《遥感技术基础课件.ppt》由会员分享，可在线阅读，更多相关《遥感技术基础课件.ppt（83页珍藏版）》请在三一办公上搜索。
1、1,第四章 遥感图像处理,图象的表示形式遥感数字图象表示方法辐射校正几何校正数字图像的镶嵌和裁剪遥感图像增强信息融合,主要内容,2,X1=min(Xa,Xb,Xc,Xd)X2=max(Xa,Xb,Xc,Xd)Y1=min(Ya,Yb,Yc,YXd)Y2=max(Ya,Yb,Yc,Yd),3,直接纠正方法:从原始图像，依次对每个像元根据变换函数F（x,y），求得它在新图像中的位置，并将灰度值赋给新图像的对应位置上。间接纠正法:从新图像中依次每个像元，根据变换函数f(x，y)找到它在原始图像中的位置，并将图像的灰度值赋予新图像的像元。,纠正方案,4,遥感数字图像的多项式纠正,一般的公式为：间接法
2、直接法其中：x，y为某像素原始图像坐标；X，Y为同名像素的地面（或地图）坐标。,5,遥感数字图像的多项式纠正,多项式的项数（即系数个数）N与其阶数n有着固定的关系：N=(n+1)(n+2)/2多项式的系数ci,di(i,j=0，1，2，（N1）)一般可由两种办法求得：其一，用可预测的图像变形参数构成。其二，利用已知控制点的坐标值按最小二乘法原理求解。,6,遥感数字图像的多项式纠正,利用有限的控制点的已知坐标，求解多项式的系数，确定变换函数。然后将各个像元带入多项式进行计算，得到纠正后的坐标。,7,遥感数字图像的多项式纠正,根据纠正图像要求的不同选用不同的阶数，当选用一次项纠正时，可以纠正图像因
3、平移、旋转、比例尺变化和仿射变形等引起的线性变形。当选用二次项纠正时，则在改正一次项各种变形的基础上，还改正二次非线性变形。如选用三次项纠正则改正更高次的非线性变形。,8,控制点的选择原则:,表征空间位置的可靠性，道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。同名控制点要在图像上均匀分布；清楚辨认；在影像上为明显的地物点，易于判读。数量应当超过多项式系数的个数(n+1)*(n+2)/2。,9,灰度的重采样,纠正后的新图像的每一个像元，根据变换函数，可以得到它在原始图像上的位置。如果求得的位置为整数，则该位置处的像元灰度就是新图像的灰度值。如果位置不为整数，则有几种方法：最近邻法双线性
4、内插法三次卷积法,10,I 最近邻法,11,II 双线性内插法,以实际位置临近的4个像元值，在方向内插两次，确定输出像元的灰度值。计算公式：,式中，g(m,n)为输出像元灰度值gi 为邻近点i的灰度值pi为邻近点对投影点的权重(pi=1/di,di表示邻近点到投影点的距离，最近者权重最大),12,增加邻点来获得最佳插值函数。取与计算点相邻的16个点，在方向内插四次，确定输出像元的灰度值。,III 三次卷积内插法,公式为：,13,几种采样方法的优缺点：,最近邻法：算法简单且保持原光谱信息不变；缺点是几何精度较差，图像灰度具有不连续性，边界出现锯齿状。双线性插值：计算较简单，图像灰度具有连续性且采
5、样精度比较精确；缺点是细节丧失。三次卷积法：计算量大，图像灰度具有连续性且采样精度比较精确。,14,由于遥感检测系统，大气散射和吸收以及其它随机因素的影响引起的图象模糊失真，分辨率和对比度下降等辐射失真。“同物异谱，异物同谱”。消除影像中各种失真的过程称为辐射处理.包括传感器辐射定标和辐射误差校正等。目的是尽可能恢复图像的本来面目，为遥感图像的识别，分类，解译等后续工作打下基础。,3.辐射校正的意义,15,辐射定标和辐射校正,辐射定标和辐射校正是遥感数据定量化的最基本环节。辐射定标：指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。辐射校正：指消除或改正遥感图像成像过程中附加在传
6、感器输出的辐射能量中的各种噪声的过程。,16,传感器辐射定标,传感器辐射定标：绝对定标和相对定标。绝对定标:对目标作定量的描述，要得到目标的辐射绝对值；相对定标:只得出目标中某一点辐射亮度与其他点的相对值。绝对定标要建立传感器测量的数字信号与对应的辐射能量之间的数量关系，即定标系数，在卫星发射前后都要进行。,17,绝对定标方法(了解),设传感器入口处波段i的辐射度Li和传感器输出的亮度值i之间存在线性关系,卫星运行时，传感器的辐射灵敏度将随时间而变，故传感器的绝对辐射定标中的增益和偏置量要不断更新。这一更新利用卫星上的太阳标定器和地面标定场来完成。,18,相对辐射定标,又称为传感器探测元件归一
7、化为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。由于传感器中各个探测元件之间存在差异，使传感器探测数据图像出现一些条带。相对辐射定标的目得就是降低或消除这些影响。,19,辐射校正,不同传感器获取的图像的辐射校正所用的方法是不同的。引起辐射误差的因素有：太阳位置引起的辐射误差地形起伏引起的辐射误差大气影响造成的畸变,20,用于标准化地球和太阳间的距离的季节变化（太阳辐射随日地距离的平方减小）。在忽略大气的影响下，太阳天顶角和日地距离对于地球表面辐射的影响。,日地距离校正,21,大气影响造成的的畸变校正方法,基于地面场地数据或辅助数据进行辐射校正
8、在遥感成像的同时，同步获取成像目标的反射率，或通过预先设置已知反射率的目标，把地面实况数据与传感器的输出数据进行比较，来消除大气的影响。假设地面目标反射率与传感器所获得的信号之间属于线性关系。利用某些波段特性来校正其它波段的大气影响。理论依据是大气散射对短波影响大，对长波影响小。把近红外图像当作无散射影响的标准图像，通过对不同波段的对比分析计算出大气干扰值。一般有两种方法：回归分析法和直方图法,22,与地面调查同步进行,通常选用同类仪器测量,将地面测量结果与卫星影象对应的亮度值进行回归分析,见上图回归方程 L=A+BR,校正公式为：L较=L-A,由于地面反射率不 具有普遍性，所以 这个方法不常
9、用。,野外波谱测试回归分析法（需一定条件）,23,在不受大气影响的波段和待校正的某一波段图像中，选择最黑区域中的一系列目标，将每一个目标的两个待比较的波段亮度值提取出来进行会给分析。以TM为例，4波段的散射最大，7波段几乎不受影响，若对4波段进行校正，首先在4波段上选择最黑的影像目标，在7波段找出对应的目标，取灰度值，再以（TM7,TM4）为坐标的直角坐标系中绘制散点图，并用最小二乘法建立回归方程。,TM4=a+bTM7,回归分析法,24,大气校正前的盖度 大气校正后的盖度,25,直方图法,最小法的去除思想在于一幅图像总可以找到其亮度值为0的地物，实际上不为0，校正时候将每一个波段中每一个象元
10、的亮度值都减去本波段的最小值。使图像的亮度动态范围得到改善，对比度增强。图像质量提高。,26,若地面的辐射能量为E0,它通过高度为H的大气层后，传感器接收系统所能收集到的电磁波能量为E,则有辐射传递方程可得 E=E0A A为大气衰减系数。在可见光和近红外区，大气的影响主要是由于气溶胶引起的散射造成的，在热红外区，大气的影响主要是由于水蒸气的吸收造成的，为了消除大气的影响，需要测定可见光和近红外区的气溶胶的密度和热红外区的水蒸气密度，实现起来比较困难。,辐射传递方程计算法（不常用）,27,地面辐射校正场,评价遥感数据辐射定标和辐射校正的精度，对计算结果进行验证和修正。建立地面辐射校正场对卫星传感
11、器进行绝对辐射定标，能够实现卫星传感器之间数据的相互匹配建立地面辐射校正场符合遥感数据定量化的需要。建立地面辐射校正场可以弥补星上定标的不足。满足多种遥感资料的应用需要。,28,现有的定标场,一个完整的地面试验场对地理环境和技术准备有极高的要求。目前世界上比较典型的地面辐射场有：1979年美国在新墨西哥州白沙建立的地面辐射定标场，1987年法国在马赛西北La Crau建立的地面辐射定标场。我国根据需要选择了敦煌西戈壁作为可见光和红外波段的辐射校正场，青海湖作为热红外波段和红外低发射率的辐射校正场。,29,地形起伏引起的误差校正,具有地形坡度的地面，对进入传感器的太阳光线的辐射亮度也有影响，特别
12、是对于山区，由于地形起伏使相同的地物呈现出不同的亮度值，在遥感应用中，精确的地形校正十分重要，校正的结果不仅可以提高分类精度，而且还是遥感应用的前提。近十几年来，研究人员做了大量的研究，尝试规范和减小地形的坡度坡向对于影像的影响。,30,地形起伏引起的误差校正,31,将多个具有重叠部分的图像制作成一个没有重叠的新图像。通过图像镶嵌处理，可以获得更大范围的地面图像。要求参与镶嵌的图像之间要有一定的重叠度。方法有基于像元的拼接和基于地理坐标的拼接。,5 数字图像的镶嵌和裁剪,32,过程如下：1 图像的几何纠正 2 镶嵌边搜索：选择一定范围的重叠区，确定一维模板，在重叠区内自左向右进行搜索，按一定的
13、算法计算相关系数，确定该行的镶嵌点，逐行进行搜索镶嵌点可以得到镶嵌边。3亮度和反差调整：求接缝点左右图像的平均亮度值，然后，对一个图像改变整幅图像基色，求出左右图像在接缝边上的灰度极值，对这个图像作反差拉伸。4边界线的平滑：,33,镶嵌前后的影象,34,遥感图像的裁剪,裁剪指研究区域只占整个图像的一部分，这个区域有可能是规则的，也可能是不规则的。我们需要根据研究区域的大小或形状截取一部分图象。如果是规则的，则只要知道该区域的四个角点坐标就可以获取该区域的图像。如果是不规则的，则需要知道该区域的边界。,35,不规则边界的裁剪,36,规则形状裁剪,37,数字图像增强的主要目的:合成彩色图像改变图像
14、灰度等级,提高图像对比度消除边缘和噪声,平滑图像突出边缘和线状地物,锐化图像压缩图像数据量,突出主要信息等基本目的：图像更易判读 图像增强的实质：是增强感兴趣目标和周围背景图像间的反差。,6遥感图像增强,38,图像增强,彩色增强,多图像代数运算,多光谱图像增强,空间域增强,频率域增强（平滑、锐化）,点运算,邻域运算（平滑、锐化）,图像反差纠正,直方图变换,线性变换,非线性变换,39,为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。彩色图像可以分为真彩色图像和假彩色图像。,彩色合成,40,真彩色图像,真彩色图像上影像的颜色与地物颜色基
15、本一致。,假彩色图像上影像的色调与实际地物色调不一致。,41,42,多光谱假彩色合成时要注意选取彼此相关性小的波段。要根据工作目的选取合成波段组合。实际工作中，假彩色合成情况较多。,43,两幅或多幅单波段图像，空间配准后可进行算术运算来达到增加某些信息或消除某些影响的目的，实现图像的增强。减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。比值运算：能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响；也可以增强某些地物之间的反差。常用于计算植被指数、消除地形阴影等。植被指数：NDVI=（TM4-TM3）/（TM4+TM3）加法运算乘法运算综合运算,多光谱图像四则运算,44
16、,密度分割,将原始图象的灰度值分成等间隔的离散灰度级.可以看作是线性变换的一种.图像密度分割原理可以按如下步骤进行：（1）求图像的极大值dmax和极小值dmin；（2）求图像的密度区间 D=dmax-dmin+1；（3）求分割层的密度差 d=Dn（n为需分割的层数）（4）求各层的密度区间；（5）定出各密度层灰度值或颜色。,45,46,直方图规定化（匹配）,通过非线性变换将原始图象转换为给定直方图的图象。直方图匹配经常作为相邻图象拼接的预处理,可部分消除由于太阳高度角或大气影响造成的相邻图象的效果差异.要求：图像直方图总体形状应类似；图像中黑与亮特征应相同；对某些应用，图像的空间分辨率应相同；图
17、像上地物分布应相同。云含量应大致相同。可建立一个查找表，建立原始图像灰度和变换后图像灰度之间对应值，在变换时只需使用查找表进行变换即可，这样计算速度将极大提高。,47,空间域指图像平面所在的二维平面。空间域增强是指在图像平面上直接针对每个像元点进行处理,处理后像元点的位置不变.空间域的增强包括点运算和邻域运算.点运算虽然简单但是很重要,对于一幅输入的图像,经过点运算后产生的输出图像的灰度值仅由相应输入像素点的灰度值决定,与周围的像元不发生直接关系。,空间域,48,直方图：统计每幅图像的各亮度的像元数而得到的随机分布图，反映图像中每种灰度出现的频率。灰度直方图分布状态用灰度均值和标准差两个参数来
18、衡量。一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。,直方图变换,49,如下图所示，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率。是图像的最基本的统计特征。反映灰度的总体结构，灰度级的等级分布，不反映空间的分布。,50,直方图分布状态不同,图像特征也不同,51,直方图均衡,通过灰度变换将随机分布的图象直方图修改成均匀分布的直方图，即在每个灰度级上都具有相同的像素点数。其实质是对图像进行非线性拉伸，重新分配图像的像元值。使得面积最大的地物细节得以
19、增强，而面积小的地物与其灰度接近的地物进行合并。减少灰度等级换取对比度的增大。原直方图：均衡后直方图：n:k级灰度的像元数；N:总的像元数,52,原图,均衡化后,下图是直方图均衡化后的飞机图片及其直方图，可见其直方图与原图的直方图相比是很均衡的，但必须说明的是，离散情况下不可能作到绝对的一致。,53,直方图的正态化 将随机分布的原图像直方图修改成为高斯分布（正态分布）的直方图。从而使变换后图像的亮度变化尽可能的服从这种分布,54,直方图规定化（匹配）,通过非线性变换将原始图象转换为给定直方图的图象。直方图匹配经常作为相邻图象拼接的预处理,可部分消除由于太阳高度角或大气影响造成的相邻图象的效果差
20、异.要求：图像直方图总体形状应类似；图像中黑与亮特征应相同；对某些应用，图像的空间分辨率应相同；图像上地物分布应相同。云含量应大致相同。可建立一个查找表，建立原始图像灰度和变换后图像灰度之间对应值，在变换时只需使用查找表进行变换即可，这样计算速度将极大提高。,55,锐 化,锐化是增强图像中的高频成分，突出图像的边缘信息，提高图像细节的反差，在频域处理中称为高通滤波，也称边缘增强。其结果与平滑相反。锐化是对邻区窗口内的图像微分。给定一个函数f(X，Y)，在坐标(X，Y)上的梯度定义为一个矢量：梯度的模为：,56,空间域处理的比较-边缘提取,57,空间域处理的比较-增强,58,在遥感图像分类中，常
21、常利用主成分分析算法来消除特征向量中各特征之间的相关性，并进行特征选择。主成分分析算法还可以用来进行高光谱图像(Hyper-spectral images)数据的压缩和信息融合。例如：对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。,主成分分析,59,原始数据为二维数据，两个分量x1、x2之间存在相关性，具有如图所示的分布。通过投影，各数据可以表示为y1轴上的一维点数据。从二维空间中的数据变成一维空间中的数据会产生信息损失，为了使信息损失最小，必须按照使一维数据的信息量(方差)最大的原
22、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。,主成分分析原理,x2,60,遥感图像信息融合(Fusion)是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。可将不同空间分辨率、波谱分辨率和时相分辨率的遥感数据的的优势综合起来，弥补单一图像上信息的不足，提高遥感影像分析的精度。提高空间分辨力；增强特征；改善分类；对多时相图像用于变化检测；替代或修补图像的缺陷。,7 信息融合,61,多源遥感影像的融合流程,62,关键技术问题,图像的配准空间配准数据关联融
23、合模型的建立与优化充分认识研究对象的地学规律与信息特征充分了解每中融合数据的特性，适用性和局限性如何考虑选择最佳波段用于融合融合方法的选择,63,融合方法,A.基于像元的融合方法,(1)RGB IHS变换 IHS RGB,将两副RGB彩色影象空间变换到IHS空间。用高空间分辨率图像的I代替高光谱分辨率影象IHS空间的亮度分量，即IHS变换为IHS。将IHS逆变换到RGB空间，即得到融合图像。图像融合只在强度通道上进行，图像的色调和饱和度保持不变。融合图像既具有高分辨的优点，又保持了高光谱图像的色调和饱和度。IHS空间：Intensity，Hue，Saturation,64,（2）基于主分量变换
24、的图像融合,对多光谱图像进行主分量变换。将高分辨率图像和高光谱分辨率图象的第一主分量进行直方图匹配，使高分辨率图像与第一分量图像有相近的均值和方差。用直方图匹配后的高分辨率图像代替主分量中的第一主分量和其余分量一起进行主分量逆变换，得到融合影像。,65,（3）加权融合,Iij=A（Pi*Ii+Pj*Ij）+BPi=（1-|rij|）0.5 Pj=1-Piri,j为两幅图像的相关系数：SPOT全色图像与其多光谱图像的融合时，由于多光谱中的绿、红波段与全色波段相关性较强，而与红外波段相关性较小，可以采用全色波段图像与多光谱波段图像的相关系数来融合。,66,（4）比值变换融合,比值变换融合算法按下式
25、进行：其中：Bi(i=1,2,3)为多光谱图像；D为高分辨率图像；DBi(i=1,2,3)为比值度变换融合图像。比值变换融合可以增加图像两端的对比度。当要保持原始图像的辐射度时，本方法不宜采用。,67,（5）乘积变换融合,乘积变换融合算法按下式进行：D*Bi=DBi 通过乘积变换融合得到的融合图像其亮度成分得到增加。其它方法：（6）空间滤波分析（7）基于小波变换的融合 基于IHS变换融合和比值变换融合只能用三个波段的多光谱图像和全色图像融合，而其它方法不受波段数限制。,68,SAR,TM,PAN,69,SAR,TM,S+T,70,TM,PAN,P+T,71,TM,P+T,S+T,72,S+T+
26、P,P+T,S+T,73,B.基于特征的影像融合方法,空间卷积后的影像融合高通滤波或方向滤波后的影像融合小波变换后的影像融合,74,C.分类融合,对大的地物或地貌类型分类后的融合地物类型采用最大似然法或最小距离法分类地貌类型采用GIS中的分类数据,同一多光谱影像:不同地物地貌类型用不同波段融合同一地区影像:不同地物地貌类型用不同传感器影像融合同一地区影像:同类地物用不同时相影像融合,分类融合方法,75,87年武汉市TM,76,93年武汉市TM,77,87年和93年武汉水面影像融合,78,8793年武汉水面增减专题图,79,87年和93年武汉城市类影像融合,80,8793年武汉市城市增减专题图,81,融合影像评价,信息量,清晰度,82,与DEM的复合三维立体景观图像，动态漫游和观察。根据计算机图形学的原理，将遥感图像和相应的DEM复合即可生成具有真实感的三维景观。,遥感图像和其他数据的复合,83,DEM与SPOT的复合,
