厦理工遥感导论课件第4章 遥感图像处理

第四章遥感图像处理4.1

数字图像基础知识4.2

图像辐射校正4.3图像几何校正4.4

遥感图像增强处理

4.1

数字图像基础知识一、光学图像与数字图像（一）基本概念

早期的遥感技术通过摄影成像方法得到的像片称之为光学图像。能在计算机里存储、运算、显示和输出的图像称为数字图像。

遥感图像可以看成是由无数个很小的单元（像元）组成的，每个像元的明暗程度记录了成像瞬间的物体的电磁辐射强度。图像的表示：O图像xy(x,y)表示像元的位置；f(x,y)表示（x,y)位置上的对应地物电磁辐射强度。O图像xy1234213456Pixel遥感影像经过“离散化”取样才能变成计算机可存储和运算的数字图像。函数f(x,y)的取值：离散整数取样是根据需要，将灰度空间分成2n级（目前n的取值有1、4、7、8，甚至更多），然后根据方格内电磁辐射强弱取其平均值整数作为函数f(x,y)的值。一幅图像表示为数字图像其实质是一个数字矩阵。数字矩阵可以计算机里进行存储和运算。像元：坐标数值行、列定义像元位置数值通常用8bits记录28=256灰度值范围为0-255每个像元是图像的基本元素遥感影像的表现（二）图像数字化

一幅光学图像经过离散取样，转化为数字图像的过程即图像数字化。

图像数字化内容：（1）图像空间位置的数字化，即图像的空间取样。（2）图像灰度的数字化，即指从图像灰度的连续变化中进行离散的采样，目前经常使用的灰度量度有2级，64级，128级，256级。除光学图像可以数字化为数字图像外，更多的遥感图像源于传感器获得后直接的数字产品，如：SPOT,MSS,TM,ETM等航天遥感数字。（三）灰度直方图

表示一幅数字图像像元灰度分布状态。横轴表示灰度级，纵轴（Pi=mi/M)表示灰度级为gi的像元个数mi占像元总数Ｍ的百分比。将2n个Pi绘于图上，所形成的统计直方图叫灰度直方图。通过灰度直方图可以直观地了解图像增强的效果。二、遥感图像处理的主要内容1.图像校正：辐射校正、几何校正等；2.增强处理：彩色增强、直方图增强、图像运算、多源信息融合等；3.图像变换：消除干扰、滤掉噪声、提高图像的质量，如Ｋ－Ｌ变换等；4.图像分类：非监督分类、监督分类等。4.2

图像辐射校正一、图像辐射校正（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。设原始图像灰度值g，校正的图像灰度g’,则有g’=g/cosα

α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

两类误差：（1）光电转换误差；（2）探测器增益变化引起的误差。消除方法：楔校准处理方法二、大气校正消除由大气散射引起的辐射误差的处理过程。（一）公式法与卫星扫描同步进行野外波谱测试，将地面测量结果与卫星影像对应像元亮度值进行回归分析，回归方程为：式中，LAi为卫星观测值；Ri为地面反射率；

a和b为回归系数；系数a为大气散射引起对辐射的干扰部分a=SiLBiSi为系统增益因素；Lbi为大气路径辐射率；b表示辐射率Lai随地面反射率Ri递增而增长的程度大小；Ti为大气透射率；Hi为太阳辐照度；θ为太阳天顶角；计算方法是对各个波段分别进行，i代表各波段的序号。计算Lai时需要获得当时具体气象参数。由前面的公式可得：

L’Ai即为校正后图像灰度值；a为大气附加辐射部分。将上式代入可得：（二）回归分析法用长波数据来校正短波数。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。为TM5波段的亮度均值；为TM1亮度均值；a1,b1计算如下：T1、T5表示TM1与TM5波段灰度值，为TM1波段校正后的灰度值。辐射回归分析图：（三）直方图校正法

通过灰度直方图对比找出校正量。

4.3图像几何校正一、遥感图像几何畸变来源（1）遥感平台位置和运动状态变化（2）地形起伏影响（3）地球表面曲率的影响

（4）大气折射的影响（5）地球自转的影响二、遥感图像几何校正原理包括光学校正和数字纠正两种方法。数字纠正是对图像每个像元逐个地解析纠正处理，其包括两方面：一是像元坐标变换；二是像元灰度值重新计算（重采样）。（一）坐标变换首先要确定原始图像和纠正后图像之间的坐标变换关系。包括：从原始图像阵列出发，依次对其中每一个像元分别计算其在输出（纠正后）图像的坐标，即：),(),(yxFXFYxyxy==(二）输出图像的边界大小1、先求出原始图像四个角点（1,2,3,4）在纠正后图像中的对应点（1’,2’,3’,4’）的坐标（X1’,Y1’）(X2’,Y2’)(X3’,Y3’)(X4’,Y4’)。),(),(yxFXFYxyxy==2、求出最大值和最小值（Xb、Yb和Xa、Ya）；3、令地面上坐标（Yb、Xa）和(Ya、Yb)的点（图像左上角点）为输出图像的第一行第一列像元，以dx和dy划分网格，每个网格代表输出图像的一个像元，在它输出图像阵列中的位置为：

X，Y为地面某网格中心的坐标值；I，J为该网格位于输出图像阵列中的行列序号；dx,dy为输出图像阵列像元的地面尺寸。（三）数字图像灰度值的重采样校正前后图像的分辨率变化、像元点位置相对变化引起输出图像阵列中的同名点灰度值变化。重采样：P’的灰度值取决于周围列阵点上像元的灰度值对其所作的贡献，这就是灰度值重采样。1、最近邻法从周围四个点中用距离投影点最近像元灰度值代替输出像元灰度值。2、双线性内插法

投影点周围4个相邻像元灰度值，利用X方向和Y方向进行三次插值。3、双三次卷积法取与投影点邻近的16个象元灰度值（4*4），计算输出象元的灰度值。三、数字图像几何校正方法有多项式纠正法和共线方程纠正法。前者较常用。多项式纠正法的基本思想：回避成像的空间几何过程，而真接对图像变形的本身进行数学模拟。常用的二元齐次多项式纠正变换方程为：式中，x,y为某像元的原始图像坐标；X,Y为纠正后同名点的地面（或地图）坐标；ai,bi为多项式系（i=0,1,2…多项式系数求出后，根据上述公式可以求解原始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。一般选择最小控制点的数量为:(n+1)(n+2)/2,为多项式次数。4.4遥感图像增强处理一、彩色增强处理二、反差增强三、空间滤波四、彩色变换五、图像运算六、多光谱变换七、多源信息复合一、彩色增强处理

假彩色合成选取同一目标的三个多光谱数据合成一幅彩色图像。二、反差增强又称对比度变换、对比度扩展。对比度变换直方图拉伸直方图均衡直方图匹配线性变换（分段线性）非线性变换1、直方图拉伸（1）线性变换增强前后灰度函数关系符合线性关系式：

x’=kx+bx’增强后的灰度值,x增强前的灰度值,b常数,k斜率InputDNOutputDNb1255255a1a2b2xaxb（2）分段线性变换原始图象变换后图象（3）非线性变换2、直方图均衡化非线性的增强方法。将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现。根据灰度值的出现频率来分配它们的亮度显示范围，频率高的部分被增强了,频率低的部分被压缩。增强了峰值处的对比度，而减弱两端（最亮和最暗）的对比度。原始的直方图均衡化后的直方图3、直方图匹配把原图象的直方图变换为某种指定形状的直方图或某一参考图象的直方图，然后按照已知的指定形态的直方图调整原图象各象元的灰级，最后得到一个直方图匹配的图象。使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配。主要应用于有一幅很好的图象作为标准的情况下，对另一图象进行匹配，以改善被处理图象的质量应用于数字镶嵌。三、空间滤波（邻域增强）对比度变换：点增强，是单个像元的运算，从整体上改善图像质量；空间滤波：中心像元与周围相邻像元间的运算，用于去噪声、图像平滑、锐化和相关运算。1、图像卷积运算模板图像窗口作用：抑制噪声，增强地物的某些特征2、平滑图像中某些亮度变化过大的区域，或出现不该有的亮点（噪声）时，采用平滑的方法可以减小变化，使亮度平缓或去掉“噪声”点。

均值平滑（滤波）：每个像元在以其为中心的邻域内取平均值来代替该像元值。中值滤波：每个像元在以其为中心的邻域内取中间亮度值来代替该像元值。

均值平滑模板原始图像均值滤波图像3、锐化为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。锐化后的图像不再具有原图像的特征，成为边缘图像。

（1）罗伯特(Roberts)梯度r(i,j)r(i,j+1)r(i+1,j)r(i+1,j+1)意义在于用交叉的方法检测出像元与其邻域在上下之间或左右之间或斜方向之间的差异。（2）索伯尔(Sobel)梯度（3）Laplace算法算法意义是检测亮度变化率的变化率，相当于二阶微分。

（4）定向检测垂直定向检测水平定向检测Laplace算法1、单波段彩色变换单波段彩色变换是灰度图像的彩色表示或显示。又称密度分割。密度分割：将连续的灰度值转换为少量的灰度区间，并用不同的颜色表示，增强了图像的目视解译效果四、彩色变换TM3密度分割（5级）粗略显示水体、植被、裸地/城镇等HLS变换2、多波段彩色变换五、图像运算两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。

1、差值运算：两幅同样行、列数的图像，对应像元的亮度（灰度）值相减。差值图像提供了不同波段或不同时相图像间的差异信息。2、比值运算：两幅同样行、列数的图像，对应像元的亮度（灰度）值相除（除数不为0）。比值图像，像元的亮度反映了两个波段光谱比值的差异，常用来检测植被，消除“同物异谱”现象。1、差值运算TM4-3-2TM4-TM32、比值运算1）除数为零2）像元灰度值大于255。植被指数：是基于植被叶绿素在红色波段的强烈吸收以及在近红外波段的强烈反射，通过红和近红外波段的比值或线性组合实现对植被信息状态的表达。植被指数有许多不同的表达公式：SR=NIR/R（simpleratio）（比值植被指数）NDVI=（NIR-R）/(NIR+R)（归一化差值植被指数）SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指数）如对TM数据：

NDVI=（TM4-TM3）/（TM4+TM3）六、多光谱变换1、n维多光谱空间2、K-L变换又称主成分变换，主成分分析（PCA,PrincipalComponentAnalysis）作用：去除相关性、突出地物特征压缩数据剔除噪声基本原理：求出一个变换矩阵，经变换形成一组新的主分量波段。公式为：Y=AXY为变换后的主分量空间像元矢量X为变换前的多光谱空间像元矢量A为变换矩阵。是X空间协方差矩阵Σx的特征向量矩阵的转置矩阵。步骤：计算原始图象的协方差矩阵；计算的特征值和特征向量；生成主成分原始图象TM1-5，7主成分图象PC1-63、K-T变换[（Kauth-Thomas）变换]是一种线性变换，使坐标轴发生旋转，旋转之后坐标轴的方向与地物，特别是和植被生长及土壤有密切的关系。Y=BX七、多源信息复合将多种遥感平台，多时相遥感数据之间以及遥感数据与非遥感数据之间的信息组合匹配的技术。遥感信息复合遥感与非遥感信息复合不同传感器的遥感信息复合不同时相的遥感信息复合1、遥感信息复合1）不同传感器的遥感信息复合（以TM与SPOT图像为例）步骤（1）配准（2）复合