遙感概論

主講：施新程信陽師范學院城市與環境科學系464000

教材：《遙感導論》梅安新等高等教育出版社電子教案§4.4

遙感數據的增強處理目的: ⅰ改善圖像顯示的質量，以利于圖像信息的提取和識別。 ⅱ計算機自動分類的一種預處理方法。實質:突出重要信息，去除不重要或不必要信息（增強感應趣地物和周圍背景地物間的反差）。方法:光學增強方法和數字增強方法 具體方法有：對比度變換、彩色增強、濾波等。

§4.4

遙感數據的增強處理

§1

光學增強§2

對比度變換§3

空間濾波§4彩色變換§5圖像運算§6

多光譜運算本節提要（…)本節主要介紹遙感圖像的計算機增強處理方法,如灰度變換、直方圖變換、密度分割、灰度顛倒、圖像間運算、鄰域增強處理、主成分分析、K－T變換。

彩色圖像可以分為真彩色圖像和假彩色圖像。1.利用加色法或減色法實現彩色合成

加色法彩色合成:合成儀法,分層暴光法。彩色合成效果決定于使用儀器者的技術熟練程度和經驗值高低,以及合成方案的選取是否合理. 合成方案:像片時相+波段+色調

減色法彩色合成:染印法,印刷法,重氮法2.光學增強處理 相關掩膜處理方法;改變對比度;顯示動態變化;邊緣突出一、光學增強處理返回對比度大，反映圖像的亮度值變化范圍大，目標地物被識別的可能性就大；反之，目標與背景難以區別，識別的可能性就小。進行對比度擴展的主要方法有線性變換或非線性變換、直方圖調整等。 線性變換是圖像增強最常用的方法。指變換函數為線性關系，如： 式中，a，b為待定的系數。實質:通過單個像元的運算從整體上改善圖像的質量.二、對比度變化——線性變換灰度顛倒在光學處理中為負片印制成正片，或反之。灰度變換數字處理是將圖像的灰度范圍先拉伸到顯示設備的動態范圍(如0～255)成飽和狀態，然后進行顛倒。這樣的運算，可以使正像和負像互換。二、對比度變化——線性變換由于判讀目標與背景的關系比較復雜，常將函數考慮為將原圖像的亮度值動態范圍擴展至指定的范圍或最大動態范圍。方法如下： 變換前圖像的亮度范圍xa為a1至a2，變換后圖像的亮度范圍xb為b1至b2。變換方程可寫為： 則二、對比度變化——線性變換

通過方程式可以把圖像中需要變換的任一xa，變換成xb。達到改善圖像動態范圍，提高質量的目的。調整a1a2b1b2四個參數，即改變變換直線的形態，可以產生不同的變換效果。若a2-a1<b2-b1，亮度范圍擴大，圖像被拉伸，若a2-a1>b2—b1，亮度范圍縮小，圖像被壓縮。 當擴展范圍為(0，255)時，是一種常規的處理方法，即線性拉伸(自動拉伸)。二、對比度變化——線性變換

非線性變換指采用非線性函數進行對比度擴展變換。常用方法有對數變換、指數變換等變換函數，如圖4.36，4.37所示，其數學表達式：

式中a，b，c為可選擇的控制參數，控制曲線的變化率、起點、截距等，增加變換的靈活性和動態范圍的選擇性。二、對比度變化——非線性變換

指數變換和對數變換

對數變換常用于擴展低亮度區(暗區)，壓縮高亮度區的對比度，以突出隱伏暗區的目標，或使暗區層次顯示清晰。指數變換的效果正好與對數變換相反，突出亮區而壓制暗區。二者互為逆運算操作。二、對比度變化——非線性變換直方圖：統計每幅圖像的各亮度的像元數而得到的隨機分布圖，即為該幅圖像的直方圖。直方圖調整是指通過變換函數，使原圖像的直方圖變換為所要求的直方圖，并根據新直方圖變更原圖像的亮度值。直方圖均衡化(histogramequalization)和直方圖正態化(histogramnormalization)。直方圖均衡化:把原圖像的直方圖變換為灰度值頻率固定的直方圖，使變換后的亮度級分布均勻，圖像中等亮度區的對比度得到擴展，相應原圖像中兩端亮度區的對比度相對壓縮。

二、對比度變化——非線性變換一般來說，包含大量像元的圖像，像元的亮度隨機分布應是正態分布。直方圖為非正態分布，說明圖像的亮度分布偏亮、偏暗或亮度過于集中，圖像的對比度小，需要調整該直方圖到正態分布，以改善圖像的質量。直方圖正態化:將與正態分布形狀相距較大的原圖像的頻率分布變換為正態分布。注意：若將與正態分布相差較大的原圖像的頻率分布勉強變換為正態分布，則因原圖像的某一灰度的頻率很高，變換成正態分布使其對應的灰度值的頻率降低，造成對該部分的壓縮而丟失重要的信息。在常用的遙感圖像處理系統和各種商用圖像處理系統中都有利用對比度變換的方法進行圖像增強的模塊。二、對比度變化——非線性變換返回空間濾波:是指在圖像空間(x，y)對輸入圖像應用若干濾波函數而獲得改進的輸出圖像的技術，即對圖像中某些空間的信息增強或抑制（如高通濾波：增強高頻信息抑制低頻信息，即突出邊緣、紋理、線條等；低通濾波：增強低頻信息抑制高頻信息，即去掉細節）。鄰域法處理用于去噪聲、邊緣及線的增強，圖像的清晰化、圖像平滑、銳化和相關運算。三、空間濾波 ①提取原圖像的邊緣信息，進行加權處理，然后與原圖像疊加； ②提取原圖像中的模糊成分進行加權處理，然后與原圖像疊加； ③使用某一指定的函數對原圖像進行加權，使圖像產生尖銳或平滑的效果。在進行運算時，多采用空間卷積技術(又稱掩摸技術)，即在原圖像上移動“活動窗口”，逐塊進行局部運算。基本思路：

圖像卷積運算：是在空間域上對圖像作局部檢測的運算，以實現平滑和銳化的目的。具體方法是選定一卷積函數，又稱“模板”，實際上是一個MXN圖像。二維的卷積運算是在圖像中使用模板來實現運算的。 假定模板大小為MxN，窗口為，模板為，則模板運算為： 將計算結果放在窗口中心的像元位置，成為新像元的灰度值。然后活動窗口向右移動一個像元，再做同樣的運算(P117說明:舉例)。三、空間濾波Acommonfilteringinvolvesmovinga‘window’（活動窗口）ofafewpixelsindimension(e.g.3x3,5x5,etc.)overeachpixelintheimage,applyingamathematicalcalculationusingthepixelvaluesunderthatwindow,andreplacingthecentralpixelwiththenewvalue.鄰域處理又叫濾波處理，鄰域的范圍取決于濾波器的大小，如3×3或5×5等。邊緣增強：側重于保留低頻成分的同時增強局部對比度，將部分或全部原圖像的亮度值加到其高頻成分圖像上。邊緣檢測：通過方向性的差值技術增強圖像中的邊緣。統計濾波器：主要計算小的鄰近區的統計值，消除噪音或提取紋理特征。濾波器圖像平滑圖像的平滑是使圖像中高頻成分消退，即平滑圖像的細節，使其反差降低，保存低頻成分，在頻域中稱為低通濾波。即使亮度平緩或去掉不必要的“噪聲”點，具體方法有均值平滑和中值濾波。均值平滑：是將每個像元在以其為中心的區域內取平均值來代替該像元值。中值濾波：是將每個像元在以其為中心的鄰域內取中間亮度值來代替該像元值。圖像平滑常用平滑鄰域算法反射率亮度值亮度值反射率平滑前后的圖像直方圖平滑后的影像原始影像Alow-passfilter（低通濾波）

isdesignedtoemphasiselarger,homogeneousareasofsimilartoneandreducethesmallerdetailinanimage.Thus,low-passfiltersgenerallyservetosmooth（平滑）

theappearanceofanimage.

銳化

銳化是增強圖像中的高頻成分，在頻域處理中稱為高通濾波，也就是使圖像細節的反差提高，也稱邊緣增強。銳化是對鄰區窗口內的圖像微分，突出圖像邊緣、紋理、線狀目標或某些亮度變化率大的部分，銳化后的圖像已不再具有原遙感圖像的特征而成為邊緣圖像。具體方法很多：羅伯特梯度，索伯爾梯度，拉普拉斯算法，定向檢測等。銳化銳化前后的直方圖比較亮度值亮度值反射率返回A

high-passfilter

（高通濾波）doestheopposite,andservestosharpentheappearanceoffinedetailinanimage.

四、彩色變換單波段彩色變換: 單波段黑白圖像按亮度分層，對每層賦予不同的色彩，使之成為一幅彩色圖像，這種方法又叫密度分割。圖像密度分割原理： （1）求圖像的極大值dmax和極小值dmin；（2）求圖像的密度區間ΔD=dmax-dmin

+1；（3）求分割層的密度差Δd=ΔD／n，其中n為需分割的層數；（4）求各層的密度區間；（5）定出各密度層灰度值或顏色多波段彩色變換:加色法彩色合成

四、彩色變換HIS變換:

是色調、飽和度和明度的色彩模式，又稱HIS，(hue，lightness，saturation)。HIS變換原理： 將RGB信號---(暫時變換)假設的表色系統HIS --調整明度和飽和度--RGB信號(彩色合成)。把這種RGB空間和HIS空間之間的關系模型及所進行的相互變換的處理過程稱HIS變換。

四、彩色變換HIS彩色模式:可用近似的顏色立體來定量表示

環繞垂直軸的圓周代表色調(H)，以紅色為0˙，逆時針旋轉，每隔60‘改變一種顏色并且數值增加1，一周(360‘)剛好6種顏色，順序為紅、黃、綠、青、藍、品紅。垂直軸代表明度(I)，取黑色為0，白色為1，中間為0．5。

從垂直軸向外沿水平面向外發散半徑代表飽和度（S）

返回概念：兩幅或多幅單波段影像，完成空間配準后，通過一系列運算，可以實現圖像增強，達到提取某些信息或去掉某些不必要信息的目的。原理：地物不同波段的光譜差異。減法運算：兩幅同樣行、列數的圖像，對應像元的亮度值相減就是差值運算。可突現出兩波段差值大的地物，如紅外-紅，可突現植被信息。五、圖像運算比值運算：兩幅同樣行、列數的圖像，對應像元的亮度值相除（除數不為0）就是比值運算。該運算常用于突出遙感影像中的植被特征、提取植被類型或估算植被生物量，這種算法的結果稱為植被指數。常用算法：近紅外波段/紅波段;或（近紅外-紅）/（近紅外+紅）。對于區分和增強光譜亮度值雖不明顯，而不同波段的比值差異較大的地物有明顯效果。常用于計算植被指數、消除地形陰影等。植被指數：NDVI=（TM4-TM3）/（TM4+TM3）五、圖像運算返回

遙感多光譜影像波段多、信息量大，對圖像解譯很有價值。但太大的數據量在圖像處理計算時需耗費大量機時和占據大量磁盤空間，實際上，一些波段的遙感數據之間都有不同程度的相關性，存在著數據冗余:物質的波譜反射相關性;地形;遙感器波段之間的重疊。六、多光譜變換多光譜變換方法針對多光譜影像存在的一定程度上的相關性以及數據冗余現象，可通過函數變換，達到保留主要信息，降低數據量，增強或提取有用信息的目的。變換的本質是對遙感圖像實行線性變換，使多光譜空間的坐標系按一定規律進行旋轉。多光譜空間：一個以各波段圖像的亮度分布為子空間的向量空間（就是一個n維坐標系，每一個坐標軸代表一個波段，坐標值為亮度值，坐標系內的每一個點代表一個像元。像元在坐標系中的位置可以表示成一個n維向量）。六、多光譜變換K-L變換是離散Karhumen-loeve變換的簡稱，又稱主成分變換，它是一種除去波段之間的多余信息，將多波段的圖像信息壓縮到比原波段更有效的少數幾個轉換波段的方法。主成分變換是對某一多光譜圖像X.利用K-L變換矩陣A進行線性組合,而產生一組新的多光譜圖像Y。表達式為：Y=AX（1）主成分分析PCA假設有兩個波段x1、x2的圖像，其波段的亮度值之間存在相關性，如圖所示的分布形狀。通過投影，各數據可以表示為y1軸上的一維點數據。從二維空間中的數據變成一維空間中的數據會產生信息損失，為了使信息損失最小，必須按照使一維數據的信息量(方差)最大的原則確定y1軸的取向，新軸y1稱作第一主成分。

主成分分析原理x2①從幾何意義來看，變換后的主分量空間坐標系與變換前的空間坐標系相比旋轉了一個角度，而且新坐標系一定指向數據信息量較大的方向(主分量方向之一)。②就變換后的新波段主分量而言，K—L變換后的新波段主分量包括的信息量不同，呈逐漸減少趨勢。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遞減，到第n分量信息幾乎為0。K-L變換的特點 由于K—L變換對不相關的噪聲沒有影響，所以信息減少時，便突出了噪聲，最后的分量幾乎全是噪聲。所以這種變換又可分離出噪聲。基于上述特點，在遙感數據處理時，常常用K—L變換作數據分析前的預處理（數據壓縮和圖像增強）。K-L變換的特點Kauth-Thomas