遥感数字图像处理笔记

目录第一章绪论 6图像 6图像和遥感数字图像 6遥感数字图像 6遥感数字图像处理 7遥感数字图像处理 7遥感数字图像处理系统 7数字图像处理的发展和两个观点 7第二章 遥感数字图像的获取和存储 8遥感图像的获取和数字化 8遥感系统 8传感器 8传感器分类 92.1.4电磁波 0传感器得分辨率 .采样与量化 .常用遥感平台及其传感器特征 15遥感图像的类型 .遥感数字图像的级别和数据格式 15数据级别 .2.4.2元数据 5常用遥感图像数据格式 16特殊遥感图像数据格式 17图像文件的坐标 .图像文件的大小 .数字图像分辨率分辨率是指单位长度所表达或获取的像素数量。点的相关术语：......................................................................................................................................................................1.8第三章遥感数字图像的表示和统计描述 .遥感图像模型 .遥感图像 .遥感图像模型： .多源图像 .4极化 .极化方式 .图像函数 .二维空间图像函数g(x,y)的特点 21遥感图像的数字表示 .图像的确定性表示 .图像的统计特征 .单波段图像的统计特征 22基本统计特征 .3.3.2直方图 2直方图性质 .直方图的应用 .累计直方图 .多波段图像的统计特征 243.4.1协方差 42相关系数 .窗口、邻域和卷积 .窗口和邻域 .邻域计算和卷积计算 253滤波 .3.6纹理 61定义 .2分类 .空间自相关函数 27灰度共生矩阵 .第四章 图像显示与拉伸 .数字图像的显示 .图像增强 .数字图像的显示 .颜色的特性 .颜色的属性 .图像的彩色合成 .伪彩色合成 .真彩色合成 .假彩色合成 .模拟真彩色合成 30图像拉伸 1灰度拉伸 .3灰度窗口切片 .非线性拉伸 .4.3.3.多波段拉伸 34直方图修正法 .第五章图像校正 .辐射传输 6基本概念 .电磁波的大气传输 .可见光和红外传输 .热红外传输 .辐射传输理论 .辐射误差 8系统辐射误差校正 .传感器端的辐射校正 .大气校正 2统计学方法 .辐射传递方程算法 .波段对比法 .地面辐射校正 .太阳辐射校正 .地形辐射校正 .其他辐射误差校正 44图像几何误差的主要来源 45几何精校正 .基本原理 .几何精校正步骤 .准备工作 .图像中控制点47地面控制点坐标的确定 47地图投影 .建立纠正变换函数 .8重采样 .5.8.9多图像几何配准 49第六章图像变换 .傅里叶变换 .基本概念 .图像的傅里叶变换 50快速傅里叶变换 52频率域图像 .傅里叶变换流程 52主成分变换变换） 53基本算法 .主成分变换基本性质 54主成分分析的目的 .主成分变换流程 .L变换的特点 .缨帽变换 4基本原理 .MSS图像的缨帽变换 56代数运算 6加法运算 .减法运算 .乘法运算 .归一化指数 .植被指数 .归一化植被指数 .彩色变换 8S变换 .彩色变换的应用 .第七章图像滤波 .1概述 .空间域和频率域滤波 .空间域滤波 .2频率域滤波 .图像平滑 1图像噪声 .均值滤波 .中值滤波 .图像锐化 4图像锐化（边缘增强） 64l算子 .拉普拉斯算子（零交叉算子） .LOG算子——高斯拉普拉斯算子 67t算子 .h .频率域滤波 .频率域增强原理 .频率域平滑滤波(低通滤) .频率域锐化滤波(高通滤) .同态滤(改善图像质) 71频域技术与空域技术 72第八章图像分割 .图像分割 4图像分割概念 .图像分割的基本策略 74图像分割有三种不同的途径 74灰度阈值法 .直方图阈值法 .自适应阈值法 .分水岭算法 .边缘连接 .梯度图像阈值化 .区域生长方法 .1原理 .区域分割方法 .简单区域扩张法 78统计假说检测法 798.5.3试探法 9数学形态方法 .基本概念 .腐蚀与膨胀 .开运算和闭运算 .腐蚀与膨胀的变种 81距离变换 .边界曲率分析 .第九章遥感图像分类 29.1概述 2相似性度量 .工作流程 4非监督分类法 .监督分类法 .其它分类方法 .分类精度评价与分类后处理 .图像分类的相关问题 .第一章绪论图像图像和遥感数字图像图像是对客观存在的物体的一种相似性的、生动的写真或描述C。模拟图像和数字图像模拟图像（光学图像：IF(xIF(x,y)数字图像：（矩阵的图像。在计算机内部，数字图像表现为二维阵列（网格，属于不可见图像。一幅图像可定义为一个二维函数f(x,y)，其中x和y是空间（平面）坐标，而在任何一对空间坐标(x,y)处的幅值f称为图像在该点处的强度或灰度。当x、y和灰度值f是有限的离散数值时，我们称该图像为数字图像。数字图像的矩阵表示 单波段多波段——矩阵！遥感数字图像(RemoteSensingDigitalImage：指以数字形式表达的遥感影像。存储在硬盘或光盘中，区别于以摄影胶片存储的遥感模拟图像（光学图像。(像素值:亮度值,灰度值,DN###DN（DigitalNumber）是遥感数字图像中的像素值，又称为亮度值或灰度值。（率等有关）反映了传感器探测到的地物反射或辐射电磁波的强度。同一物理过程获取的两景图像DN值

（如TM或SPOT获取的不同波段图像）经过标准化处理后的不同物理过程获取的两景图像遥感数字图像及其特点便于计算机存储和处理；图像信息损失低（在获取、传输和分发过程中质量并不降低；抽象性强，用数字形式表示，便于建立分析模型，进行计算机解译和运用遥感图像专家系统。遥感数字图像处理遥感数字图像处理:利用计算机图像处理系统对遥感图像中的像素进行操作的过程。科脱颖而出，成为遥感图像信息获取、传输、存储、变换、显示、判读与应用的一门新兴交叉学科。遥感数字图像处理的主要内容：图像增强增强过程本身不会增加数据中原有的信息内容，仅仅是突出了特定的图像特征，使图像更容易理解、解释和判读。图像校正（辐射校正、几何校正）也称图像恢复、图像复原，主要包括辐射校正和几何校正。目的是使图像信息能够正确地反应实际地物信息或物理过程。信息提取（图像分割、分类）根据地物光谱特征和几何特征，确定不同地物信息的提取规则。在此基础上，利用该理结果为分类专题图。遥感数字图像处理系统硬件系统数字化器（数码相机、数码摄像机、扫描仪）大容量存储器（磁盘、光盘）显示与输出设备（打印机、绘图仪）操作台软件系统ERDASIMAGE最突出的特色是专家模型系统、可视化建模工具以及与ArcGIS的高度集成。ENVI（theenvironmentforvisualizing最突出的特色是具有丰富的高光谱数据处理工具和内嵌的IDL开发语言。TITANIMAGE北京东方泰坦科技股份有限公司国内唯一的专业遥感空间信息软件平台。数字图像处理的发展和两个观点离散方法数字图像的存储和表示均为数字形式，数字是离散的。空间域（y（化等。以图像平面本身作为参考，直接对图像中的像素进行处理。连续方法频率域（频率：像素值的变化程度（高通滤波、低通滤波等）基于傅里叶变换，频率域的图像处理是对傅里叶变换后产生的反映频率信息的图像进行处理。第二章遥感数字图像的获取和存储2.1遥感系统遥感是遥感信息的获取、传输、处理以及分析判断和应用的过程。遥感系统主要由以下四大部分组成：信息源；信息获取；信息处理；信息应用1）信息源信息获取信息获取是指运用遥感技术装备接受、记录目标物电磁波特性的探测过程。信息获取所采用的遥感技术装备主要包括遥感平台和传感器。遥感平台是用来搭载传感器的运载工具，常用的有气球、飞机和人造卫星等;等。信息处理指运用光学仪器和计算机设备对所获取的遥感信息进行校正、分析和解译处理的技术过程。通过对遥感信息的校正、分析和解译处理，掌握或清除遥感原始信息的误差，梳理、归纳出被探测目标物的影像特征，然后依据特征从遥感信息中识别并提取所需的有用信息。信息应用专业人员按不同的目的将遥感信息应用于各业务领域的使用过程。地图测绘、环境监测以及城市建设和管理等。传感器（电磁波辐射能量信息的核心。传感器一般由信息收集、探测系统、信息处理和信息输出4部分组成。传感器分类按平台分：地面遥感、航空遥感、航天遥感数据。按传感器的工作方式分：主动遥感、被动遥感数据。被动遥感:不利用人工辐射源，而是直接接收与记录目标物反射的太阳辐射或者目标物本身发射的热辐射和微波。遥感系统本身带有辐射源雷达成像(主动)胶片或磁带上即形成雷达对地观测图像。按数据的记录方式分：成像方式、非成像方式。曲线图。如激光测距仪、微波辐射计等成像传感器：将接收的目标电磁辐射信号转换成图像，是目前最常见的传感器类型。4.按成像原理分：摄影成像、扫描成像摄影方式的传感器主要是摄影机。如果用数码相机进行摄影，那么可以直接产生数字图像。化分解程度的差异和金属银沉淀密度大小的差异电磁波强弱有密切关系。进入传感器，经一段时间才能收集完一幅图像的全部信息。原理：通过探测器将扫描获得的地物电磁波辐射转变成电能，再由处理器对电能信号（视频信号）进行放大、变换、校正、编辑等处理，再经过电-光变换记录在胶片上形成模拟图像，或经过A/D转换、采样、量化、编码处理，记录在磁带上，形成数字图像。2.1.3.4扫描成像分类直接扫描成像：红外扫描仪、多光谱扫描仪、成像光谱仪、多频段频谱仪瞬间成像然后扫描：CCD扫帚式扫描仪、电视摄像机按扫描方式又可分为：目标面扫描传感器和影像面扫描传感器。电磁波磁振荡在空间传播。电磁波谱：按照波长或频率的顺序把这些电磁波排列起来。2.1.4.2遥感应用得电磁波波谱段紫外线：波长范围为0.01～0.38μm，太阳光谱中，只有～0.38μm2000m可见光：波长范围：0.38～0.76μm，人眼对可见光有敏锐的感觉，是遥感技术应用中的重要波段。波长范围为1mm～1m，穿透性好，不受云雾的影响。注意：实际的波谱是连续的，波段的划分是相对的。任何物体，只要温度大于绝对零度，都能反射、发射、吸收电磁波（图见下页）传感器得分辨率：传感器记录的光谱中特定波长的范围和数量。波长范围越窄，光谱分辨率越高；波段数越多，光谱分辨率越高，地物越容易被区分。：遥感图像上能够详细区分的最小单元的尺寸或大小。：传感器区分反射或发射的电磁波辐射强度差异的能力。高辐射分辨率意味着可以区分信号强度的微小差异。采样的时间频率，也称重访周期。时间分辨率对于动态监测与预报尤为重要。应根据不同的目的，选择不同的时间分辨率。根据周期的长短，时间分辨率可分为3种：。采样与量化每一像素一整数值，以表征其灰度值的大小。采样：由于图像是二维分布的信息，所以采样是在x轴和y模拟图象若在x方向采My方向采N*N个点的数字化图象的形式。量化：以有限的整数值表示图像的灰度和灰阶数二值图像：量化值只有、1两个量（黑白图像；灰度图像：一般量化为256个灰阶，即0~255，单字节记录；编码彩色图像：图像编码为256种彩色，即0~255，每一编码代表 一种颜色；真彩色图像：分别对应红、绿、蓝三个波段，每一波段有256个灰 阶，最多允许色彩数224=1.67×107种图像数据量：行数（M）×列数（N）×灰阶数（G）×波段数（D)量化级数越大，量化后的图像越接近于真实，但图像占用的存储空间也越大。常用的遥感数字图像有效量化级数量化可分为均匀量化和非均匀量化。均匀量化是简单地在灰度范围内等间隔量化。非均匀量化是对像素出现频度少的部分量化间隔取大，而对频度大的量化间隔取小。常用遥感平台及其传感器特征常用遥感平台LANDSAT5（5）LANDSAT7（7）SPOT5（地球观测试验系统）ORBVIEW-2（2）Nimbus7（雨云7号卫星）AQUA（地球观测综合卫星系列之一，下午轨道）NOAA（美国海洋气象局） TERRA（地球观测综合卫星系列之一，上午轨道IKONOS2（艾科诺斯）遥感图像的类型根据传感器选用的波长范围不同，遥感图像可以划分为下面两种类型：相干图像：为微波遥感所产生的图像。不相干图像和相干图像的区别：的应用，特别是在多云多雨地区的应用。作。遥感数字图像的级别和数据格式数据级别级产品：未经过任何校正的原始图像数据。级产品：经过了初步辐射校正的图像数据。的有关参数对原始数据进行几何校正。确的地理坐标信息。0-2级产品由图像发布部门生产。3级产品可由图像发布部门按照精度要求生产，大多由用户自己来生产。元数据元数据是重要的信息源，没有元数据，图像就没有使用价值。元数据是重要的信息源，没有元数据，图像就没有使用价值。与图像数据同时发布，或者嵌入到图像文件中，或者是单独的文件。常用遥感图像数据格式Q（d：按照波段顺序依次记录各波段的图像（ddy：每个像元按波段次序交叉排序L（dd：逐行按波段次序排列其他常见图像数据格式：BMP,TIFF,GIF,PCX,PSD,MrSID,HDF,……BSQ格式（bandsequential） BIL格式（bandInterleaved判断：BIP格式（bandInterleavedbypixel）判断：特殊遥感图像数据格式L5图像数据包括7个波段，每个波段的数据保存在一个二HDFHDF(HierarcgyDataFormat)层次数据格式是美国伊利诺伊大学的国家超级计算应用中心（NCSA）于1987年研制开发的一种软件和函数库，主要用来存储由不同计算机平台产生的各种类型的科学数据。TIFFimagefile图像格式复杂、存贮信息多；采用指针方式存储数据；支持不同的平台和软件。4.GeoTIFF图像格式（geographicallyregisteredtaggedimagefileformat）利用TIFF的可扩展性，在其基础上加了一系列标志地理信息的标签，来描述卫星成像系统、航空摄影、地图信息和DEM等。GeoTIFF描述地理信息条理清晰、结构严谨，且易于实现与其他遥感影像格式的转换，应用十分广泛。绝大多数遥感和GIS软件都支持GeoTIFF格式的图像。图像文件的坐标文件坐标指像素在图像中的位置。对于任一波段的图像，左上角像素的坐标总是从0开始，向右向下按整数递增。图像文件的大小图像文件的大小(字节)按下公式计算：图像文件的大小=图像行数*图像列数*每个像素的字节数*波段数*辅助参数其中，辅助参数一般为1。8位数为1个字节，16位数占用2个字节，以此类推。数字图像分辨率分辨率是指单位长度所表达或获取的像素数量。点的相关术语：点（dot）样本点（sample） 像素（pixel）复合点分辨率（res）设备分辨率、网屏分辨率、图形分辨率、扫描分辨率、位分辨率位分辨率（BitResolution）:多少种色彩，一般常见的有8位、24位或32位色彩。有时我们也将位分辨率称为颜色深度。设备分辨率e：又称输出分辨率，指的是各类输出设备每英寸上可产生的点数，如显示器、喷墨打印机、激光打印机、热蜡打印机、绘图仪的分辨率。这种分辨率通过DPI这个单位量来衡量，一般来讲，PC显示器的设备分辨率在60至120DPI之间。而打印设备的分辨率则在180至720DPI之间。图形分辨率（ImageResolution）:映射到图像平面上的单个像素的景物元素的尺寸。单位：像素/英寸，像素/厘米（如扫描仪的指标300ppi）或者指要精确测量和再现一定尺寸的图像所必须的像素个数。单位：像素*像素（如数码相机指标30万像素640*480）计算公式像素总量=宽度*高度（以像素点计算）文件大小=像素总量*单位像素大小（byte）打印尺寸=像素总量/设定分辨率（dpi）网屏分辨率（ScreenResolution）:通过每英寸的行数来标定。扫描分辨率:定图形将以何种方式显示或打印。图形扫描分辨率=（输出图形最大尺寸×网屏分辨率×网线数比率）/扫描图形最大尺寸第三章遥感数字图像的表示和统计描述遥感图像模型遥感图像理场。从理论上讲，遥感图像可以表示为某一时刻t，在不同波长λ和不同极化（偏振）方向p，能够收集到的位于坐标（x,y）的目标物所辐射的电磁波能量。电磁波在传播时，传播的方向和电场、磁场相互垂直，我们把电波的电场方向叫电波的极化。多源图像多波段图像：传感器的波段数大于3，如TM，有助于识别岩石、土壤、植被，各种水体等。多时相图像：不同时间，一个特定的波段上获取的图像，监测地物或环境因素的动态变化。多极化图像：电磁波的振动方向，水平极化图像，交叉极化图像等。极化极化方式(Polarization）:即电磁场的振动方向，卫星向地面发射信号时，所采用的无线电波的振动方向可以有多种方式。目前所使用的主要有：水平极化向。例如：我们拿一条绳子左右抖动，产生的波是左右波动。垂直极化向。例如：我们拿一条绳子上下抖动，产生的波是上下波动。极化方式两类：一种是线极化，一种是圆极化。其中在线极化方式下又分为水平极化和垂直极化；在圆极化方式下又分左旋圆极化和右旋圆极化。在电场的水平分量和垂直分量振幅相等，相位相差90°或270°时，可以得到圆极化。圆极化，若极化面随时间旋转并与电磁波传播方向成右螺旋关系，称右旋圆极化；反之，若成左螺旋关系，称左旋圆极化。图像函数g(x,y)的特点连续性定义域的限定性：x,y坐标有限函数值的限定性：非负的；灰度空间。物理意义的明确性：对地物电磁波辐射的一种量度。遥感图像的数字表示用数学方式表示图像的基本方法有两类：确定的方法：写出图像的函数表达式，数字图像表示成矩阵或向量的形式；统计的方法：用一种平均特征表示图像。图像的确定性表示图像的矩阵表示设图像数据为N列，M行，K个波段。对于任一波段的数据，可以表示为包括M×N个像素的矩阵。其中，M、N为正整数。二值图像：没有颜色的概念，像素数值仅为0和1。在遥感数字图像处理过程中，二值图像是逻辑运算后的结果。灰度图像：每个像素由一个量化的灰度值（灰度级）来描述。单波段图像为灰度图像。对于8bit量化的图像，灰度值0为黑色，255为白色。彩色图像：每个像素由红、绿、蓝（RGB）三原色构成。其中,RGB由不同的灰度级分别描述。对于多光谱遥感图像，可通过RGB合成彩色图像。图像的向量表示按行的顺序排列像素，使图像下一行第一个像素紧接着上一行最后一个像素，图像可以表示成1×MN的列向量f：图像的统计特征遥感图像中某一灰度级内像素出现的频率是服从高斯分布，即密度函数是正态的。把图像作为一个随机向量X，按照概率论可以有两种方法来表示。一种用密度函数来表示（分布函数；不可知条件下的表示，如期望、方差、协方差等。单波段图像的统计特征设数字图像为f(j)NM--1基本统计特征直方图1.什么是直方图（histogram）？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。对于数字图像而言，实际就是图像灰度值概率密度函数的离散化图形。直方图性质像的直方图来改变图像的反差。一幅图像对应唯一的直方图，但不同的图像可以有相同的直方图。是这若干个区域直方图之和。的曲线形态类似。直方图的应用①用于判断图像量化是否恰当②用于确定图像二值化的阈值③根据直方图形态可以大致推断图像质量根据直方图的形态可以大致推断图像的反差，可有目的地改变直方图的形态来改善图像的对比度。接近正态分布：反差适中；峰值偏向灰度值大的一边，图像偏亮；峰值位置偏向灰度值小的一边，图像偏暗。峰值变化过陡、过窄，说明图像的灰度值过于集中，反差小累计直方图素的比值，做出的直方图。多波段图像的统计特征像信息进行复原。协方差、相关系数是两个基本的统计量，其值越高，说明两个波段的图像之间的协变性越强。协方差设f(i,j)和g(i,j)为M×N的两个波段图像，则它们之间的协方差为协方差矩阵：K个波段相互之间的协方差排列在一起所组成的矩阵设f(i,j)和g(i,j)为M×N的两个波段图像，则它们之间的协方差为相关系数描述波段图像之间的相关程度的统计量，反映了两个波段图像所包含信息的重叠程度。相关矩阵：K个波段相互之间的相关系数排列在一起所组成的矩阵窗口、邻域和卷积窗口和邻域对于图像中的任意一个像素，以其为中心，按上下左右对称所设置的像素范围，称为窗口。窗口多为矩形，行列数多为奇数，且按行数×列数方式命名，如3×3窗口，5×5窗口。中心像素周围的行列称为该像素的邻域。邻域按与中心像素相邻的行列总数命名。对一个3×3的窗口来说有4-邻域和8-邻域两种。邻域计算和卷积计算邻域计算：对于中心像素，其值用x）表示，可以按照相邻性规则进行计算。最常用的邻域计算方法是卷积计算。卷积计算：空间域上针对特定窗口进行的计算，是图像平滑、锐化中使用的基本方法。设窗口大小为n（j）是中心像素，f（y）是图像像素值，g（j）是运算结果，h（y）是窗口模板（，那么卷积计算公式为：01，或根据需要来确定。图像边缘处卷积处理方法：--在图像边缘外侧填充0或其他常数；--按对称原则从图像中取值；--去掉不能计算的行和列，仅对可计算的像素进行卷积窗口处理和模板处理对图像的处理，一般采用对整个画面进行处理，但也有只对画面中特定的部分进行处理的情况。这种处理方式的代表有窗口处理和模板处理。单独对图像中选定的矩形区域内的像素进行处理的方式叫做窗口处理希望单独处理任意形状的区域时，可采用模板处理。模板：任意形状的区域；二值图像；模板处理：边参照模板平面边对图象进行某种操作。滤波广义–从含有干扰的接收信号中提取有用信号。狭义–是指改变信号中各个频率分量的相对大小、或者分离出来加以抑制、甚至全部滤除某些频率分量的过程。从计算上来看，滤波Y（f）是频率函数H（f）与信号x（t）的频谱X（f）之间的相乘计算滤波主要应用在频率域图像处理中，在空间域，滤波即为卷积运算。纹理定义元按某种确定性的规律或只是按某种统计规律重复排列组成的。三要素：局部的序列性，该序列在更大区域内不断重复序列由基本成分非随机排列组成各部分大致都是均匀的统一体，纹理区域内任何地方都有大致相同的结构尺寸分类自然纹理：具有重复排列现象的自然景物（森林、草地等。人工纹理：由自然背景上的符号（点、线条、字母或数字等）排列组成。常用特性：（重复性均匀性密度粗细度粗糙度规律性线性度定向性方向性频率相位对比度空间自相关函数空间自相关函数可用来对纹理的粗糙程度进行描述，反应了图像纹理的一致性。x，y分别为在x和y方向上移动的步长，如果坐标超过了原始图像的范围取0值自相关函数可用于图像的识别，一般的步骤为：计算典型地物的自相关函数；计算图像的自相关函数，并与的结果进行比较，如果相近，就归于一类。灰度共生矩阵由于纹理是由灰度分布在空间位置上反复出现而形成的灰度共生矩阵（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Ik（i,j）相距位移d（I’,j’）Ie质（具体的见书上相关章节）基于灰度共生矩阵的常用纹理指标对比度 反映图像的清晰度和纹理沟纹深浅程度沟纹越深对比度越大视觉效果越明显相关性 反映灰度共生矩阵元素在行或列方向上的相似程度，均匀分布的相关值大，反之则小熵 反映图像混乱程度和无序程度，熵值越大，纹理越复杂，熵值为0，则无变化思考题1、图像直方图有怎样的性质？如何根据图像直方图判断图像质量？2、窗口和邻域两个概念有什么区别？3、什么是卷积运算？什么是滤波？4、什么是纹理？包括哪些基本类型？第四章图像显示与拉伸数字图像的显示图像增强定义：用于改善图像的对比度，突出感兴趣的地物信息，提高图像目视解译效果的图像处理方法。目的：提高图像质量和突出所需信息，有利于分析判读或作进一步处理。特点：图像的信息没有增加或减少改善了视觉效果产生了更容易处理的图像具有探索性分类：图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。空间域增强是直接对图像各像素进行处理；频率域增强是对图像经傅立叶变换后的频谱成分进行处理的图像。数字图像的显示定义：将数字图像从一组离散数据还原为一幅可见图像的过程数字图像（不可见）————>模拟图像（可见）颜色的特性颜色：外界光作用于人的视觉器官而产生的主观感觉。分类非彩色：黑、白以及从黑过渡到白的一系列灰色，它们对光谱上各个波长的反射没有选择性。反映了物质的光反射率的变化，在视觉上的感觉是亮度的变化彩色：除黑白系列以外的各种颜色。颜色的属性色调hu：颜色的种类。经物体表面反射（或透射）后单色光的色调由其波长确定；混色光的波长由组成混合光的各种波长光量的比例来确定。色调可以用分光反射率曲线的形状来表示。如果曲线的峰值在550nm处，则说明该颜色的色调是绿色。色调与饱和度一起称为彩色，因此，颜色用亮度和彩色表征明度：颜色的明亮程度。颜色的亮度在人们视觉上的反应。彩色物体表面的光反射率（或透射率）高，明度就高。与亮度不同，亮度是用光度计测量的，与物体反射的光亮有关，与人的视觉无关。色度：颜色是由亮度和色度共同表示的，色度反应的是颜色的色调和饱和度。饱和度是色彩的鲜艳程度，也称色彩的纯度。常用的颜色模型：RGB颜色模型：彩色监视器和彩色摄像机CMY颜色模型：彩色打印机CMY坐标可以从RGB中得到YIQ颜色模型：彩色电视广播HSI颜色模型：图像的显示和处理 具体见书上相关章节图像的彩色合成彩色图像与彩色合成彩色图像真彩色图像：图像的色调与人眼视觉所看到的颜色基本一致的图像假彩色图像：图像的色调与实际地物色调不一致的图像彩色合成伪彩色合成：将单波段图像转变成为彩色图像彩色合成：包括真彩色和假彩色合成模拟真彩色合成：通过模拟产生近似真彩色图像伪彩色合成伪彩色合成是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图像细节更易辨认，目标更容易识别。伪彩色增强的方法主要通过密度分割法实现密度分割法是把黑白图像的灰度级从黑到白分成N个区间N),给每个区间Li指定一种彩色真彩色合成如果彩色合成中选择的波段的波长与红绿蓝的波长相同或近似,那么得到的图像的颜色与真彩色近似,这种合成方式称为真彩色合成。作用：合成后的图像的颜色接近自然色,与人的视觉感觉一致,容易识别地物。TM321——>RGB 真彩色合成假彩色合成成彩色图像的方法。色彩与地物真实颜色无关。引人注目；一是使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。与伪彩色合成不同的是，假彩色合成使用的数据是多波段图像。：选择多波段图像中的近红外、红、绿三个波段分别赋予红、绿、蓝三原（红色（黑色或蓝色、城镇（深色）等信息。要根据不同的研究目的进行反复实验分析，寻找最佳合成方案。M（R）4、、2模拟真彩色合成到真彩色图像，这时可以通过某种形式的运算得到模拟的红、绿3SPOT多光谱数据模拟真彩色：1SPOTIMAGE公司提供的方法2ERDASIMAGINE软件中的方法3不确定参数法图像拉伸灰度拉伸灰度拉伸可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。黑白以像素为单位进行图像的增强像素的灰度值与地物具有相关关系通过灰度拉伸来突出或抑制指定的地物特征特点：对指定的灰度范围进行变换使用灵活，简单类型：线性拉伸•非线性拉伸•多波段拉伸线性拉伸分段线性变换为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。设原图像f(x,y)在[0，Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为灰度区间[a,b]进行了线性拉伸，而灰度区间[0,a]和[b,Mf]被压缩.。通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。灰度窗口切片灰度窗口切片是为了将某一区间的灰度级和其他部分（背景）分开。灰度窗口切片有两种：清除背景；保留背景。非线性拉伸作为映射函数时，可实现图像灰度的非线性变换。指数变换对数变换4.3.3.多波段拉伸图像经彩色合成显示后,可以对各个波段进行线性或非线性拉伸处理,以便综合增强图像中的地物信息。直方图修正法灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修正法包括直方图均衡化及直方图规定化两类。直方图均衡化直方图均衡化是将原图像通过某种变换直方图均衡化的基本思想是对原始图像的像素值做某种映射变换，变换后的图像灰度的概率密度呈均匀分布，即变换后图像的灰度级均匀分布。直方图均衡化后的每个灰度级的像素频率理论上是相等的，其直方图顶部形态应为直线。直方图均衡化的步骤：统计图像每一灰度级的像素数和累积像素数；计算每一灰度级xaxb；以新值替代原灰度值，形成均衡化后的新图像；根据源图像像素统计值对应找到新图像像素统计值，作出新的直方图。直方图均衡化的特点:各灰度级中像素出现的频率近似相等。原图像上像素出现频率小的灰度级被合并，实现压缩；像素出现频率高的灰度级被拉伸，突出了细节信息。直方图规定化以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。规定形状的直方图可以是参考图像的直方图，也可以是特定函数形式的直方图。原理：对两个直方图都做均衡化，变成归一化的均匀直方图，以此均匀直方图为中介，对参考图像做均衡化的逆运算。可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。直方图规定化的步骤作出原图像的直方图作出原图像的累积直方图，对原图像进行均衡化变换作出参考图像的直方图或确定参考直方图；作出参考累积直方图对于原图像中的每一灰度级它的累积值，在参考累积直方图中找到对应的累积值，进行均衡化变换；以新值替代原灰度值，形成均衡化后的新图像；根据原图像像素统计值对应找到新图像像素统计值，作出新直方图。参考直方图统计表理工作。通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的色调差异，从而可以降低目视解译的错误。第五章图像校正理想的遥感影像——不歪曲地反映地物的辐射能量分布和几何特征（在降质现象）图像校正主要包括辐射校正和几何校正。辐射校正包括传感器的辐射校正、大气校正、照度校正以及条纹和斑点的判定和消除。几何校正就是校正成像过程中造成的各种几何形变。辐射校正就是消除图像数据中依附在幅亮度中的各种失真的过程。PS辐射校正目的的噪声引起的传感器的测量值与目标的光谱反射率或光谱幅亮度等物理量之间的差异辐射传输基本概念方向上某个面接收的辐射量的大小。辐射通量：单位时间内通过某一表面的辐射能量。辐照度：单位时间内单位面积上接受的辐射能量。辐亮度：与辐射度的概念含义相同，指沿辐射方向、单位面积反射率：反射能量与入射能量的比值。吸收率：吸收能量与入射能量的比值电磁波的大气传输可见光和红外传输由于空气分子和悬浮颗粒的散射，可见光在大气层传输时会被削弱。（UV紫外光和蓝光在红外光谱区域，水蒸气和二氧化碳等吸收的电磁波超过散射。由于水汽和二氧化碳的影响，1.4μm和1.9μm附近的入射和反射能量几乎全部减少，出现了明显的吸收特征，从这些波段几乎无法获得有用的信息。热红外传输在、4.5μm）和m（2）附近的光谱区的测量可以用来探测大气温度的剖面，的区域可用来探测水蒸气。3.8μm的窄窗和8.5-12.5μm的宽窗可用来对地球表面进行观测。辐射传输理论4个方面：个减少辐射量。瑞利散射：由远小于光波长的气体分子引起，大小与波长的四次方成正比；米氏散射：由大小与光波长相当的颗粒（气溶胶：如烟、水蒸气）引起，也称为气溶胶散射，大小与波长成反比。表面因素的贡献关于朗伯体：光线射到光滑的表面上，定向地发射出去；射到粗糙的表面上时，它将朝向所有方向漫射。一个理想的漫射面，应是遵循朗伯定律的，即不管入射光来自何方，沿各方向漫射光的发光强度总与cosθ成正比，从而亮度相同。积雪、刷粉的白墙或十分粗糙的白纸表面，都很接近这类理想的漫射面。这类物体称为朗伯反射体。地形因素的贡献目标的高度和坡向会对辐射造成影响。太阳辐射光谱的影响气中的微尘、水汽等吸收、散射和反射。被散射的太阳辐射一部分返回宇宙空间，另一部分到达地面，到达地面的这部分称为散射太阳辐射。在地球大气上界，北半球夏至时，日辐射总量最大，从极地到赤道分布比较均匀；冬至时，北半球日辐射总量最小，极圈内为零，南北差异最大。南半球情况相反。春分和秋分时，日辐射总量的分布与纬度的余弦成正比。南、北回归线之间的地区，一年内日辐射总量有两次最大，年变化小。纬度愈高，日辐射总量变化愈大。赤道地区,由于多云，年辐射总量并不最高。在南北半球的副热带高压带，特别是在大陆荒漠地区，年辐射总量较大，最大值在非洲东北部。传感器处的上行辐射量天空光：由大气中的颗粒对太阳光进行散射及本身的热辐射而形成的天空中的光。间接照明。传感器接收的热辐射总量大气传输模型采用大气光学参数采用大气物理参数辐射误差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。辐射误差产生的原因传感器的响应特性光学摄影机引起的辐射误差:光学镜头的非均匀性引起的边缘减光现象.光电扫描仪引起的辐射误差光电转换误差探测器增益变化误差大气影响大气的消(吸收和散) 天空大气散射的太阳)路径辐射像的分辨率，因此必须进行校正。校正.太阳辐射太阳位置(高度角和方位角)造成光照条件的差异引起的辐射误差遥感图像的定量分析和自动识别。地球上观测点同太阳中心连线与地平面的夹角，称为太阳高度角；地球上观测点同太阳中心连线在地平面上的投影与正南方向之间的夹角，称为太阳方位角。太阳运行轨迹与太阳高度角α、方位角γ的关系如图所示。地形起伏引起的辐射误差辐亮度 地面倾斜由于地形的变化，在遥感图像上会造成同类地物灰度不一致的现象系统辐射误差校正光学镜头的非均匀性引起的边缘减光现象的改正由于透镜光学特性的非均匀性，在成像面上边缘部分比中间部分暗条纹主要由检测器引起。常用消除方法：平均值法、直方图法及在垂直扫描线方向上采用最邻近点法或三次卷积法。条纹的判定和消除图像上出现的与辐射信息无关的线条噪声，其特点：分布一般不规则亮度值趋于极端所在图像标准差极易增大找出条纹：用相邻行间像元的亮度差值是否超过某个预定阈值积法确定条纹上相应像元亮度值。斑点由噪声或磁带的误码率等造成，在图像中往往是分散和孤立的。斑点的判定和消除斑点的判定：可通过将图像像元亮度值与其邻近像元亮度值比较来判定８邻点，４邻点像元灰度值之差阈值平均值滤波法或三次卷积法校正等灰度一致化进行图像拼接时，由于图像不是同一天拍摄的，天气、植被、日照条件均会发生变化，存在灰度状况（大小、分布）不一致的问题，需要对遥感图像进行灰度一致化。通常有两种方法。注意：在灰度一致化前，图像该完成了几何精校正，具有相同的地理坐标。等概率变换设有F、G两张图像，F为标准。设图像G上与F上重叠部分的灰度值小于gi的像素百分数为P，对应在图像F上占有同样百分数P的像素灰度值为fi，变换关系gi’=fi就是修正的结果；类似可以找出图像G上所有重叠部分g值应变成g‘，完成变换。线性变换在两张图像的重叠部分取出相对应的n个点，并利用这些点建立线性回归方程，然后利用该方程，以其中一幅图像为标准计算另一幅图像的值，即可达到两幅图像的灰度一致化。n足够大时有一定的精度传感器端的辐射校正传感器端的辐射校正对于卫星遥感图像来说，又称为大气顶面辐射校正或大气上界辐射校正。为什么进行传感器端的辐射校正？传感器定标校正后才能进行比较。传感器端的辐射校正的原理利用已经建立的地物反射率与遥感图像像素之间的关系。可见光和近红外波段的辐射定标红外波段的辐射校正传感器入瞳处接受的总辐射由3部分组成：①通过大气向上传输的直接地面辐射；②由大气自身向上传输的辐射；为目标，那么按线性模型处理为式中，A*为红外波段的校正系数，C为图像灰度级图像的灰度级和辐亮度图像上的像素值为灰度级实际的电磁波辐射强度为辐亮度实际的物理意义，不同日期图像对比和遥感定量反演时，需要将灰度级转化为辐亮度。绝对辐射校正绝对辐射校正就是建立遥感器测量数字信号与对应的辐射能量之间的数量关系。对于一种遥感器来说绝对辐射校正就是确定一个灰度对应多少辐射或者确定一个辐射值L对应多少灰度值，其数学表达式为＝L 或＝图像的灰度级联系起来，进行转换。波段不同，传感器可以探测的最小和最大的辐亮度值不同。对于8位量化（量化级数）为256的图像，基本的转换方程如下所示：L为图像的辐亮度；Lmin和Lmax分别为最小和最大灰度级对应的辐亮度；DN为图像中像素的灰度级。Landsat5的TM图像辐射校正幅亮度L=Gain*DN+Bias Gain=（Lmax-Lmin)/255，LmaxLmin分别为最大和最小光谱辐射值，Bias为偏置，偏置=Lmin。随着时间变换，传感器的校正误差参数也会发生变化。大气校正天空散射光的校正（程辐射校正。遥感图像中，卫星遥感图像需要进行大气校正；航空摄影获取的图像，根据飞行高度的情况可以不进行大气校正。大气校正的3种方法统计学方法：将野外实测的无大气影响的测量值与传感器同步观测结果回归分析辐射传递方程：测量大气参数，按理论公式求得大气干扰辐射量；波段对比法：在特殊条件下，利用某些不受大气影响或影响很小的波段校正其他波段。一般采用波段对比法统计学方法通过将野外实地波谱测试获得的无大气影响的辐射值与卫星传感器同步观测对应像元亮度值进行回归分析计算确定辐射误差校正量。辐射传递方程算法测量大气参数，按理论公式求得大气干扰辐射量。H)为地面目标的辐射能量；（高度为H的大气E为传感器测到的电磁波能量。常用大气模型s和、）6S5SBRDF与大气相互耦合的问题，通过使用较为精确的近似方程以及“SOS”算法，提高了瑞利散射和米氏散射的计算精度，显著简化了计算，同时模型支持的光谱分辨率达到2.5nm.波段对比法在特殊条件下，利用某些不受大气影响或影响很小的波段来校正其他波段。理论依据：大气散射影响对波长的选择性。波长越长的波段受大气散射影响越小。（的增大而减小，到红外波段也有可能接近于零。以Landsat卫星为例，其TM2，3，4都会受到大气散射的影响，而TM5，7几乎不受波段来对其他几个波段图像进行辐射校正。实现方法（一）回归分析法在TM图像中，蓝光波段的B1大气散射最大，B7大气散射最小。图像中的深的大面积水体与地形阴影在B7中是黑色的，如果不存在附加的辐射，这些水体与阴影在其他波段也应该是黑的，B1与B7应该具有比例关系。若对B1进行校正，首先在B1上的最黑区域中选择一系列目标，以这两个波段做散点图，并作回归分析，以确定偏移量。B1=b*B7+a0实现方法（二）直方图法每幅图像上都有辐射亮度或反射亮度应为0的地区，而事实上并不等于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。校正方法：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，从而提高了图像质量。地面辐射校正太阳辐射校正地形辐射校正地形不平坦，受坡度和坡向的影响，传感器获得的能量会发生变化。地形校正需要有地区的DEM数据，对于高山峡谷地区的图像，地形校正是非常必要的其他辐射误差校正热红外波段传感器因部分的温度变化也产生噪声效应摄影胶片记录信息时存在的胶片颗粒噪声这些噪音均属于对图象的高频干扰，多采用低通滤波方法予以消除。遥感卫星辐射校正场概述遥感技术的迅速发展，遥感应用日趋定量化，因而进一步改进卫星定量遥感精度的要求越来越迫切。辐射校正场技术：利用地球表面大面积均匀的地物为目标，当卫星过顶时实施同步地面观测，以实现对在轨道上运行的卫星传感器做辐射校正的技术。建立辐射校正场的目的遥感数据的定量化要求补充星上定标的不足多种遥感仪器和不同时间遥感资料的综合应用几何校正地球自转、地球曲率、地形起伏、大气折射等因素引起的变形。几何精校正：利用地面控制点进行的几何校正。图像几何误差的主要来源几何误差类型：静态误差和动态误差。静态误差：成像过程中，传感器相对于地球表面呈静止状态时产生的误差。又分为内部误差和外部误差。内部误差：传感器自身的性能、技术指标偏离标准数值造成的。进行系统校正。动态误差：成像过程中，地球旋转所造成的误差遥感影像变形的原因1）传感器成像方式的影响中心投影（投影中心（影平面）上而形成的透视关系。地物通过投影中心与其成像点共一直线投影中心到像平面的距离为物镜主焦距f地面起伏使得各处影像比例尺不同 地物由于成像平面倾斜其成像会发生变具有高差的物体成像在相片上有投影差遥感数字图像几何校正，即正射投影校正几何纠正的目的：将中心投影影像映射成正射投影影像正射投影（平行投影） 全景投影 斜距投2）遥感平台位置和运动状态变化的影响(Xs，к时，就会使遥感图像产生变形。这种变形由地物点图像的坐标误差来表达，通过传感器的构像方程解析地球起伏的影响像点位移也称投影误差（投影差）,是指遥感像片上高出或低于地面的地物点在像片上的像点位置，与在地平面上的位置比较产生的位置移动。地球曲率的影响大气折射的影响地球自转的影响几何精校正几何精校正又称为几何配准，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。图像精校正由用户进行。（据接受部门、投影变形纠正（传感器研制部门、几何精纠正（用户。系统几何校正：由遥感数据接收部门进行；研制部门提供；成，是图像处理前的必须工作。几何精校正的目的只有在纠正后，才能对图像信息进行各种分析，做满足测量和定位要求的各类遥感专题图；在同一地域，应用不同传感器、不同光谱范围以及不同成像时间的各种数据进行计算机自动分类，地物特征的变化监测或其他应用处理时，保证不同图像间的几何一致性；利用遥感图像进行地形图测图或更新时，要求图像具有较高的地理坐标精度。基本原理几何精校正步骤准备工作影像数据 地图资料 大地测量成果 航天器轨道参制点的选择和量测 胶片影像扫描数字化图像中控制点（GCP）

传感器姿态参数 地面控K阶多项式控制点最少数目像，效果往往不好。控制点数的选取都要大于最低数目很多（6倍20-30应均匀分布选择容易分辨、相对稳定、特征明显的位置在选择前可以先对图像锐化、降噪、彩色合成等，以突出控制点信息。地面控制点坐标的确定信息来源：大比例尺的地形图；现场实测。手持GPS坐标精度10-20m之间，可以用于TM图像的几何校正；沿海信标GPS精度可达亚米级，可用于SPOT图像的几何校正；更高的校正精度要求，可通过差分GPS来获取。地图投影地面控制点的地理坐标必须与投影要求一致，否则会带来较大的误差。建立纠正变换函数等。纠正变换函数中有关的参数，可利用地面控制点数据求取，也可以利用卫星轨道参数、传感器姿态参数、航空影像的内方位元素求取。多项式纠正方程多项式纠正法的基本思想是回避成像的空间几何过程而直接对影像变形本身进行数学模拟。常用齐次多项式进行纠正。多项式纠正法利用有限个地面控制点的已知坐标来解求多项式的系数，然后将各像元的坐标代入多项式进行计算，从而求得纠正后的坐标。超过多项式系数的个数。地面控制点的精度越高、分布均匀、数量越多，则几何纠正的精度就越高。多项式纠正法在确定系数处的控制点拟合最好。重采样包括两步：像素位置变换和像素值变换上去。包括直接法和间接法两种。像元灰度重采样（已知象元重采样的常用方法有最邻近像元法、双线性插值法、三次卷积法。其他具体的见书上相关内容。多图像几何配准多图像是指同一地区不同时刻的图像(多时相图像)，或不同传感器获取的图像.多图像配准的基本假设是相同的地物具有相似的光谱特征。通过对两个图像做相对移动，找出其相似性量度值最大或差别最小的位置作为图像配准的位置。控制点的数目不如控制点的分布对纠正结果的影响大况下，增加控制点的数目才可能提高纠正精度。第六章图像变换所谓图像变换可以理解为为达到图像处理的某种目的而使用的数学方法算和几何运算，它们都是利用对输入图像进行加工而得到输出图像。另一种重要的数学变换则是将原定义在图像空间的图像以某种形式转换到另外一些空间，并利用输入图像在这些空间的特有性质有效而快速地对图像进行处理和分析。到频率域来分析图像的频谱特性。图像变换的目的使图像处理问题简化；有利于图像特征提取；图像压缩;有助于从概念上增强对图像信息的理解。过程：正变换：将图像变换成新的图像，然后进行处理逆变换：将处理后的图像还原为原始形式的图像，以便和原始图像进行对比常用图像变换方法傅里叶变换：针对特定波段，周期性噪声的去除；主成分变换：针对多波段，产生新的“波段”，数据的压缩或噪声的去除；缨帽变换：适用于LANDSAT图像的多波段经验性变换方法，更好地突出主体的地物特征；代数运算：简单的代数运算产生新的“波段”，增强特定的地物信息；彩色变换：RGB彩色空间转换到其他彩色空间显示，突出RGB空间中难以表达的内容。傅里叶变换傅里叶变换指非周期函数的正弦和或余弦和乘以加权函数的积分表示，1965年快速傅里叶变化算法（FFT）出现后得到大规模应用。傅里叶变换在数字图像处理中的作用数据压缩图像滤波特征提取周期性噪声去除基本概念设x(t)为（-∞，+∞）上连续函数，在一定条件下，有如下关系：X(f)为x(t)的连续频谱，简称频谱。公式(1)中，可以由信号x(t)求出相应的频谱X(f)，这个过程称为频谱分析。在图像处理中，该过程称为傅里叶变换。通常传感器所接收到的信号x(t),一般包括两种成分：有效信号s(t)和干扰信号n(t)。信号处理的目的：削弱干扰信号n(t)，保持或增强信号s(t)。X(t)=s(t)+n(t)信号处理的方法：干扰信号n(t)的频谱N(f)与有效信号s(t)的频谱S(t)是不同的。因此，可以有针对性的设计不同的频率函数H(f)，即滤波器，对信号x(t)进行滤波，以削弱干扰增强信号。图像的傅里叶变换研究的是二维空间信息；通信研究的是时间域和频率域之间的关系，图像理论研究的是空间域和频率域之间的关系。x-y（1）二维连续函数傅里叶变换---频率域滤波的基本原理(2)离散函数的傅立叶变换假定取间隔△x单位的抽样方法将一个连续函数 f(x)离散化为一个序 列{f(x0)，f(x0+△x)，…，f[x0+(N-1)△x]}，如图所示。将序列表示成)f[x0+(N-1)△x]}。（3）二维离散傅里叶变换图像的低频能量都集中在中心部分，高频能量分布在四周快速傅里叶变换减少运算步骤和节省时间用FFT(FastFourier/余弦波。有专门的软件包，使用方便。频率域图像特点线性的地物为高频部分，大块面状的地物为低频部分；像的平均亮度值，频率为0；从图像中心向外，频率增高；高亮度表明频率特征明显；频率域图像中明显的频率变化方向与原始图像中地物分布方向垂直。傅里叶变换流程频率域滤波增强处理技术正向FFT:指定图像的一个波段，按照计算公式进行FFT，产生频率域图像。定义滤波器:以频率域图像为参照，定义滤波器。逆向FFT：将定义的滤波器应用到频率域图像，并进行逆向FFT，得到空间域的图像，然后进行显示。常用的5种滤波器①低通滤波器：用来保留图像中的低频成分，滤除图像中的高频成分，图像平滑的作用。②高通滤波器：与低通滤波器相反，用来保留高频成分，图像锐化的作用。③带通滤波器，用来保留特定频率范围的信息。④带阻滤波器：用来阻止特定频率范围的信息。⑤自定义滤波器：根据频率域图像中的频率分布，人为定义，应用比较灵活。主成分变换（K-L变换）主成分变换是基于变量之间的相关关系，在尽量不丢失信息的前提下的一种变换方法，主要用于数据压缩和信息增强。在遥感软件中常被称为K-L变换。多波(N波)图像可以看作是N维空间。 每个象元点在多光谱空间中的位置可以表示为一个n维向量。基本算法设原始数据为二维数据，两个波段x、x2之间存在相关性，具有如图所示的分布。y1的原则确定y1轴的取向，新轴y1称作第一主成分。为了进一步汇集剩余的信息，可求出与第一轴y1正交、且尽可能多地汇集剩余信息第二轴y2，新轴y2称作第二主成分。K—L其目的是数据压缩和图像增强。主成分变换基本性质总方差不变性；从主成分向量Yi中删除后面的(n-p)个成分只保留前p(p≤n)个成分时产生的误差符合平方误差最小的准则。遥感影像中不同波段的数据之间往往存在着一定的相关性，因此总体数据集存在着冗余。主成分分析的目的是通过线性正交变换把多个波段数据集的信息量集中到数量尽可能少的主成分影像数据中，而这些主成分之间相互无关，这样就减少总的数据量并使影像的特征信息得到增强。例如：对LANDSAT/TM的6然后把得到的第主成分变换流程主成分正变换成分，根据主成分与特征值的关系，选择少数的主成分为输出结果。主成分逆变换/变量数目相同，那么逆变换的结果将完全等K-L变换的特点变换后的新波段主分量包括的信息量不同，呈逐渐减少趋势。其中，第一主分量集中了最大的信息量，常常占80％以上，第二、第三主分量的信息量依次快速递减，到第n分量信息几乎为0。由于变换对不相关的噪声没有出噪声。缨帽变换1976年，Kauth和Thomas构造的线性变换方法——Kauth-Thomas变换，简称K-T变换。可以实现信息压缩，帮助解译分析农作物特征。主要用于MSS和TM影像。基本原理农作物在裸土、发芽、生长期、成熟期、变黄期和衰老期的光谱变化规律及特征。K－T变换又称缨帽变换(Tasseledcap)，是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转而优化图像数据显示效果。K—T变换也是一种线性组合变换，其变换公式为：Y=BX这里X为变换主要针对TM的1至5和第7波段，低分辨率的热红外(第6波段)波段不予考虑新分量中的前三个分量与地面景物的关系明确yl为亮度，反映了总体的反射值。y2为绿度，反映了绿色生物量的特征。y3为湿度，反映出湿度特征。y4,y5,y6这三个分量与地物没有明确的对应关系，因此K-T变换后只取前三个分量。这样也实现了数据压缩。K-T变换前3个分量的实际物理意义亮度：TM的6个波段的加权和，反应总体的亮度值绿度：绿色生物量特征。湿度：土壤湿度和植物湿度。亮度和绿度组成“植被视面”；湿度和亮度组成“土壤视面”；绿度与湿度组成“过渡区视面”。K—T变换的研究主要针对TM数据和以前使用过的MSSTM影像数据分析在农业方面应用有重要意义。MSS图像的缨帽变换代数运算新的“波段”，达到突出感兴趣的地物信息、压抑不感兴趣的地物信息的目的。操作对象：多波段图像经过空间配准的两幅或多幅单波段图像常数（另外至少有一个是波段）加法运算B1B2NOAA或者MODIS5天地图像数据进行平均处理。进行加法运算的图像的成像日期不应相差太大。减法运算基本公式：B=B1-B2差值运算后的图像反映了同一地物在两个波段上的差异征不同，差值运算后图像上差异大的地物得到突出，从而容易识别出来。等工作中应用较多。例如，健康的植被在0.65μm附近有一个明显的吸收谷，反射率很低；在0.7-0.8μm处是0.8-1.3μm40%或更大的反射峰，这个种反射光谱曲线是含有叶绿素植物的共同特点（叶绿素反射特征。红外波段植很容易确定其分布区域。乘法运算基本公式：B=B1×B2可用来遮掉图像的某些部分。例如，使用一个二值图像f1（图像上需要被完整保留下来的区域的像素值为1，而被抑制掉得区域的像素值为0）去乘图像f2的某些部分。图像处理中，这个操作被称为掩膜比值运算基本公式：B=B1/B2（除数不能为空间变化造成的影响，降低地形导致的阴影影响。在比值图像上，像素的亮度反映了光谱比值的差异。因此，这种运算对于增强和区分在不同波段差异较大的地物有明显的效果。例如，在地质探测中，地质学家用TM的某种组合解译矿石类型：B3/B1突出铁氧化物，B5/B7突出粘土矿物，B5/B4突出铁矿石，B5/B6突出大片白陶土蚀变区域，B4/B3突出植被信息，B5/B2分离陆地和水体，等等。波段比值方法还可以用来探测地物随季节变化的信息。如果需要监测地区植被的变化，可以使用不同季节的第3波段的比值，新建立的波段可能是20060810B3/20040810B3。图像的时段可以是不同年的同一个月，或同一年的较低，在图像中比较暗。归一化指数B=(B1-B2)/(B1+B2)在基本的比值运算中，如果分母中的波段2的值比较小（特别是小于1的情况下么，比值的结果将夸大差异，使用归一化指数可以避免这一问题。植被指数植被指数是遥感监测地面植物生长和分布的一种方法根据地物光谱反射率的差异做比值运算可以突出图像中植被的特征算绿色生物量，能够提取植被的算法称为植被指数nI。绿色植物叶子的细胞结构在近红外波段具有高反射性，其叶绿素在红波段具有强吸收/亮度值，甚至在绿色生物量很高时达到饱和。植被指数是代数运算增强的典型应用常用的植被指数比值植被指数RVI=IR/R归一化植被指数NDVI=(IR-R)/(IR+R)差值植被指数DVI=IR-R(4)正交植被指数：PVI=1.6225(IR)-2.2978(R)+11.0656或PVI=0.939(IR)-0.344(R)+0.09IR红外波段，R红波段。归一化植被指数利用归一化植被指数可监测某一区域农作物长势，并在此基础上建立农作物估产模型，从而进行大面积的农作物估产。彩色变换HIS变换H（色调、I（强度S（饱和度）模型表示的彩色与人眼看到的更为接近。RGB和HIS两种色彩模式相互转换。RGB系统从物理角度出发描述颜色，HIS系统从人眼主观感觉出发描述颜色。RGB系统比较简单常用，但是当色彩合成图像的各个波段之间的相关性很高时，会使合成图像的饱和度偏低，色调变化不大，图像的视觉效果差。彩色变换的应用进行不同分辨率图像的融合HIS中，I成分控制着图像的亮度。将低分辨率图像变换HIS彩色空间，将I据融合的目的。增强图像的饱和度图像的饱和度不足，图像不鲜艳，不容易区分图像中的细节。将数据从RGB彩色空间变换到HIS彩色空间，然后对S成分进行拉伸增强后，再变换到RGB彩色空间，可以提高图像的饱和度。通过对强度I去除云雾多源数据显示HIS，然后逆变换作彩色显示，可以获得较好的效果。其他应用①对色调进行分段扩展，以突出某一色调或加大某一范围内的色调之间的差异②色调不变，将强度和饱和度设为常数，以突出地物色调在空间上的分布物信息。第七章图像滤波概述图像滤波 图像增强的一种的某些信息，恢复其他信息的图像增强方法。空间域滤波：通过窗口或卷积核进行，参照相邻像素改变单个像素的灰度值频率域滤波：对图像进行傅里叶变换，再对变换后的频率域图像的频谱进行滤波如何选择：考虑邻域范围较小，一般使用空间域滤波。邻域较大或去除周期性噪声，使用频率域滤波。滤波是邻域操作，不仅考虑当前像素的值，而且考虑当前像素与相邻像素之间的关系行滤波处理空间域和频率域滤波空间域滤波定义：根据需要，舍弃不需要的频率曲线，选择适宜和需要的频率波形曲线，重新构成新的图像，使一些地物或现象得到突出显示目的：突出图像上某些特征或者抑制某些特征特点：在方法上强调了像元与其周围相邻像元的关系，采用空间域中邻域处理方法，在被处理像元参与下进行运算类型：平滑和锐化方法图像卷积图像平滑中，有关模板的运算都用到了图像卷积的概念。卷积模板中的各个位置对应的是权重系数，例如：a1–a9可以根据具体需要来确定数值。卷积就是将模板的中心a5对应所处理的当前像素点，系数与图像上的灰度值一一对应相乘，得到的数值作为所处理像素点的新的灰度值。加权平均同一尺寸的模板，不同位置的系数不同；距离模板中心越近的