缨帽变换.pptVIP

K-T变换增强实验与应用（缨帽变换） 一、 K-T变换的概念 K-T变换(K-T transform) 　　即坎斯一托马斯变换(Kanth-Th0-milstransform)、又称缨帽变换(tasseHed captransform)。根据多光谱遥感中土壤、植被等信息在多维光谱空间中信息分布结构对图像做的经验性线性正交变换。是一种经验性的多波段图像的线性变换,是Kauth和Thomas ( 1976)在研究M SS图像反映农作物和植被的生长过程时提出的。在研究过程中他们发现M SS四个波段组成的四维空间中,植被的光谱数据点呈规律性分布,像缨帽状,因此将这种变换命名为缨帽变换。 变换模型 X——变换前多光谱空间的像元矢量； Y——变换后多光谱空间的像元矢量； c——变换矩阵， a——避免出现负值所加的常数 转换系数 K-T变换是一种特殊的PCA变换，其转换系数是固定的，独立于单个图像，不同图像产生的结果可以进行比较。 K-T变换MSS的转换系数 y1—亮度分量（土壤亮度指数，Soil Brightness），主要反映土壤反射率变化的信息； y2—绿度分量（绿度指数，Greenness），反映地面植被的绿度； y3—黄度分量（黄度指数，Yellow Stuff），植被的枯萎程度； y4—噪声，无实际意义。 注意：对不同地区特点和传感器，系数是调整变化的，y1，y2集中了95%或更多的信息。 y1—亮度分量（TM六个波段分量的加权和，反映了总体的亮度变化）； y2—绿度分量（与亮度分量垂直，是近红外与可见光波段的比值，反映可见光波段特别是红光波段与近红外波段之间的对比） y3—湿度分量（与土壤湿度有关，反映可见光与近红外波段及红外5、7波段的差值，而5、7波段对土壤和植被的湿度最为敏感）。 注意：对不同地区特点和传感器，系数是调整变化的。 K-T变换TM的转换系数 对于TM图像而言，可见光-红外六个波段数据蕴含着很丰富的信息，经K-T变换的前三个分量主要反映土壤亮度（BI）、绿度（GVI）和湿度（WI），第四分量为噪声。 以LANDSAT5为例，可表示为： TM变换是以各波段的辐射亮度值作为变量，这些亮度值中包含了太阳辐射、大气辐射、环境辐射等多因素的综合信息。因此，K-T变换所得到的数值和图形，受大气纯度、光照角度等外界的变化而波动。 二、 K-T变换的基本思想 该变换的基本思想是：多波段(N波段)图像可以看作是N维空间，海一个象元都是N维空间中的一个点，其位置取决于象元在各个波段上的数值。专家的研究表明，植被信息可以通过3个数据轴(亮度轴、绿度轴、湿度轴)来确定，而这3个轴的信息可以通过简单的线性计算和数据空间旋转获得，当然还需要定义相关的转换系数；同时，这种族转与传感器有关，因而还需要确定传感器类型。 三、缨帽变换的基本原理 缨帽变换数学表达式如公式所示。 其中R是缨帽变换系数, x代表不同波段的灰度值, r表示常数偏移量,是为避免在变换过程中出现负值。u表示缨帽变换后不同的波段的灰度值。经过缨帽变换可以得到与波段数相同的几个分量,其中前三个分量与地面景物密切相关。第一分量为亮度指数,反映了地物总体反射率的综合效果;第二分量为绿度指数,与地面植被覆盖、叶面积指数及生物量有很大关系;第三分量为湿度指数,反映了地面水分条件,特别是土壤的湿度状态。其余分量为黄度指数及噪声。 缨帽变换是一种特殊的主成分分析,和主成分分析不同的是其转换系数是固定的,因此它独立于单个图像,不同图像产生的土壤亮度和绿度可以相互比较。随着植被生长,在绿度图像上的信息增强,土壤亮度上的信息减弱;当植被成熟和逐渐凋落时,其在绿色度图像特征减少,在黄度上的信息增强。这种解释可以应用于不同区域上的不同植被和作物。缨帽变换既可以实现信息压缩,又可以帮助解译分析农业特征,因此有很大的实际应用意义。 四、技术路线 缨帽变换是针对植被信息提取的影像增强方法,是 全球性的植被指数。它使坐标空间发生旋转,旋转后的坐标轴指向与地面景物有密切的关系的方向,特别是与植物生长过程和土壤有关。针对缨帽变换的这个特点,本文提出了基于缨帽变换的遥感图像融合方法,并将其应用于城市绿地信息的提取中。基于缨帽变换的遥感图像融合步骤如下: ①将多光谱图像与高分辨率全色图像进行精确配准; ②利用缨帽变换系数对多光谱图像进行缨帽变换;分别得到:第一分量 “亮度指数 ”、第二分量 “绿度指数 ”、第三分量 “湿度指数 ”、第四分量 “黄度指数及噪声 ”; ③将高分辨率全色图像与多光谱图像缨帽变换后的第一分量进行直方图匹配,使这两副图像的均值和方差一致; ④用匹配过的高分辨率全色图像代替多光谱图像缨帽变换后的第一分量; ⑤利用替换过的第一分量与其他分量进行缨帽逆变换,还原到RGB空间