1、會計學1第遙感數據的增強第遙感數據的增強(zngqing)處理綜述處理綜述第一頁，共36頁。第1頁/共36頁第二頁，共36頁。 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(yn sun)6 多光譜運算(yn sun)本節提要(tyo)（)。第2頁/共36頁第三頁，共36頁。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(chl) 相關掩膜處理(

2、chl)方法;改變對比度;顯示動態變化;邊緣突出第3頁/共36頁第四頁，共36頁。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.第4頁/共36頁第五頁，共36頁。第5頁/共36頁第六頁，共36頁。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(fngf)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：則第6頁/共36頁第七頁，共36頁。第7頁/共36頁第八頁，共36頁。第8頁/共36頁第九頁，共36頁。第9頁/共36頁第十頁，共36頁。直方圖：統計每幅圖

3、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(gnj)新直方圖變更原圖像的亮度值。直方圖均衡化(histogram equalization)和直方圖正態化(histogram normalization)。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。 第10頁/共36頁第十一頁，共36頁。第11頁/共36頁第十二頁，共36頁。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

4、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(dpn)信息，即突出邊緣、紋理、線條等；低通濾波：增強低頻(dpn)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。第12頁/共36頁第十三頁，共36頁。提取原圖像的邊緣信息，進行加權處理，然后與原圖像疊加；提取原圖像中的模糊成分(chng fn)進行加權處理，然后與原圖像疊加；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。第13

5、頁/共36頁第十四頁，共36頁。MmNnnmtnmjir11),(),(),(nm,),(nmt第14頁/共36頁第十五頁，共36頁。A common filtering involves moving a window （活動(hu dng)窗口）of a few pixels in dimension (e.g. 3x3, 5x5, etc.) over each pixel in the image, applying a mathematical calculation using the pixel values under that window, and replacing th

6、e central pixel with the new value. 第15頁/共36頁第十六頁，共36頁。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33或55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(zhyo)計算小的鄰近區的統計值，消除噪音或提取紋理特征。第16頁/共36頁第十七頁，共36頁。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(jsh)亮度平緩或去掉不必要的“噪聲”點，具體方法有均

7、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。第17頁/共36頁第十八頁，共36頁。常用(chn yn)平滑鄰域算法平滑前后的圖像直方圖平滑后的影像原始影像第18頁/共36頁第十九頁，共36頁。A low-pass filter（低通濾波） is designed to emphasise larger, homogeneous areas of similar tone and reduce the smaller detail in an image. Thus, low-pass

8、filters generally serve to smooth（平滑(pnghu)） the appearance of an image. 第19頁/共36頁第二十頁，共36頁。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(fnch)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。第20頁/共36頁第二十一頁，共36頁。銳化前后(qinhu)的直方圖比較第21頁/共36頁第二十二頁，

9、共36頁。A high-pass filter （高通濾波）does the opposite, and serves to sharpen the appearance of fine detail in an image. 第22頁/共36頁第二十三頁，共36頁。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(yunl)： （1）求圖像的極大值dmax和極小值dmin； （2）求圖像的密度區間D = dmax-dmin + 1； （3）求分割層的密度差d =Dn ，其中n為需分割的層數； （4）求各層的密度區間

10、； （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 第23頁/共36頁第二十四頁，共36頁。HIS變換: 是色調、飽和度和明度的色彩(sci)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。第24頁/共36頁第二十五頁，共36頁。一種顏色并且數值增加一種顏色并且數值增加1 1，一周，一周(360)(360)剛好剛好6 6種顏色，順序為紅、黃、綠、青、種顏色，順序為紅

11、、黃、綠、青、藍、品紅。藍、品紅。垂直軸代表明度垂直軸代表明度(I)(I)，取黑色為，取黑色為0 0，白，白色為色為1 1，中間為，中間為0 05 5。從垂直軸向外沿水平從垂直軸向外沿水平(shupng)(shupng)面面向外發散半徑代表飽和度（向外發散半徑代表飽和度（S S）第25頁/共36頁第二十六頁，共36頁。第26頁/共36頁第二十七頁，共36頁。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(chn wi)植被指數。常用算法：近紅外波段/紅波段;或（近紅外-紅）

12、/（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）第27頁/共36頁第二十八頁，共36頁。第28頁/共36頁第二十九頁，共36頁。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(yogn)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

13、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）。第29頁/共36頁第三十頁，共36頁。K-L變換(binhun)是離散Karhumen-loeve變換(binhun)的 簡 稱 ， 又 稱 主 成 分 變 換(binhun)，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(binhun)是對某一多 光 譜 圖 像 X . 利 用 K - L 變 換(binhun)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第30頁/共36頁第三十一頁，共36頁。 假設(jish)

14、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。 第31頁/共36頁第三十二頁，共36頁。速遞減，到第n分量信息幾乎為0。第32頁/共36頁第三十三頁，共36頁。第33頁/共36頁第三十四頁，共36頁。Kauth-Thomas變換（)，簡稱K-T變換，又形象地稱為“纓帽變換”。這種變換著眼點在于農作物生長過程而區別于其他植被覆蓋，力爭抓住地面景物在多光譜空間(kngjin)中的特征。 K-T變換也是一種線性組合變換，使坐標空間(kngjin)的坐標軸旋轉指向與地面景物有密切關系的方向。目前對這個變換的研究主要集中在MSS與TM兩種遙感數據的應用分析方面。 1976年，Kauth和Thomas發現了一種線性變換，它使坐標(zubio)空間發生旋轉，但旋轉后的坐標(zubio)軸不是指向主成分的方向，而是指向另外的方向，這些方向與地面景物有密切的關系，特別是與植物生長過程和土壤有關。這種變換既可以實現信息壓縮，又可以幫助解譯分析農業特征，因此有很大的實際應用意義。 第34頁/共36頁第三十五頁