遥感影像处理实习5.docVIP

实习序号及题目 实习5——遥感影像反差增强 实习人姓名 任课教师姓名 实习地点 榆中校区实验楼 A109 实习日期时间 2012年11月28日 实习目的 1、理解主成份变换、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和操作步骤。 2、掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进行遥感影像分析。 实习内容 1、主成分变换，使用实习1中截取的子区Landsat TM影像进行主成分变换，记录特征值和特征值矩阵，逐一比较变换后各个波段的影像特征，说明从各个波段可以提取的影像信息，根据特征值说明变换后各个波段在影像总信息中的百分比； 2、去相关拉伸，使用实习1中截取的子区Landsat TM影像进行去相关性拉伸，比较变换后各个波段的影像特征； 3、樱帽变换，使用实习1中截取的子区Landsat TM影像进行缨帽变换，逐一比较变换后各个波段的影像特征并注意传感器类型的选择。 4、色彩变换，使用实习1中截取的子区Landsat TM影像进行色彩变换，说明参与变换的各个波段影像的光谱特征，比较变换前后的影像特征，分析变换后影像信息的特点。 5、自然色彩变换，使用提供的spot影像进行自然色彩变换。 基本原理 主成份变换：实质上就是在多光谱空间中根据像元灰度矢量散点的空间分布特征（主要是均值、方差分布）对影像进行的以平移、旋转为主要内容的线性变换，使变换后各个坐标轴与影像多光谱空间变化的主要方向保持一致；变换后坐标轴的原点位置取决于多光谱空间中的均值矢量，坐标轴的长短与各个波段方差、协方差成正比；主成分变换去除了原影像各个波段之间的相关性，还把有用的信息集中到数目尽可能少的几个主成分影像波段上，从而提高了影像目视分析的效率。 变换后各个波段影像所含的信息量由其所对应的特征值大小来度量： 所以变换后各个波段影像上的信息量依次递减。 经过K-L变换后，Y的各个行向量依次称为第一主成分、第二主成分，…，第N主成分，并且第一主成分包含了原影像的大部分信息、第二主成分包含了第一主成分不能表达的信息，信息量少于第一主成分、第三主成分包含了前两个主成分未能表达的信息，信息量少于第一、第二主成分，其余影像信息分布在其他主成分中，且信息量依次递减，最后的几个波段的影像上实际仅包含噪声信息。 樱帽变换：Tasseled Cap又称为K-T变换。一种特殊的主成分变换： 意义： y1 代表亮度分量（brightness），是TM六个波段亮度值的加权和，反映了总体的亮度变化；y2 代表绿度分量（greenness），与亮度分量垂直，是近红外与可见光波段的对比；又称为绿度植被指数（GVI）；y3 代表黄度或湿度分量（yellowness），主要与土壤湿度/水分状况有关；y4 对于MSS数据没有意义，而对于TM数据代表霾，大气辐射衰减效应。 K—T变换的生物物理意义：绿度维和亮度维组成的二维空间构成植被视面，它反映了植被从破土发芽、生长、开花到结实等各个阶段的整个生物过程。随叶面积增加而绿度值增加，之后开始成熟、枯黄，绿度很快降回到最低点。 K—T变换的生态意义：湿度（黄度）与亮度组成的平面为土壤视面，绿度与湿度（黄度）组成的平面称为过渡区视面。 Landsat TM变换系数： 去相关拉伸：用于消除多光谱影像中各个波段之间的相关性，从而生成一幅色彩亮丽的彩色合成影像。 方法：首先对影像进行主成份变换，并对主成份变换结果进行反差拉伸，然后再进行主成份逆变换，将影像恢复到RGB彩色空间，达到影像增强的目的。 色彩变换：颜色是重要的视觉信息，识别各种不同的颜色是人类与生俱来的能力。人的视觉系统有3类视锥细胞用于感知颜色，其峰值响应波长分别为430nm，530nm和560nm；人类能够感知和识别的明暗灰度等级不过是10多种，但是能够识别的颜色数目一般可达上百种。好的视觉观察者甚至可以识别17000种颜色；三原色原理（T. Young）：人类的视觉系统所感知的所有颜色都是红、绿和蓝色这三种基本颜色的线性混合形式。 ENVI HSV模型（对应ERDAS IHS模型）：人眼的视觉生理感受，H：Hue，色度/色调，与颜色对应的电磁波波长（或者频率）有关，红色的色度值为0 （或255），绿色为2/3π（或85），蓝色为4/3 π （或170）；S：Saturation，色饱和度，代表颜色的纯度V/I：Value/Intensity，色值/亮度。 RGB—HSV彩色变换： 简单变换： 一般方法： 自然色彩变换：利用绿、红、近红外三个波段数学变换形式仿真自然色彩。