第五章遥感图像处理基础(三)精要.pptVIP

第五章 遥感数字图像预处理 5.1 遥感图像几何校正 5.2 遥感图像辐射校正 5.3 遥感图像增强与变换 5.4 遥感图像中的特征提取 5.3 遥感图像增强与变换 概述 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 5.3 遥感图像增强与变换 对比度拉伸 * * 图像增强与变换的目的是突出相关的专题信息，提高图像的视觉效果，使分析者更容易识别地物，更易于从图像中提取有用的定量化信息。 图像增强和变换通常都在图像校正后进行，必须要消除图像的各种噪声，否则分析者面对的只是各种增强的噪声。 对比度拉伸是遥感数字图像处理中最基本最常用的增强技术，主要通过改变灰度分布态势，扩展灰度分布区间，达到增强反差的目的。是一种直接改变像元的灰度值来改变图像像元对比度，从而改善图像质量的方法。 其处理方式是主要是点运算，即对于一幅图像，处理后输出图像的灰度值仅由相应输入像元的灰度值决定，与周围的像元不发生直接联系。 常用的方法是线性变换、非线性变换和直方图调整。 1、线性变换 为了改变图像的对比度，必须改变图像像元的灰度值，这种改变的本质是构建变换函数。当函数是线性或分段线性时，就称为线性变换。 线性变换也叫“线性拉伸”，目的是将像元值的变动范围按线性关系扩展到指定范围。 函数符合以下线性关系： 直线与横轴的夹角大于45°时，图像被拉伸，灰度动态范围扩大；反之，图像被压缩，灰度范围缩小。 低反射率图象 高反射率图象 2、分段线性变换 有时为了更好地调节图像对比度，需要在一些灰度段拉伸，而在另一些灰度段压缩，这种变换称为分段线性变换。分段线性变换时，变换函数不同，在变换坐标系中成为折线，间断点的位置根据需要决定。 第一、三段亮度值变小；第二段间隔变大。可见，改变换突出了原灰度值6-11这部分信息。 注：小数四舍五入。 3、非线性变换 当函数为非线性时，即为非线性变换。非线性变换的函数很多，常用的是指数和对数函数变换。 （1）指数函数： 在灰度较高的部分扩大灰度间隔和范围，属于拉伸；而在灰度较低的部分缩小灰度间隔，属于压缩。 指数函数 （2）对数函数： 与指数函数相反，在灰度较低的部分拉伸，而在灰度较高的部分压缩。 对数函数 4、直方图调整 大多数遥感图像由于其灰度分布集中在较窄的范围内，使图像的细节不够清晰，对比度较低。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，图像细节清晰，通常采用直方图调整。 包括三种方法： （1）直方图均衡化 直方图均衡化又叫拉平扩展，是将随机分布的直方图修改成均匀分布的直方图的方法。其实质是对原图像进行重新分配图像的像元灰度值，使一定灰度范围内的像元数量大致相等。 从数学的观点看，就是把一个概率密度函数通过某种变换变成均匀分布的随机概率密度函数。 可以从下面的数学过程进行理解： 原始图像a的直方图可以用一维数组表示： 均衡后图像b的直方图也用一维数组表示： 其中： m为均衡后的直方图灰度级，因此直方图均衡必须实现确定均衡后的灰度级m。由直方图定义可知： 综上可得： 。。。。。。 因此可以通过累积直方图曲线作为均衡化的基本变换函数，如下图所示： 均衡化后，原直方图灰度分布较密集的部分被拉伸，反之被压缩。意味着原图像中等亮度的区域对比度得到扩展，两端亮度区域相对压缩，从