遥感数字图像增强处理.ppt

《遥感数字图像增强处理.ppt》由会员分享，可在线阅读，更多相关《遥感数字图像增强处理.ppt（166页珍藏版）》请在三一办公上搜索。

1、1,第五章 遥感数字图像增强处理,2,为什么进行图像增强？图像的目视效果较差，对比度不够、图像模糊，边缘部分或线状地物不够突出，波段多数据量过大等等。图像增强的目的：通过图像增强技术，改善图像质量、提高图像目视效果、突出所需要的信息、压缩图像数据量，有利于分析判读或作进一步的处理。图像增强的方法：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息等。,3,总体上，图像增强的方法主要归属于两类 空间域增强：通过改变单个像元及相邻像元的灰度值来增强图像；频率域增强：对图像进行傅里叶变换，然后对变换后的频率域图像的频

2、谱进行修改，以达到增强的目的。,4,图像增强的主要内容：,5,伪彩色增强是将一个波段或单一的黑白图像变换为彩色图像，从而把人眼不能区分的微小的灰度差别显示为明显的色彩差异，更便于解译和提取有用信息。,6,假彩色合成又称彩色合成。根据加色法或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术。合成彩色影像常与天然色彩不同，且可任意变换，故称假彩色影像。,7,彩色变换反色 彩色图转灰度图 真彩图转256色图（真彩图中包含最多达224种颜色）,8,加法运算：多图像求平均值，减少加性随机噪声。差值运算：动态监测，图像背景消除及目标识别。比值运算：去除地形坡度和方向引起的辐射量变化，比率图像（颜

3、色和多光谱图像分析）。乘法运算：乘以掩膜图像，仅留下感兴趣的地物。植被指数：绿色植物叶子的细胞结构在近红外具有高发射率，其叶绿素在红光波段具有强吸收。因此在多光谱图像中，用红外/红波段图像做比值运算，在比值图像上植被区域具有高亮度值，甚至在绿色生物量很高时达到饱和，从而可以提取植被信息。,9,K-T变换：Kanth-Thomas于1976年发现了一种线性变换，是坐标轴发生旋转，选转之后坐标轴的方向与地物，特别是和植被的生长及图土壤有密切的关系。这种变换就是K-T变换，又称缨帽变换。MSS：y1亮度分量，主要反映了土壤反射率变化的信息；y2绿度分量，主要反映了地面植物的绿度；y3黄度分量，主要说

4、明了植物的枯萎程度；y4没有实际意义。TM：y1亮度，TM六个波段亮度值的加权和，反映了总体的亮度变化。y2绿度，与亮度分量垂直，是近红外与可见光波段的对比。y3湿度，与土壤的湿度有关。,10,5.1辐射增强,空间域：指图像平面所在的二维平面。空间域增强：指在图像平面上直接针对每个像元点进行处理，处理后像元的位置不变。包括点运算和邻域运算。点运算：对于一幅输入图像，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联系。又可称为对比度增强、对比度拉伸或灰度变换，是辐射增强的主要方法。,11,辐射增强：通过直接改变图像中像元的亮度值来改变图像的对比度，从而改

5、善图像质量的图像处理方法。一般来说，原始遥感数据的灰度值范围都比较窄，增强处理可将其灰度范围拉伸到0255的灰度级之间来显示，从而使图像对比度提高，质量改善。辐射增强主要以图像的灰度直方图作为分析处理的基础。,12,直方图,1.定义 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。确定图像像元的灰度值范围，以适当的灰度间隔为单位将其划分为若干等级，以横轴表示灰度级，纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值，做出的条形统计图即为灰度直方图。,13,14,直方图,数字影像,15,2.直方图的性质 反映了图像中的灰度分布规律；任何一幅特定的图像都有惟一的直方图与之

6、对应，但不同的图像可以有相同的直方图；如果一幅图像有两个不相连的区域组成，并且每个区域的直方图已知，则整幅图像的直方图是该两个区域的直方图之和。,16,3.直方图的应用 每一幅影像都可以求出其像元亮度值的直方图，观察直方图的形态，可以粗略地分析影像的质量。一般来说，一幅包含大量像元的影像，其像元亮度值应符合统计分布规律，即假定像元亮度随机分布时，直方图应是正态分布的。实际工作中，若影像的直方图接近正态分布，则说明影像中像元的亮度接近随机分布，是一幅适合用统计方法分析的影像。,17,从直方图形态判断影像质量,18,4.累积直方图 以横轴表示灰度级，纵轴表示每一灰度级及其以下所具有的像元数或此像元

7、数占总像元数的比值，做出的直方图。可看做是累积离散概率分布。x表示灰度级，h(x)为灰度级的概率密度即某灰度级的像元比例值，c(x)为某灰度级的累积概率密度即某灰度级的累积比例值。,19,20,为了改善影像的对比度，必须改变影像像元的亮度值，并且这种改变需符合一定的数学规律，即在运算过程中有一个变换函数。如果变换函数是线性的或分段线性的，这种变换就是线性变换。线性变换是图像增强处理最常用的方法。1.线性变换 按比例扩大原始灰度级的范围，以充分利用显示设备的动态范围，使变换后图像的直方图的两端达到饱和。,5.1.2 线性变换,21,线性变换1,原始图像：f(x,y)，灰度范围：a,b，变换后图像

8、：g(x,y)，灰度范围：c,d，则线性变换可表示为：,22,将亮度值为015影像拉伸为030，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。当亮度值xa从015变换成xb从030，变换函数在图中是一条直线OO，方程式为,23,变换前直方图,数字影像,最小值,最大值,24,变换前后直方图对比,变换后影像,25,一般情况下，当线性变换时，变换前影像的亮度范围xa为a1a2，变换后影像的亮度范围xb为b1b2，变换关系是直线，则变换方程为,26,通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。若a2-a1b2-b1，亮度范围缩小，

9、影像被压缩。对于a2与a1，是取在影像亮度值的全部或部分，偏亮或偏暗处，均可根据对影像显示效果的需要而人为地设定。,27,如果图像中大部分像素的灰度级分布在区域a，b之间，小部分灰度级超出了此区域，可以用如下的公式将灰度拉伸到c，d：,在遥感图像处理软件中，如果a取灰度级的2，b取灰度级的98，则为2灰度拉伸，这是一种常用的拉伸方法，可以明显增加图像的显示效果。,28,29,为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换。分段线性变换时，变换函数不同，在变换坐标系中成为折线，折线间断点的位置根据需要决定。从图中可以看出，第一、三段为压缩，第二段为拉伸，每一段

10、的变换方程为：,结果比较,2.分段线性变换,局部提高、局部降低对比度,30,常用的三段线性变换法如下页图所示，其数学表达式如下：,31,线性变换的灵活性大，可以根据需求，有目的地选取间断点的位置，决定拉伸那一段或压缩那一段的灰度范围，或者只处理其中某一段的灰度。这种变换适用于在黑色或白色附近有噪声干扰的情况。,32,33,对比度拉伸提高、降低对比度,255,128,255,142,0,降低对比度,不同斜率的变换的作用增加变换的任意性,34,255,48,255,0,218,提高对比度,P1,P2,削波处理,35,原来的灰度级196-48=152的一段扩展成为216-23=193局部提高、局部降

11、低对比度,36,通过直方图得到两个拐点P1、P2的位置,37,3、灰度级切片,255,48,255,0,255,142,255,214,134,0,176,48,切片的目的：突出需要部分 A图只有需要的亮的（二值图象）B图突出需要部分保持背景不变,38,是经过清除背景的灰度窗口变换处理后的图(灰度窗口取200-255)，将夜景中大厦里的灯光提取了出来。,39,是经过保留背景的灰度窗口变换处理后的图(灰度窗口取200-255)，将夜景中大厦里的灯光提取了出来，同时保留了大厦的背景。,40,电影“阿甘正传”的特技制作，丹尼上校的那个断腿是怎么拍出来的呢？其实方法很简单，先拍一幅没有演员出现的背景画

12、面，然后拍一幅有演员出现，其它不变的画面。要注意的是，此时演员的腿用蓝布包裹。把前后两幅图输入计算机进行处理。第二幅图中凡是遇到蓝色的象素，就用第一幅图中对应位置的背景象素代替。这样，一位断腿的上校就逼真的出现在屏幕上了。这就是电影特技中经常用到的“蓝幕”技术。,41,42,(c)灰度拉伸,(d)灰度二值化,（b）原始图像,43,5.1.3 非线性变换,当变换函数是非线性时，即为非线性变换。非线性变换的函数很多，常用的有指数变换和对数变换。,44,1.指数变换 其意义是在亮度值较高的部分xa 扩大亮度间隔，属于拉伸，而在亮度值较低的部分xb缩小亮度间隔，属于压缩，其数学表达式为,a，b，c为可

13、调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。,45,2.对数变换 与指数变换相反，它的意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩，其数学表达式为,a，b，c仍为可调参数，由使用者决定其值。,46,亮度调整加亮、减暗图像,255,128,255,218,255,128,255,32,47,ERDAS默认打开图像是以2倍方差拉伸原始图像,所以用其打开时候图像显示的都很清晰。如果想不要拉伸图像,可以在打开图像前,选中对话框的option,然后勾选no stretch就不会拉伸原始影像了.,48,查拉表拉伸 它是遥感图像对比度拉伸的总和，是通过修改图像的查拉表（look u

14、p table），使输出图像值发生变化。通过定义，可实现线性拉伸、分段线性拉伸、非线性拉伸等处理。,49,在ERDAD图标面标工具条中，点出Interpreter/Radiometric Enhancement/LUT Stretch-打开LUT stretch对话框，并设置参数如下：,50,变换：,51,其中关建是：点击View/custom Table 进入查找表编辑状态。根据需要修改查找表。,52,利用Inquire cursor,53,54,线性拉伸,55,（局部线性拉伸(Piecewise Linear Stretch:Raster一Contrast一Piecewise Contra

15、st一Contrast Tool对话框。,该命令用于对图像局部区域通过分割LUT表进行增强，通常将LUT表分为低、中、高三段，然后分段调整其亮度和对比度，可增强阴影区等。该命令常常与查询光标（Inquire Cursor）一同使用，首先查询特定区域各波段的灰度值，然后设置Range Specifications分段值。,56,57,因为做2倍线性拉伸，0128的对比度是原始值除以128。128以后因为图像亮度全部变化为255，所以统一为1。,58,59,从原始表看出这是一个分段线性拉伸，亮度从132做拉伸，32以后全部变成255。根据自己的需要进行修改,60,选择要用何种丰富进行影像stret

16、ch,选择要改变这张影像局部地区的像元(Pixel)值，还是整张影像的Pixel值，亦或仅改变其屏幕显示的Lookup Table(LUT)值,61,可同时开启Inquire Cursor，比较不同方法Stretch从单一个Pixel的Pixel值或LUT值的变化。,亦可直接以滑鼠拉動十字絲來決定欲檢視的地點,62,可利用Undo的功能将上一個Stretch的动作还原,63,Standard Deviation Stretch(Use Histogram of Whole Image),Standard Deviation Stretch(Use Histogram of View Exten

17、t),Brightness，Contrast,No Stretch,64,3、高斯变换（Gaussian Transform）,式中：是图像像元亮度值的平均值 是图像像元亮度值的标准差,65,66,67,5.1.4 其它非线性变换,为了使图像的灰度范围拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，以达到增强的目的，通常采用直方图均衡化及规定化。1.直方图均衡化 将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。,68,69,xa表示原图像的灰度值，xb表示直方图均衡化后的新图像的灰度值；ha(xa)为原图像中任一灰度出现的概率，h

18、b(xb)为新图像中任一灰度出现的概率，由于变换后的图像灰度分布均匀，对应于任一灰度出现的概率hb(xb)相同。,70,变换函数为累积直方图曲线 对于连续的图像：对于离散的函数：,直方图均衡化的效果为：（1）各灰度级出现的频率近似相等；（2）原图像上频率小的灰度级被合并，实现压缩；频率高的灰度级被拉伸，因此可以使亮度集中于中部的图像得到改善，增强图像上大面积地物与周围地物的反差。,若hb(xb)=1,则N/L-1=1，变换函数就是累积直方图本身。,71,均衡化后图像的最大灰度值为L-1，像元总数为N。(L-1)/N称为拉伸因子。具体计算用拉伸因子和累计像元统计值相乘即可以得到变换后的值。,72

19、,对一幅图像进行直方图均衡化的具体步骤：（1）统计原图像每一灰度级的像元数和累积像元数；（2）根据变换函数式计算每一灰度级xa均衡化后对应的新值，并对其四舍五入取整，得到新灰度级xb；（3）以新值替代原灰度值，形成均衡化后的新图像；（4）根据原图像像元统计值对应找到新图像像元统计值，做出新直方图；直方图均衡化后的图像每个灰度级的像元频率，理论上应相等。实际上均衡化后的直方图呈现参差不齐的外形，这时由于图像是离散函数，各灰度级可能的像元个数有限造成的。在一些灰度级处可能没有像元，在另外一些灰度级处则像元很拥挤。,73,74,75,76,N=49，L-1=16，因此拉伸因子为（L-1）/N=16/

20、49。,77,2.直方图规定化,是指使一幅图像的直方图变成规定形状的直方图而对图像进行变换的增强方法。规定的直方图可以是一幅参考图像的直方图，通过变换，使两幅图像的亮度变换规律尽可能地接近；规定的直方图也可以是特定函数形式的直方图，从而使变换后图像的亮度变换尽可能地服从这种函数分布。直方图规定化的原理是对两个直方图都做均衡化，变成相同的归一化的均匀直方图。以此均匀直方图起到媒介作用，再对参考图像做均衡化的逆运算即可。,78,设 为原图像直方图均衡化的变换函数；为参考图像直方图均衡化的变换函数，变换后的灰度值均为 所以,79,直方图规定化(直方图匹配)直方图匹配是对图像查找表进行数学变换，使一幅

21、图像的直方图与另一幅图像类似。直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。,80,直方图规定化的具体步骤：（1）做出原图像的直方图；（2）做出原图像的累积直方图，对原图像进行均衡化变换；（3）做出参考图像的直方图或确定参考直方图；（4）做出参考累积直方图，进行均衡化变换；（5）对于原图像中的每一灰度级 的累积值，在参考累积直方图中找到对应的累积值；如果G为数学公式可直接计算求值，则得到对应的新灰度值。（6）以新值 替代原灰度值，形成均衡化后的新图像；（7）根据原图像像元统计值对应找到

22、新图像像元统计值，做出新直方图。,81,在参考图像直方图统计表中查找对应的参考累积值，采用近似方法，根据四舍五入的原则选用最临近的对应值，再找到对应的新灰度值，新像元的统计值由其所对应的原像元统计值合并而得到。,82,83,84,输出的数据分段,85,直方图匹配主要是消除由于太阳高度角或大气影响造成的相邻图像效果差异。,86,亮度反转处理：对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像。Inverse表示条件反转，reverse表示简单反转，输出与输入图像等量相反。,87,去霾处理(haze reduction)是降低多波段图像或全色图像的模糊度。该方法实质上是基于缨帽变

23、换的，首先对图像进行主成分变换，删除与模糊度有关的成分，再进行主成分逆变换回到RGB空间，达到去霾的目的。,88,降噪处理：是利用自适应滤波方法去除图像中的噪声去条带处理:是针对tm的图像扫描特点进行的三次卷积处理，以达到去除条带的目的。,89,5.2 空间增强,以突出图像上的某些特征为目的（如突出边缘或线性地物，也可去处某些特征如抑制图像上在获取和传输过程中所产生的各种噪声），通过像元与周围相邻像元的关系，采取空间域中的邻域处理的方法，在被处理像元周围的像元参与下进行运算处理，也叫“空间滤波”。,90,邻域处理 在对图像进行处理时，某一像元处理后的值 由处理前该像元 的小邻域N(i,j)中的

24、像元值确定，为局部处理。,表示对N(i,j)邻域内的像元进行的某种运算。,91,卷积运算,从影像左上角开始开一与模板同样大小的活动窗口，影像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为M*N，窗口为f(m,n)，模板为(m，n)，则模板运算为:,92,Illustration for Convolution,将计算结果r（i，j）放在窗口中心的像元位置，成为新像元的灰度值。然后活动窗口向右移动一个像元，再按公式做同样的运算，仍旧把计算结果放在移动后的窗口中心位置上，依次进行，逐行扫描，直到全幅影像扫描一遍结束，则新影像生成。,93,实际应用中，经常使图像窗口与模板像元的灰度值对应相乘再

25、相加，相加的总和再除以模板内所有值的和作为中心像元新的灰度值。,94,一般，若模板为33，新图像比原图像左右各少一列，上下各少一行；若模板为55，则各少两行两列，依次类推。为了保持图像大小不变，可在新图像的上、下、左、右各加一行或一列，使所加像元的值与相邻像元相同或全部为0。主要用于对图像进行平滑和锐化处理。,95,5.2.3 平滑 图像在获取或传输过程中，受传感器和大气等因素的影响会存在噪声。在图像上，这些噪声表现为一些亮点或亮度过大的区域，为了抑制噪声，改善图像质量所做的处理称为图像平滑,96,噪声是各种影响人的视觉器官对图像信息理解或分析的因素，一般噪声是不可预测的随机信号，它只能用概率

26、统计的方法去认识，由于噪声影响图像的输入、采集、处理的各个环节以及输出的全过程，尤其是图像输入、采集的噪声必然影响处理全过程以及最终结果，因此抑制噪声已成为图像处理中的极重要的步骤。,97,图像噪声的分类内部噪声：系统内部产生。外部噪声：指图像处理系统外部产生的噪声。如电磁波从电源线窜入系统产生。,98,噪声特征 单波段图像可看作是二维亮度分布，噪声可看作是对亮度的干扰，噪声是随机性的，需用随机过程描述，即要知道其分布函数或密度函数，但在许多情况下这些函数很难测出或描述，甚至不可能得到，常用统计特征来描述噪声，如均值、方差、总功率等。,99,常见噪声高斯噪声：含有强度服从高斯或正态分布的噪声，

27、噪声的像素值分布可以使用高斯概率密度函数来描述。0均值的高斯噪声指每个像素值中附加了0均值的，具有高斯概率密度的函数值。,100,椒盐噪声（脉冲噪声）：脉冲噪声随机改变一些像素值，在二值图像上表现为使一些像素点变白，一些像素点变黑。,101,均值平滑 是将每个像元在以其为中心的区域内取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像目的的。区域范围取作MN时，求均值公式为 具体计算时常用33的模板作卷积运算，其模板为,M=N时,102,为了避免中心像元值过高影响平均值升高，在运算时可不取中心值，用周围4个或8个像元进行计算。,103,均值平滑算法简单，计算速度快，但在去掉尖锐噪声的同时造

28、成图像模糊，特别是对图像的边缘和细节削弱很多。而且随着邻域范围的扩大，在去噪能力增强的同时模糊程度严重。,5x5 模板,104,9x9 模板,105,为了保留图像的边缘和细节信息，可对该算法进行改进，引入阈值T，将原图像灰度值f(i,j)和平均值g(i,j)之差的绝对值与选定的阈值进行比较，根据比较结果决定像元（i,j）的最后灰度值g(i,j)。当差小于阈值时取原值；差大于阈值时取均值。其表达式为：,106,中值滤波 是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”和平滑影像目的的。具体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

29、元按亮度值的大小排列，取中间值作为中间像元的值。所以MN取奇数为好。,107,如3X3窗口：,从小到大排列，取中间值,108,采用1X3的模板对其做中值滤波，令最左和最右两列保持原值。从中值滤波的结果可以看出，在噪声点10和12被去除的同时，图像中间部分的灰度变化趋势保守。,109,例如：3x3的模板，第5大的是中值，5x5的模板，第13大的是中值，7x7的模板，第25大的是中值，9x9的模板，第41大的是中值。对于同值象素，连续排列。如（10,15,20,20,20,20,20,25,100）,110,一维中值滤波的几个例子，取15的模板,也可推广到二维，二维中值滤波效果比一维更好。窗口的形

30、状可以线状、方形、十字形、菱形等。,111,中值滤波与均值平滑的目的都是为了去除图像上的尖锐“噪声”，平滑处理图像，但两者之间又有区别，选用哪一种方法要根据图像特点和处理目的来决定。,112,一般来说，影像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，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要优于取均值。,中值滤波后图像保持不变，阶梯保留，而均值平滑后阶梯消失，边缘模糊、灰度值呈渐变趋势。,113,原图,椒盐噪声,中值（3*3）,平均（3*3）,自适应（3*3）,高斯噪声,中值（3*3）,平均（3*3）,自适应（3*3）,斑点噪声,中值（3*3）,平均（3*

31、3）,自适应（3*3）,114,椒盐噪声,原图,中值（3*3）,中值（5*5）,中值（7*7）,115,最大值滤波：计算公式：R=max zk|k=1,2,9主要用途：寻找最亮点,116,最小值滤波：主要用途：寻找最暗点计算公式：R=min zk|k=1,2,9,117,4.2.4 锐化,为了突出影像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。有时可通过锐化，直接提取出需要的信息。锐化后的影像已不再具有原遥感影像的特征而成为边缘影像。平滑通过积分过程使得图像边缘模糊，图像锐化则使图像上边缘与线状目标的反差提高，以突出边缘。,118,5 x 5模板,1,-1,1,8,-1,1,-1

32、,1,1,-1,1,-1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1/25*,119,3 x 3 模板,-1,-1,8,-1,-1,-1,-1,-1,-1,1/9*,120,1.梯度法（最常用的微分方法）图像f(x,y)在像元点(x,y)处的剃度可定义为一个矢量,梯度的模为各分量的平方和再求平方根,121,梯度实际上反映了相邻像元之间灰度的变化率，图像中的边缘，例如河流、湖泊的边界、道路等处灰度的变化率较大，因此在边缘处一定有较大的梯度值；而大面积的平原、海面灰度变换较小，一定具有较小的梯度值；对于灰度级为常数的区域，梯度值为0。因此，以梯度值替代像元的原灰度

33、值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。,122,对于数字图像，连续导数形式可以用求差来近似表示。,梯度算法对应的模板为：,123,2.Roberts梯度 采用交叉差分的方法。,用模板表示为：,124,这种方法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。相当于在图像上开一个22的窗口，用模板t1计算后取绝对值再加上模板t2计算后取绝对值。将计算值作为中心像元（x，y）的梯度值。,125,这种算法的意义在于用交叉的方法检测出像元与其在上下之间或左右之间或斜方向之间的差异。采用Roberts梯度对图像中每一个像元计算其梯度值，最终产生一个梯度图像，达到

34、突出边缘的目的。,126,3.Prewitt和Sobel梯度 Prewitt算法较多地考虑了邻域点的关系，扩大了模板，从22扩大到33来进行差分，如图,其模板为：,127,Sobel梯度在其基础上，对4邻域采用加权方法进行差分，因而对边缘的检测更加准确。模板为：,128,原图像,Roberts算法,129,原图像,Sobel算法,130,两种算法之间存在差异，Roberts提取的边界为边缘处的一边，Sobel算法则提取了边缘处的双边，即两个像元的宽度。因此，在处理一个或两个像元宽度的线性目标时，要根据具体情况选择处理方法。根据以上的各种算法求出各个像元的梯度值后，可以根据不同的需求生成不同的梯

35、度图像，方法有：,131,（1）以各像元的梯度值代替其原灰度值，即,此方法得到的图像完全失去了原图像的面目而成为一幅边缘图像，梯度值大的边缘轮廓被突出显示，而灰度变化比较平缓或均匀的区域则几乎为黑色。,（2）为了在突出主要边缘信息的同时保留图像背景，适当选取一个非负阈值T，使梯度值=T的各点的灰度等于该点的梯度值，其它则保留原灰度值，形成背景，即,132,原图,T=0.12（Roberts）,T=0.04（Roberts）,T=0.08（Roberts）,133,（3）根据需要指定一个灰度级LG，以LG表示边缘，其他保留原背景值，即,（4）指定一个灰度级LB表示背景，例如，令LB0，形成黑背景

36、，保留边缘梯度变化。即,（5）将边缘与灰度图像分别以灰度级LG和LB表示，如，255表示边缘，0表示背景，形成二值图像，即,134,4.Laplace算法 Laplace算子是线性二阶微分算子，即,对于离散的图像，二阶导数可以用二阶差分近似计算，表达式为：,其模板可以表示为：,即取某像元的上下左右个相邻像元的值相加的和减去该像元的倍，作为该像元新的灰度值。,135,梯度运算检测了图像上的空间灰度变化率，因此，图像上只要有灰度变化就有变化率。而laplace算子检测的是变化率的变化率，是二阶微分，在图像上灰度均匀和变化均匀的部分，计算出的算子为0，因此，它不检测均匀的灰度变化，产生的图像更加突出

37、灰度值突变的部分。,136,使用中需要注意的是，某些软件使用的模板的符号与上面的相反，也就是说，在模板中，中心的值为4，四周相邻的值为-1（例如ENVI），此时，处理后的图像等于原始图像+laplace算法计算结果。,137,原图像,Laplace计算结果,138,在锐化结果中出现了负值，而图像的灰度值应为非负数，对所有值加上一个常数如计算结果中最大的绝对值即可解决。,139,另外一种处理方法是用原图像的值减去Laplace算法的计算结果的整数倍，即,这样的处理既保留了原图像作为背景，又扩大了边缘处的对比度，锐化效果更好。除了上述算法，Laplace算子还有其他一些算法，模板为：,140,与梯

38、度算子不同，拉普拉斯算法是各向同性的，其锐化结果很容易受到图像中噪声的影响，因此在实际中，经常首先进行平滑滤波，然后再进行拉普拉斯锐化。一般用高斯函数作为平滑滤波核,141,（a）原图（b）拉氏算子锐化（c）a+b（d）sobel算子锐化,实例：,142,5.定向检测,上面介绍的方法在提取边缘时没有指定特定的方向。为了有目的的提取某一特定方向的边缘、线状目标或纹理特征，可以选定特定的模板进行卷积运算，常用的模板有：,(1)检测垂直边界,或,(2)检测水平边界,或,143,(3)检测对角线边界,或,此外还有很多模板可以选择，根据具体情况和具体需求选择。,144,Image of CHURN Fa

39、rmDaedalus 1268 ATM Channel 3,145,Directional or edge detecting filters highlight linear features,such as roads or field boundaries.,Vertical edges（垂直边缘）,146,Horizontal edges,Directional Edge filters can also be designed to enhance features which are oriented in specific directions and are useful in

40、 applications such as geology,for the detection of linear geologic structures.,147,在增强了边的同时，丢失了图像的层次和亮度,锐化的缺点和问题：,148,典型的算子和图像增强的目的如表,149,典型的算子和图像增强的目的如表,150,典型的算子和图像增强的目的如表,151,一般图像数据量很大，所以经常采用33的算子，但有时也采用55的算子或77的算子。高频核（High Frequency Kernel）,或者高通核，具有提高遥感图像空间频率的效果。用做边缘增强，因为它产生同质像元组之间的边缘，使相对较低的像元值变

41、得更低，较高的像元值变得更高，从而提高了影像的空间分辨率。如卷积核-1 16-1-1 16-1-1 16-1,152,当这个核用在低值被高值包围的一组像元上时，低值变得更低。被这个卷积核滤波后，值变为,153,相反，当这个核用在高值被高值包围的一组像元上时，高值变得更高。如遥感图像被这个卷积核滤波后，值变为,154,在以上任何情况下，这个卷积核提高了空间频率，因此它是高通核。和为0的卷积核即所有系数的和为0，如-1 0 11 0-1-1 0 1,155,和为0时，此时分母设为1。此核通常使输出值为：在所有输入值相等的区域（无边缘）输出值为0；在空间频率低的区域使输出值更低；在空间空间频率高的区

42、域使输出值更高。因此，和为0的卷积核是一个边缘检测器（Edge Detector），通常能消除或归0出低空间频率的区域，以及在高空间频率区产生鲜明对比，结果影像区仅包括边缘和0值。,156,滤波函数有低通滤波、高通滤波、带通滤波等。低通滤波用于仅让低频的空间频率成分通过而消除高频成分的场合，由于图像的噪声成分多数包含在高频成分中，所以可用于噪声的消除。高频滤波仅让高频部分通过，可应用于目标物轮廓等的增强。带通滤波仅保留一定的频率成分，所以可用于提取、消除每隔一定间隔出现的干涉条纹的噪声。,157,158,159,如果系统提供的卷积核不能满足图像处理需要，可以随时编辑修改或重新建立卷积核。过程非

43、常简单，只要在上面对话框中单击EDIT或NEW按钮。,160,非定向边缘增强应用两个非常通用的滤波器（Sobel 和 Prewitt 滤波器），首先通过两个正交卷积算子（Horizonal 和 Vertical 算子）分别对遥感图象进行边缘探测，然后将两个正交结果进行平均化处理。,161,162,聚焦分析 使用类似卷积滤波的方法对图象数值进行多种分析，其基本算法是在所选择的窗口范围内，根据所定义的函数，应用窗口范围内的像元数值计算窗口中心像元的值，从而达到图象增强的目的。关键在于聚焦窗口的选择（Focal Definition）和聚焦函数的定义（Function Definition）,163

44、,纹理分析 纹理分析是通过在一定窗口内进行二次变异分析或三次非对称分析使雷达图象或其他图象的纹理结构得到增强。关键在于窗口大小的确定（Window Size）和操作函数的定义（Operator）。,164,图像融合 图像融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。图像融合（Image Fusion）技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。,165,分辨率融合 对不同分辨率遥感图象的融合处理，使融合后的遥感图象既具有较好的空间分辨率、又具有多光谱特征，从而达到图象增强的目的，关键在于两幅图象的配准（Rectification）以及融合过程中融合方法（Method）的选择。,166,锐化增强处理 实质上是通过对图象进行卷积滤波处理，使整景图象的亮度得到增强而不使其专题内容发生变化，根据其底层的处理过程，又可以分为两种方法：其一是根据定义的矩阵（Custom Matrix）直接对图象进行卷积处理；其二是首先对图象进行主成分变换，并对第一主成分进行卷积滤波，然后再进行主成分逆变换。,