图像处理(增强).pptVIP

K-L变换（ 主成分分析） 经变换后，新向量的各分量之间具有最小相关性。第一主成分集中了最大的信息量，前三个主成分集中了原向量的大部分的信息量，可以用前几个主成分向量代替原向量，从而实现了降维处理。当特征值λiλi+1，便可舍去yi+1特征。 K-T变换（缨帽变换） K-T变换，也称缨帽变换。也是一种线性变换。主要针对MSS、TM图像数据进行，其变换公式为： Y = B· X 式中:X—原图像像元的光谱矢量； Y—变换后主分量空间的光谱矢量； B—变换矩阵。 对于MSS变换矩阵为4×4， TM变换矩阵为6×6。 K-T变换（缨帽变换） B的确定：经长期研究，由专家提出。 对于TM数据： B= 0.30 0.28 0.47 0.56 0.51 0.19 -0.28 -0.24 -0.54 0.72 0.08 -0.18 0.15 0.20 0.33 0.34 -0.71 -0.46 -0.82 -0.08 0.44 -0.06 0.20 -0.28 -0.33 -0.05 0.11 0.19 -0.44 0.81 0.11 -0.90 0.41 0.06 -0.03 0.02 TM1 TM2 TM3 TM4 TM5 TM7 K-T变换（缨帽变换） TM数据变换后矢量分量为： Y=(y1,y2 ,y3,y4,y5,y6 )T 各分量的物理意义： 其中y1为亮度分量，反映总体的亮度值； y2为绿度分量，TM4-TM3-TM2-TM1； y3为湿度分量, TM1+TM2+TM3+TM4-TM5-TM6； K-T变换（缨帽变换） （y1,y2 ）：植被视面； （y1 ,y3）：土壤视面； （y3 ,y2）：过渡区视面； 在由y1 , y2 , y3构成的三维坐标体系中，农作物的生长过程的形态，很像一顶带穗的帽子，所以也把K-T变换形象地称为缨帽（ Tasseled Cap ）变换。 K-T变换（缨帽变换） B1 B2 B3 B4 Igv Isb K-T变换（缨帽变换） 经变换后，： 植被的特征点集中在帽空间中，不同植被周期，特征点沿垂直于帽的轴线发生变化。 土壤地物特征点主要集中在帽的底部，沿过特征空间原点的一线轴射线散布。 TM543合成图 主成分变换－123合成图 缨帽变换-123合成图 基于主成分变换的分类图 融合分类图 第4章 遥感图像处理 4.1 光学原理与光学处理 4.2 数字图像概念 4.3 数字图像的校正 4.4 数字图像增强 4.5 多元信息复合 4.6 遥感图像计算机分类 4.5 多元信息复合 1、 遥感信息的复合 遥感信息复合： 将不同来源的遥感数据或其它数据统一到同一地理坐标系中，采用一定的算法生成新的信息或合成图像的过程。 1、 遥感信息的复合 HLS变换信息融合 DEM信息融合 基于HLS变换的多源影像融合 基本原理： 将低分辩率的多光谱图像进行重采样，使其图像大小和高分辨率全色波段的图像大小一致。 对采样得到的多光谱图像进行HLS正变换处理，得到色调H、饱和度S和亮度L三个分量。 用高分辨率的全色波段替换亮度I，再进行HLS逆变换得到高分辨率的多光谱图像。 基于HLS变换的多源影像融合 TM1 TM2 TM3 重采样 HLS正变换 色调H 饱和度S 亮度L HLS逆变换 高分辨率 多光谱图1 高分辨率 多光谱图2 高分辨率 多光谱图3 全色波段P HLS变换信息融合 10m分辨率SPOT全色波段影像 30m分辨率 TM多光谱数据 10m分辨率 多光谱图像 彩色合成TM742图 钦州市 SPOT全色图 TM与SPOT融合图 DEM融合处理 DEM数据 光谱影像 三维立体影像 4.5 多元信息复合 2、 遥感与非遥感信息的复合 利用GIS技术，将各种遥感、非遥感信息叠加在一起，并进行分析。 * 启动virtualGIS将eldodem,eldotm生成virtual 地物边界形状信息 水平线性地物信息 垂直线性地物信息 4.4 数字图像增强 三. 彩色变换 人眼对色彩有较强的识别力，因此往往将黑白影像处理后赋予各种颜色。 三. 彩色变换 三. 彩色变换 1.单波段彩色变换：彩色密度分割 将一幅图像的亮度值分成若干个