遥感第五章遥感图像处理—图像增强1.pptVIP

第五章 遥感图像处理—图像增强 ;　　图像灰度直方图反映了一幅图像中灰度级与其出现概率之间的关系，用平面直角坐标系表示图像像元灰度分布状态。;通过灰度直方图可以直观地了解图像的特性。; 主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增加反差的目的。 1、线性增强 若增强前后灰度函数关系符合以下线性关系式，则称为线性增强，也称“线性拉伸”：;为增强后灰度值；;举例：某地TM图像，增强前灰度最大值为62，最小值为10，选择0-255灰度级进行线性变换，则变换函数为： ;2、非线性拉伸; 直方图均衡化处理的“中心思想”是将随机分布的图像直方图修改成均匀分布的直方图，直方图均衡化就是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。?;;(a)LENA原图 ;;三、空间滤波; 图像平滑的目的在于消除各种干扰噪声，使图像中高频成分消退，即平滑掉图像的细节，使其反差降低，保存低频成分。图像平滑包括空间域处理和频率域处理两大类。 ;邻域平均法;? ;1/9 ;中值滤波;图像锐化 ;空间域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：;数字图像微分，用差分近似表示： ;;Sobel 算子：G[i,i]=|f[i-1,j+1]+2f[i,j+1]+f[i+1,j+1]-f[i-1,j-1]-2f[i,j-1]-f[i+1,j-1]|+|f[i-1,j-1]+2f[i-1,j]+f[i-1,j+1]-f[i+1,j-1]-2f[i+1,j]-f[i+1,j+1]|;; 不同的彩色变换可大大增强图像的可读性，常用的三种彩色变换方法。 单波段彩色变换 多波段彩色变换 HSI变换;（1）单波段彩色变换（密度分割） 单波段黑白遥感图像按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。即按图像的密度进行分层，每一层所包含的亮度值范围可以不同。 ;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。 ;（2）多波段彩色变换 加色法彩色合成原理---选择遥感影像的某三个波段---分别赋予红、绿、蓝三种原色---合成彩色影像。;真彩色图像;假彩色图像;彩色合成的原理图;（3）HSI变换 HSI代表色调、饱和度和明度（hue，saturation，intensity）。色彩模式可以用近似的颜色立体来定量化。颜色立体曲线锥形改成上下两个六面金字塔状。 ;五、多光谱图像四则运算;TM4 影像;87年影像;（二）加法运算;【TM（1+2+3+4+5+7）/ 6】的加法影像;（三）乘法运算 （四）比值运算;TM4/TM3的比值影像;（五）混合运算 ;归一化差分植被指数;六、多光谱变换;K—L变换（主成分变换）;Ｋ--Ｌ变换应用： (1) 数据压缩：去相关，主成分中第一主分量或前两个或前三个主分量已包含该幅图像中的绝大多数地物信息。 (2)图像增强：前几个主分量信息多且信噪比大，噪声少，最后分量几乎全是噪声，去掉最后分量可达到去噪目的。 ;Ｋ—T 变换( 缨帽变换 ); 这种变换既可以实现信息压缩，又可以帮助解译分析农业特征，因此这种变换着眼点在于农作物生长过程而区别于其他植被覆盖。 ;性质: (1) 仅适用于TM图像1~5、7波段的线性变换; (2) 线性变换矩阵为6×6 的常数矩阵,而且是经验矩阵; (3) 变换后依然得到6个图像。其中：第一个图像反映亮度特征，是原图像亮度的加权和；第二个图像表示绿度，反映绿色生物量特征；第三个图像表示湿度，反映土壤的湿度特征；其余三个分量与地物特征没有明确的对应关系。;七、多元信息复合