《遥感概论B-遥感基础理论及方法》.ppt

一、彩色合成 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。 §1 遥感图像的增强处理 彩色合成的原理图 反射率ρ/% λ 真彩色图像 真彩色图像上影像的颜色与地物颜色基本一致。 利用数字技术合成真彩色图像时，是把红色波段的影像作为合成图像中的红色分量、把绿色波段的影像作为合成图像中的绿色分量、把蓝色波段的影像作为合成图像中的蓝色分量进行合成的结果。 如TM321分别用RGB合成的图像。 假彩色图像 假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。 遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。它是在彩色合成时，把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。 如TM432用RGB合成的图像为标准假彩色图像。 二、灰度颠倒 灰度颠倒在光学处理中为负片印制成正片，或反之。 灰度变换数字处理是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)成饱和状态，然后进行颠倒。这样的运算，可以使正像和负像互换。 §1 遥感图像的增强处理 三、直方图调整 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，即为该幅图像的直方图。 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。 一般的遥感图像处理软件均有此功能。 §1 遥感图像的增强处理 四、密度分割 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ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中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。 §1 遥感图像的增强处理 密度分割原理图 五、图像间运算 两幅或多幅单波段图像，空间配准后可进行算术运算，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：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） §1 遥感图像的增强处理 六、邻域增强处理 邻区法增强处理是在被处理像元周围的像元参与下进行的运算处理 。 邻域处理又叫滤波处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。 邻区法处理用于去噪声、图像平滑、锐化和相关运算 。 §1 遥感图像的增强处理 图 像 平 滑（1） 图像的平滑是使图像中高频成分消退，即平滑图像的细节，使其反差降低，保存低频成分，在频域中称为低通滤波。 在空间域处理中，是对邻区窗口内的图像区域积分。对于离散的数字图像其平滑公式为： 式中：g(x，y)为点(X，Y)平滑后的灰度值； f(n，m)为S集合中各像元的灰度值； X = O，1，2，…，N-1； Y = O，1，2，…，N-1； S是点(X，Y)邻域中的坐标(不包括(X，Y))的集合； M是集合S中坐标点的总数。 图 像 平 滑（2） 常用平滑邻域算法 反射率 亮度值 亮度值 反射率 平滑前后的图像直方图 平滑后的影像 原始影像 锐 化 (1) 锐化是增强图像中的高频成分，在频域处理中称为高通滤波，也就是使图像细节的反差提高，也称边缘增强。 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： 锐 化 (2) 锐化前后的直方图比较 亮度值 亮度值 反射率 七、主成分分析 在遥感图像分类中，常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。 主成分分析的原理(next)。 §1 遥感图像的增强处理 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