.2793 0.4743 0.5585 0.5082 0.1863-0.2848-0.2435-0.5436 0.7243 0.0840-0.1800 0.1509 0.1973 0.3279 0.3406-0.7112-0.4572-0.8242-0.0849

16、 0.4392-0.0580 0.2012-0.2786-0.3280-0.0549 0.1075 0.1855-0.4357 0.8085 0.1084-0.9022 0.4120 0.0573-0.0251 0.0238R=第五章 练习要求：应用K-T变换，求算TM图像上地物01（其在TM1-7波段上的灰度值分别为71、26、28、41、57、129、22）和地物02 （其在TM1-7波段上的灰度值分别为78、32、36、52、64、132、28）在变换后图像上新的像元灰度值。NOTE： 补偿向量r =0Landsat卫星TM数据的K-T变换算法Y = R * X + r K-T变换后Y=

17、(y1,y2,y3,y4,y5,y7)T 的6个分量中前三个分量与地物有明确的关系：y1叫做亮度分量,它实际上是TM六个波段的加权和,代表地物目标总的反射值(总辐射能量水平),不等于土壤变换的主要方向(这一点与MSS数据不同);y2叫做绿色物质分量,反映植物的绿度(生长状况),它与MSS数据的绿色物质分量几乎相同；y3叫做湿度分量,反映的是可见光和近红外波段(即TM1-4)与波长较长的红外波段(TM5、TM7)的差值,这是MSS图像所没有的新信息.遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以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，增强和提取更具有目视解译

18、效果的新波段数据的目的。第 四 节 图像变换实现方法： 4.K-T变换(缨帽/缨穗变换)：将原始图像数据结构轴进行旋转，优化图像数据对植被的显示结果. 基于ERDAS的K-T变换:Interpreter/Spectral Enhancement / Tassled Cap 基于ERDAS的K-T变换设置K-T变换中的正交变换矩阵R在ERDAS中对TM图像进行K-T变换时的R参数设置确定传感器类型在ERDAS中对TM图像进行K-T变换时的R参数设置表示TM图像的Band6不参与K-T变换补偿向量r遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以减少各波段信息之间的冗余，达到保

19、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。第 四 节 图像变换实现方法： 5.影像运算：应用一定的数学方法,将完成空间配准后的多幅单波段影像或一幅遥感图像的不同波段进行各种组合运算,可以实现图像增强,达到提取某些信息或去掉某些不必要信息的目的。 常见的运算方法有差值运算和比值运算. 差值运算 -使两幅具有同样行、列数的影像或波段，对应像元的亮度值相减. 差值运算应用于两个波段时，相减后的值反映了同一地物不同光谱反射率之间的差。而由于不同地物反射率差值不同，两波段亮度值相减后，差值大的被突出出来。 例如，当用红外波段减红波段时，植被的反射率差异很大，相减后的差值就大

20、，而土壤和水在这两个波段反射率差值就很小，因此相减后的影像可以把植被信息突出出来。如果不作相减，在红外波段上植被和土壤，在红色波段上植被和水体均难区分。影像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，黄土高原区的界线特征；海岸带的潮汐线等。 差值运算 -使两幅具有同样行、列数的影像或波段，对应像元的亮度值相减. 差值运算还常用于研究同一地区不同时相的动态变化。如监测森林火灾发生前后的变化和计算过火面积；监测水灾发生前后的水域变化和计算受灾面积及损失；监测城市在不同年份的扩展情况及计算侵占农田的比例等。 有时为了突出边缘，也用差值法将两幅影像的行、列各移一位，再与原影像相减，也可起到几何增强的作用。比值运算 -将两幅具有同样行、列数的影像或波段，对应像元的亮度值相除（除数不为0）.比值运算可以检测波段的斜率信息并加以扩展，以突出不同波段间地物光谱的差异，提高对比度。该运算常用于突出遥感影像中的植被特征、提取植被类别或估算植被生物量，这种算法的结果称为植被指数，常用算法： 近红外波段红波段或 （近红外-红）/(近红外+红） 比值运算 -将两幅具有同样行、列数的影像或波段，对应像元的亮度值相除（除数不为0）.