第4章 遥感图像处理.ppt

1、2020/9/5,面向二十一世纪课程教材,遥感导论,电子教案,制作人：贾维花,第4章遥感图像处理,本章提要 4.1光学原理和光学处理 4.2数字图像处理,本章结束,本章主要介绍遥感的光学影像和数字影像在分析、判读、理解、识别前的处理过程。首先介绍光学原理和光学处理方法。重点介绍计算机图像处理的原理和方法。 本章重点是光学原理与数字图像处理。,4.1 光学原理和光学处理,1 颜色性质与颜色立体 2 加色法与减色法 3 黑白影像和彩色影像的形成 4 光学增强处理,返回,颜色性质与颜色立体,光和颜色 颜色的性质 颜色立体,返回,光和颜色,1.光和颜色：只有能够被眼睛感觉到的并能产生视觉的才是可见辐射

2、或可见光。在电磁波普中0.380.76m；颜色是光源发射性质和物体反射光线所致。 2.亮度对比：是视场中对象与背景的亮度差与背景亮度之比。记作：C|L对象L背景| L背景 选择适宜的对象及背景亮度，可以提高对比，从而提高视觉效果。在遥感影像中，亮度对比主要用于单色黑白影像，亮度对比实际上是两个和多个对象之间的对比。即CL对象L对象。 3.颜色对比：在视场中，相邻区域的不同颜色的相互影响叫做颜色对比。颜色的对比受视觉的影响很大。在两种颜色的边界，对比现象更为明显。,返回,明度：是人眼对光源或物体明亮程度的感觉。与电磁波辐射亮度的概念不同，明度受视觉感受性和经验性的影响。一般来说，物体的反射率越高

3、，明度就越高。对光源而言，亮度越大，明度越高。 色调：是色彩彼此相互区分的特性。可见光谱段的不同波长刺激人眼产生了红橙黄绿青蓝紫等彩色的感觉。 饱和度：是彩色纯洁的程度。即光谱中波长段是否窄，频率是否单一的表示。对于光源：若发出的若是单色光就是最饱和的彩色。如激光。各种光谱色都是饱和色。对于物体颜色：如果物体对反射具有很高的选择性，只反射很窄的的波段则饱和度高。若光源或物体反射光在某波段中混有许多其他的波长的光或混有白光。则饱和度变低。白光成分过大时，彩色消失成白光。 黑白颜色只用明度（灰度）描述。不用色调、饱和度描述。,返回,颜色性质,颜色立体,理想化颜色立体示意图,孟赛尔颜色立体示意图,返

4、回,加色法和减色法,三原色与加色法 色度图 颜色相减原理,返回,三原色：分析各种颜色可以找到三种颜色，其中的任一颜色都不能由其余颜色（两种）混合相加产生，这三种颜色可以按一定的比例混合形成各种色调的颜色。则称之为三原色。实验证明：红、绿、蓝三种颜色是最优的三原色。混合后的颜色只是视觉上效果上的颜色，已完全失去了颜色的光谱意义。 互补色：若两种颜色混合产生白色或灰色，这两种颜色就称为互补色。如：黄和蓝、红与青、绿与品红均互为互补色。,三原色和互补法,颜色相加实验,加色法 大圆颜色代表色光的三原色。两圆相交的的部分为两种色光等量相加的混合颜色，显然是第三种颜色的补色；即红+绿黄；红+蓝品红；蓝+绿

5、青。黄、品红、青称为补色（光）。 三圆相交的部分是三种颜色等量相加的结果，一定是白色。即： 红+绿+蓝白（光）。 非互补色（光）不等量相加混合，产生不同的中间色（光），如：红（多）+绿（少）橙；红（少）+绿（多）黄绿等。,加色法示意图,返回,色度图,图中：波长单位为nm，图中横轴对应红色系数，纵轴对应绿色系数，蓝色系数可由z1(x+y)求得。,从A点（0.4m到B点的（0.77m）光谱曲线的轨迹及连接AB两点直线所形成的马蹄形范围内所包含的各点都是在物理上可以由真实的光线产生的颜色。 色度图可以粗略的推算出两种颜色相混合得到的中间色。 过C点做一条直线与边缘交于二个点，则这两个点对应的光谱颜色

6、一定是互补色，它们混合可以产生白色,返回,颜色相加和相减区别,相减混合,相加混合,减色法示意,减色法：以从白光中减去三基色中的一种或两种基色而产生的色彩即：黄白蓝 品红白绿 青白红 一般用于颜料配色。当颜料混合叠印时： 品红黄白（绿蓝）红 青品红白（红绿）蓝 黄青白（蓝红）绿 当三种颜料叠印时即 黄青品黑,返回,黑白影像成像过程,黑白影像是单波段和全色波段形成的 。 黑白照片照相步骤： 1感光：当光照在胶片上时卤化银在光子的作用下，使带正电的银离子移动形成潜像中心； 2显影：使感光底片在暗室中浸入显影液体，液体中的显影物质把曝光的卤化银还原成金属银，这时潜像变成可见像，感光越强金属银密度越大；

7、 3定影：形成负片（底片）。 4洗印相片使光透过底片照在像纸上，经同样的曝光、显影、定影过程形成正片（相片）。负片黑处透过的光弱，在正片上发白；负片白处透光强，在正片处发黑。因此正片反应的黑白程度与自然景物相比，经过两次相反的变换变成一致。,彩色影像成像过程,右图是天然物体经过摄影相成负片和正片的过程，若把自然景物的颜色简单划分为蓝、青、绿、黄、红、品红六个色彩，再加上全黑和全白色共八色，基本上可以说明各种色彩的生成过程。,彩红外影像成像过程,波谱段： 0.40.9m 分别只对近红外、红、绿三个波段感光；绿光波段赋予蓝色。红光波段赋予绿色，近红外波段赋予红色。蓝光波段被吸收为黑色。,返回,返回

8、,1.利用加色法或减色法实现彩色合成 （1）加色法彩色合成：合成仪法；分层曝光法； （2）减色法彩色合成：染印法；印刷法；重氮法； 2.光学增强处理 （1）相关掩膜处理方法； （2）改变对比度； （3）显示动态变化； （4）边缘突出；,光学增强处理,4.2数字图像处理,图像校正： 辐射校正 几何校正 镶嵌处理 增强处理： 对比度变换 空间滤波 彩色变换 图像运算 多光谱变换 多元信息复合,返回,数字图像的校正,1 数字图像和图像数字化 2 辐射校正 3 几何校正 4 多数据几何配准 5 镶嵌处理,返回,数字图像：是指能够被计算机存储、处理和使用的图像。 （1）光学图像称为模拟量，而数字图像又称

9、作数字量。他们之间的转换称模数（数/模)转换，记作A/D或D/A。 数字量和模拟量的本质区别在于模拟量是连续变量而数字量是离散变量。 （2）灰度：观察一幅黑白照片，其黑白的程度称为灰度，对于光学图像黑白变化是逐渐变化的没有阶梯状的。有时为为了视觉分辨效果更好和对影像质量鉴定方便，人为地在影像下部设一灰标，制作成不同等级的灰度值标尺。但就影像本身而言，灰度仍旧是连续变化的。,数字图像和图像数字化,图像数字化：一幅光学图像经过扫描仪或数字摄影机等外部设备送入到计算机时，就是对图像的位置变量进行离散化和灰度值进行量化的过程。,数字图像和图像数字化,如图：定义原图像函数是一个矩形区域R内的实函数， 记

10、作 0f（x，y）G x0， xmaxy0，ymax 式中，G为灰度值的上界； xmax，ymax分别为x，y方向上的最大值。,数字化以后，连续空间变量被等间隔取样成离散值。一幅图像可以表示为一个矩阵，若x方向上取N个样点，y方向上取M个样点，则称为MN个元素的矩阵函数，,数字图像实际上原来光学图像的一个近似图像，数字图像的近似程度或者说图像数字化后的清晰度取决于采样精度，即像幅空间（扫描分辨率）DPI（dot per inch）和灰度空间取决于二进制字长位数目前使用的用2的1，4， 7，8次幂，医学影像可达211。 遥感数字图像需要相当大的空间。以一景Landsat4的TM数字影像为例。共有

11、7个波段，每个波段有6166行，6166列。代表地面185km185km的范围。每个波段约有6166616638M个像元，则7个波段全部存储需要（638M）+24M252M个像元，即需要252M字节的存储空间才能存下一景全部的TM数据。,数字图像和图像数字化,数字图像实例表示,返回,辐射校正,辐射强度主要影响因素（） 辐射畸变产生的原因（） 辐射校正的方法 大气校正,1.太阳辐射照射到地面上的辐射强度；2.地物的光谱反射率。,1. 遥感器仪器本身产生的误差 光学摄影机内部辐射误差；光电扫描仪内部辐射误差，有光电转换误差和探测器增益变化引起的误差。 2.大气对辐射的影响,一是分析失真的过程，建立

12、失真的数学模型，然后对此数学模型求逆过程，用此逆过程求的图像失真前的图像； 二是利用实地测量的地物的真实辐射值寻求实测值与失真之后的图像之间的经验函数关系，从而得到辐射校正的方法。 显然，第一种校正方法是与失真过程有关的，第二种方法是与失真过程无关的。,返回,大气对辐射影响示意图,设E0为波长的辐照度，为入射方向的天顶角，当无大气存在时，地面上单位面积的辐照度为： EE0cos （4.1） 假定地表面是朗伯体，则某方向物体的亮度为： L0(R)E 式中R为地物反射率；为球面度（半球反射）系统增益系数因子S这时的进入传感器的亮度值为：L0L0S L1L0TT,由于大气的影响，实际进入传感器的辐射

13、亮度由三部分组成： LL1L2Lp （4.2）,大气粗略校正,粗略校正指通过比较简便的方法去掉公式（4.2）中的程辐射Lp 。从而改善图像质量。严格来讲，程辐射的大小与像元位置有关，随大气条件、太阳照射方向和时间的变化而变化，但因其变化量微小而忽略。可以认为程辐射在同一图像的有限面积内是一个常数，其值的大小只与波段有关。,粗略校正（） 粗略校正的方法： 直方图最小值去除法 回归分析法,返回,灰度直方图:用平面直角坐标系表示一幅灰度范围为0（2n1）的数字图像像元灰度的分布状态。 相当于离散化后的概率密度曲线。利用均值、中值、标准差等统计参数刻画图像像元灰度分布状况，直观的反映图像特性。,直方图

14、最小值去除法,基本思想：在于一幅图像中总可以找到某种或某几种地物，其辐射亮度或反射率接近0，例如，地形起伏地区的山的阴影处，反射率极低的深海水体处等，这时图像中对应的亮度值应为0。实测表明这些位置的的像元亮度不为0。这个值应该是大气散射导致的程辐射值。一般来说，由于程辐射主要来自米氏散射，其散射强度随波长的增大而减小，到红外波段也有可能接近0。 校正方法：首先确定条件满足，校正时将每一波段中的每个像元的亮度值都减去该波段的最小值。使图像亮度的动态范围得到改善，对比度增强，从而提高影像的质量。,直方图最小值比较,返回,见P102图4.19,回归分析法,基本思想：假定某红外波段，存在程辐射为主的大

15、气影响，且亮度增值最小。接近于0。设为波段a。现需要找到其他波段对应的最小值，这个值一定比a波段的值大一些，设为b波段，分别以a、b波段的像元亮度值为坐标，作为二维光谱空间，两个波段中对应像元在坐标系内用一个点来表示（见图4.20）。由于波段之间的相关性，通过回归分析在众多点中一定能找到一条直线与波段b的亮度Lb轴相交，且满足如下公式：,式中a是波段a中的亮度为零处在波段b所具有的亮度。可以认为a就是波段b的程辐射度。,返回,几何校正,1.影响图像几何畸变的因素 2.几何畸变校正 （1）基本思路 （2）具体步骤 （3）计算方法 3.控制点的选取,返回,遥感影像变形的原因,(1)遥感器的内部畸变

16、：由于遥感器结构、性能等引起的畸变，如成像几何形态的影响。,(2)遥感平台位置和运行状态变化的影响：包括由于平台的高度变化见右图a 、速度变化见右图b 及姿态变化（俯仰见右图c 、翻滚见右图d 、偏航见右图e ）引起的图像畸变。 (3)地球本身对遥感图像的影响：包括地形起伏、地球曲率、地球的自转等引起的图像畸变 （4）大气折射的影响,返回,地球本身对遥感影像的影响,地形起伏引起的像点位移,地球自转引起的偏离,地球曲率对遥感影像的影响,像点位移,像元对应地面宽度不等,返回,大气折射对遥感影像的影响,由于大气的密度分布从下向上越来越小，折射率不断变化，因此折射后的的辐射传播方向不再是直线而是一条曲

17、线，从而导致传感器接受的像点发生位移。,返回,几何畸变校正的基本思路,校正后的图像也是由等间距的格网点组成的，且以地面为标准，符合某种投影的均匀分布，图像中格网的交点可以看作是像元的中心。校正的最终目的是确定校正后图像的行列数值。然后找到新图像中每一像元的亮度值。,返回,几何畸变校正的具体步骤,第一步：像元坐标变换是构建一个模拟几何畸变的数学模型，以建立原始畸变图像空间与标准图像空间的某种对应关系，实现不同图像空间中像元位置的变换； 第二步：像元灰度值的重新计算（重采样）是利用这种对应关系把原始畸变图像空间中全部像素变换到标准图像空间中的对应位置上，完成标准图像空间中每一像元亮度值的计算。,返

18、回,几何畸变校正的方法,建立两图像像元点之间的对应关系，记作： 通常数学关系表示为二元n次多项式：见P107,实际计算时常采用二元二次多项式，其展开式为：,（4.5）,几何畸变校正的方法,为了提高校正的精度。需增加控制点，采用最小二乘法计算方法通过对控制点数据进行曲面拟合来求系数。求得系数后，利用公式（4.5）便可以根据每一个像元点的行列值（u，v），求出所对应原图像对应的（x，）位置。,为了确定校正后图像上每点的亮度值，只要求出其原图对应点（x，）的亮度值。通常采用的方法有三种：I.最近邻法，II.双向线性内插法和III.三次卷积内插法。,I.最近邻法（见左图）： 这种方法简单易用，计算量小

19、，在几何位置上精度为0.5像元，但处理后图像亮度具有不连续性，从而影像了精确度。,II.双向线性内插法,该法就是取（x，）点周围的4邻点。在方向上（或x方向上）内插两次，再在x方向上（或方向上）内插一次，得到（x，）点的亮度值（x，）。,双线性内插法与最近邻法相比，计算量增加了，但提高了精度，改善灰度不连续现象及线状特征的块状化现象。其缺点是这种方法对图像起到了平滑作用，使图像变得模糊。,返回,III.三次卷积内插法,其基本思想：是增加临近点来获得最佳插值函数。取与计算点（x，）周围相邻的16个点（如下图），与线性内插法类似，可先在某一方向上内插，如先在x方向上，每4个值一次内插4次，求出（x

20、，j1），（x，j），（x，j1），（x，j2），再根据这四个计算结果在方向上内插，得到（x，）。每一组4个样点组成连续内插函数。可以证明这种三次多项式内插过程实际上是卷积运算，故称为三次卷积内插。,该方法的优点是内插获得好的图像质量，细节表现更为清楚，但位置校正要求更准确，对控制点选取的均匀性要求更高。其缺点是数据计算量大。,返回,控制点的选取,控制点数目确定 控制点数目的最低限是按未知系数的多少来确定。如一次多项式6个系数，需要3个控制点。二次多项式12个系数需要6个点。三次多项式至少需要10个控制点，n次多项式需要最少数目是（n1）（n2）/2。在条件允许的情况下。控制点数目要大于最低限

21、很多（甚至6倍）,选取的原则 控制点的选取要以配准对象为依据。无论用哪一种坐标系，关键在于建立待匹配的两种坐标系的对应点关系。 控制点应选取在图像上易分辨且较精细的特征点上，很容易通过目视法辨别（如道路交叉点、河流弯曲和分叉点、海岸线弯曲处、湖泊边缘、飞机场城廓边缘等）。特征变化大的地区应多选。图廓边缘部分一定要选取控制点，以避免外推。尽可能满幅均匀选取，特别是实在不明显的大面积区域（如沙漠），可用求延长线交点的办法来弥补。但应尽可能的避免这样做，以避免造成人为误差。,多图像的几何配准,概念：将同一地区的各种数据匹配起来，以期利用各自优点，这种作法称为多图像的几何配准。是动态监测、变化信息提取

22、、信息复合等工作不可缺少的组成部分。 其原理与方法都和几何纠正的基本相同这种配准可以是遥感图像，也可以是遥感图像和各种专题图、地形图的配准。,返回,镶嵌处理,影像镶嵌的原理是：如何将多幅影像从几何上拼接起来，通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。,数字影像镶嵌(Mosaicking)是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起，构成一幅整体图像的技术过程。,返回,注意：1.镶嵌时要有足够的重叠区，最好不少于图像的五分之一；2.镶嵌时相邻图像往往色调不一样，此时需

23、要其中一幅图像进行直方图匹配等处理。3.若镶嵌需多种投影变换，最好依据该地图投影先分幅校正，然后在镶嵌，这样精度会更高。,对比度变换,该法是一种通过改变图像像元亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。因为亮度值是辐射强度的反映，所以也称之为辐射增强。常用的方法有对比度线性变换和非线性变换。,对比度线性变换,为了改善图像的对比度，改变图像像元亮度值的变换函数是线性的或分段线性的，这种变换就是线性变换 一般情况下，当线性变换时，变换前的亮度范围xa为a1a2，变换后图像的亮度范围xb为b1b2。变换关系是直线，则变换方程为：,则：,a 1，2 bb1，b2,变换结果见图4.33

24、,对比度线性变换,调整a1，a2，b1，b2，4个参数，即调整改变变换直线的形态，可以产生不同变换效果。当线性变换方程的斜率大于1时，则亮度范围扩大，图像被拉伸， 若斜率小于1时亮度范围缩小图像被压缩。 当斜率等于1时图像没有被拉伸或压缩。只是整体亮度被增加或是减小。,对比度非线性变换,指数变换 意义是在亮度较高的部分扩大亮度间隔，属于拉伸，而在亮度值较低的部分缩小亮度间隔，属于压缩，数学表达式为：,式中a，b，c为可调参数。可以改变函数曲线的形态。,对数变换意义与指数函数相反，是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩,返回,返回,空间滤波,1.图像卷积运算 2.平滑 3.锐化,空间

25、滤波是以重点突出图像上的某些特征为目的的，如突出边缘或纹理等，因此通过像元与周围相邻像元的关系，采用空间域的邻处理方法，属于一种几何增强处理，空域滤波增强是基于邻域处理的增强方法。 主要包括平滑和锐化。,返回,图像卷积运算,平滑：图像中某些变化过大的区域，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，使亮度平缓或去掉不必要的“噪声”点。具体的方法有均值平滑和中值平滑,均值平滑,或,返回,中值滤波,基本思想：将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，以达到去尖锐“噪声”和平滑图像的目的。 计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按

26、亮度值大小排列，取中间值作为中间像元的值。所以MN取奇数为好。 一般说来，图像亮度为阶梯状变化时，取平均值比取中值滤波要明显的多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值优于取均值。,返回,锐化：突出图像的边缘、线状目标或某些亮度变化率大的部分，锐化后的图像已不再具有原遥感图像的特征而成为边缘图像。,罗伯特梯度 索伯尔梯度 拉普拉斯算法 定向检测,常用锐化方法：,返回,罗伯特梯度,设 t1,t2,具体为：,模板为：,该算法意义：在于用交叉的方法检测出像元与其邻域在上下、左右或斜方向之间的差异，最终产生一个梯度影象，达到提取边缘信息的目的。,返回,索伯尔梯度,返回,拉

27、普拉斯算法,与前两种方法不同，它不检测均匀的亮度变化，而是检测变化率的变化率，相当于二阶微分。计算出的图像更加突出亮度值突变的位置。,有时也用原图像减去模板运算结果的整倍数。这样的计算结果保留了原图像作为背景，边缘之处加大了对比度，更突出了边界位置。,返回,定向检测,检测垂直边界时：,或,检测水平边界时：,检测对角线边界时：,或,，,，,，,彩色变换,1.单波段彩色变换 2.多波段色彩变换 3.HLS变换,返回,TM合成图像波段选择的原则,各波段的方差系数要尽可能的大，方差系数决定信息量的丰富程度； 各波段的相关系数要尽可能的小，若它们的相关性严重各波段的信息就会出现大量的重复和冗余，导致合成

28、图像总的信息量不高，图像的饱和度就差； 各波段的均值大小不要相差太悬殊；否则会导致图像严重偏色。 选用含有目标物特征谱带的波段，为了提取其特征信息，同时满足这些条件的理想情况是不可能的，但要做到尽可能的兼顾。,返回,HLS变换,当RGB-HLS转换时：有一种计算方法设计（J.D Foley etl，1990）如下： 设LR,LG,LB均为01的实型数据，H为0360实型，L和S为01实型。其中有一个例外，即当S0时，H无定义值。这里变换前红绿蓝各波段的归一化亮度值用带下标的L表示即LR,LG,LB，变换后的明度值用不带下标的L代表。,返回,图像运算,1.图像相加 2.图像相减 3.图像相乘 4

29、.图像比值,返回,图像相加可用来把同一种地物多重影像加起来求平均，以减少随机噪声，也可以为某种目的而把多幅图像叠加起来。 如果N幅同一地区的、同一波段的影像用来进行相加运算并求其平均值，则可减小加性随机误差。,差值图像提供了不同波段或不同时相图像间的差异信息，能用在动态监测、运动目标监测与跟踪及森林火灾和洪水灾情变化的监测等。在红外波段植被和浅色土壤，在红波段与深色土壤及水体反射率接近无法分开时。当红外波段减去红波段时，植被信息得到了突出，很容易找到其分布区域。,图像相乘常用在卷积运算中。通常还利用掩膜函数从一幅遥感图像中摸去一部分目标，剩下感兴趣的。,该运算常用于突出影像中的植被特征、提取植

30、被类别或估算植被生物量，这种运算结果称为植被指数（VI)。常用的算法有TM4/TM3,AVHRR2/AVHRR1,(TM4TM3)/(TM4+TM3)等等，效果都不错。可用来消除地形起伏带来的阴影。还应用于其他方面。如：对研究浅海区的水下地形有效，对土壤富水性差异、微地貌变化、地球化学反应引起的微小变化等，对隐伏构造的信息的有关线性特征等都有不同程度的增强效果。,多光谱变换,1.K-L变换（主成分变换PC) 2.K-T变换（缨帽变换）,返回,目的：可通过函数变换，达到保留主要信息，减低数据量；增强和提取有用的信息。 本质：是对遥感图像实行线性变换。使多光谱空间的坐标系按一定的规律进行旋转。,K

31、-L（ Karhunen-Loeve ）变换,多光谱空间,K-L（主成分PCA变换）表达式： Y=AX 式中，X为变换前的多光谱 空间的像元矢量； Y为变换后的主分量空间的像元矢量；A为转换矩阵。其作用是给多波段的像元亮度家权系数，实现线性转换。输出的图像Y的个分量y之间将具有最小的相关性。,返回,K-T（Kauth-Thomas）变换（缨帽变换),返回,该变换是一种经验性的多波段图像的线性变换，旋转后的坐标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向。主要应用是针对TM与MSS数据。 研究过程中他们发现MSS四个波段组成的四维空间中，植被的光谱数据点呈规律性分布，像缨帽状（见图4.41）。 缨帽变换(Tasseled cap)的数学形式如下：Y=BX 式中，X为变换前的多光谱空间的像元矢量； Y为变换后的主分量空间的像元矢量； B为转换矩阵。其作用是给多波段的像元亮度加权系数，实现线性转换。输出的图像Y的个分量y之间将具有最小的相