5遥感图像变换——缨帽变换.docVIP

实验五 遥感图像变换——缨帽变换 一、原理及方法简介： 缨帽变换是R J Kauth和G S Thomas通过分析陆地卫星MSS图像反映农作物和植被生长过程的数据结构后提出的一种经验性的多波段图像的正交线性变换，又称K-T变换。其变换公式为：Y＝BX 这里X为变换前的多光谱空间的像元矢量，Y为变换后的新坐标空间的像元矢量，B为变换矩阵。这也是一种坐标空间发生旋转的线性变换，但旋转后的坐标轴不是指向主成分方面，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K－T变换时的B值： 在此，矩阵为6×6，主要针对TM的1至5和第七波段，低分辨率的热红外（第6波段）波段不予考虑。B与矢量相乘后得到新的6个分量，。经过研究，新分量中的前三个分量与地面景物的关系明确： y1为亮度，实际是TM的6个波段的加权和，反映了总体的反射值。y2为绿度，从变换矩阵B的第二行系数看，波长较长的红外波段5和7即（x5，x7）有很明显的抵消，剩下的4与1，2，3，刚好是近红外与可见光部分的差值，反映了绿色生物量的特征。y3为湿度，这个分量反映了可见光至近红外波段（波段1至4）与波长较长的红外（波段5，7）波段的差值，而5，7两波段对土壤湿度和植被最为敏感，便于反映出湿度特征。y4,y5,y6这三个分量与地物没有明确的对应关系，因此，K-T变换后只取前三个分量。这样也实现了数据压缩。 K－T变换的研究主要针对TM数据和以前使用过的MSS数据，目前，应用范围教窄，但它抓住了地面景物，特别是植被和土壤在多光谱空间中的特征。对于扩大陆地卫星TM影像数据分析在农业方面应用有重要意义。 二、实验目的： 了解和掌握缨帽变换的过程和处理效果。进一步熟悉PCI软件操作步骤。 三、实验步骤： 1.应用PCI Geomatica V9.1系统进行缨帽变换。 (1)进入PCI Geomatica V9.1的Focus模块； (2)打开桌面上的143-31.pix文件，如下图所示。 (3)打开“Tools”菜单，选择“Algorithm Librarian”，在弹出的“Select Algorithm”中点击“All algorithm”前的加号，在算法库中选择“TASSEL：Tasseled Cap Transformation”，如图二所示。 图二 (4)点击“ACCEPT”，在弹出的“TASSEL Module Control Panel”中的“Files”选项卡中将TM图像的1，2，3，4，5，7波段选择上。“Input Params 1”选项卡中的“Spacecraft Sensor”中选择“TM”，“Scaling Mode”中选择“NONE”。如图三所示。 (5)点击“Run”，即进行K-T变换，完成后弹出对话框如图四所示。 图三 图四 四、实验结果： K－T变换后的结果如图五所示。 图五 图五中，R，G，B三个通道的灰度值分别为50～255，0～38和0～49。K－T变换使坐标空间发生旋转，但旋转后的坐标轴不是指向主成分的方向，而是指向另外的方向，这些方向与地面景物有密切的关系，特别是与植物生长过程和土壤有关。对遥感图像实施“缨帽变换”处理，不仅能提高盐碱地的判效果，而且突出了背景地物的特征，“缨帽变换”是一种多光谱空间的线性变换，在软件上对配准后的TM影像作“缨帽变换”处理，变换后的前三维分别为亮度（主要反映土壤信息）、绿度（与图像上绿色植物的数量密切相关）和湿度（与冠层和土壤湿度有关）。亮度分量明显地反映土壤盐碱化程度的差异，土壤盐碱化程度越重，反射率越高，其影像表现是亮度越大。虽然亮度特征和湿度特征反映了大部分土壤盐碱化信息，但仍要参考绿度分量特征，将3个分量分别赋予红、蓝、绿三色制成假彩色合成影像。LANDSAT TM 图像进行缨帽变换，产生亮度(BRJGHT)、绿度(GREEN)和湿度(WET)。 BRJGHT=0.3037TM1+0.2793TM2+0.4743TM3+0.5585TM4+0.5082TM5+0.1863TM7 GREEN=-0.2848TM1-0.2435TM2-0.5436TM3+0.7243TM4+0.084TM5-0.18TM7 WET=0.1509TM1+O.1973TM2+0.3279TM3+0.3406TM4-0.7112TM5-0.4572TM7 缨帽变换也是一种线性变换，它也遵循一般线性变换的形式。目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。TM数据K-T变换后的景观意义可通过下图形象说明，图中1、2、3、4分别代表作物从发芽到枯黄生长的不同阶段。绿度与亮度组成的二维空间称植被视面，它反映了植被从破土发芽到生长旺盛阶段随叶面积增加而绿度值