遥感技术与应用-5-遥感图像处理.pptVIP

第三节 遥感图像增强 一、图像增强的概念 图像增强（Enhancement），是指对一幅图像进行试探性的加工、改造，使人们感 兴趣的目标（地物、现象）信息突出，易于识别的技术过程 图像复原（Restoration），是指对已知降质（Degradation）原因的图像采用确定的 模型和方法，恢复图像本来面目的技术过程 项 目 图 像 增 强 图 像 复 原 前提 图像降质原因未知 图像降质原因已知 处理方法 试探性方法反复比较 确定性的模型和方法 评价标准 主观的 客观的 共同点 改善图像质量 改善图像质量 二、反差增强（Contrast Enhancement）-点操作（Point Operation） 只有当图像中的目标和背景之间的亮度差异达到一定的界限后人眼才能区分他们， 因此加大像元间的差异对于正确识别图像中的目标非常必要 1、灰度直方图（Histogram) 概念：以图像中像元灰度值为x轴，以各灰度值像元出现的频率为y轴而制成的图表 性质：a 直方图可以反映一幅图像或亮或暗的整体概貌 b 直方图可以相加运算 c 直方图并不反映像元的空间分布，因此从图像到直方图是一对一的关系， 而从直方图到图像则存在一对多的关系（由一直方图可以生成多幅图像） 2、线性拉伸变换（Scale、Linear Stretching） 是将原始图像像元亮度值的变动范围按线性关系扩展到指定范围的技术过程 设原始图像的像元亮度值为Z，其变动范围为[a，b]，而扩展后的像元亮度为Z’，其 变动范围为[Z1，Z2]，若Z1a，Z2b，则有： 分段线性拉伸（Piecewise Linear Stretching） 该公式可以实现像元间亮度值间差异的扩展，同时也可以实现亮度值差异的压缩 Picecwise Linear transform 非线性-Non-Linear 3、对数变换（Logarithmic Transform） 式中：A、B、C为3个试探参数 4、指数变换（Exponential Transform） 式中：A、B、C为3个试探参数 5、高斯变换（Gaussian Transform） 式中： —是图像像元亮度值的平均值 —是图像像元亮度值的标准差 三、空间滤波（Spatial Filtering）—邻域操作（Adjacent Operation） 1、图像卷积运算（Convolution Algorithm） 卷积函数（卷积核-Kernel）：其实质是一模板（Mask），奇数大小，如3×3 、5×5 窗口，窗口内每一元素就是类似于“权重”的数字，将该模板“套叠”到一待处理的图像 上，被套住的像元与模板内数字进行乘积运算后求和，作为窗口中间像元的处理后的 输出值。最后移动该模板，重复上述操作，直到将整幅图像遍历完毕为止。 Illustration for Convolution 2、图像平滑（Smoothing） 图像效应：滤除图像中的噪声，同时也模糊边界 （2）加权算术平均 （1）简单算术平均 加权算术平均充分考虑到像元亮度值在空间位置上的相关性，反映了“逆距离权重” （IDW—Inverse Distance Weight）的插值（Interpolation)思想,符合实际情况 （3）中值滤波（Median Filtering） 算法：用一奇数大小的模板套（窗口）叠到待平滑的图像上，取出被套住的所有像元值并 从大到小进行排序，取其中间值作为模板中间像元的亮度值写入新的图像文件即可 W为选定窗口的大小。 若图像亮度呈阶梯状变化时，用均值平滑比用中值滤波平滑效果明显；对于图像中 的单点噪声的去除有效，而且不会破坏图像边界 3、图像锐化 判识图像中目标主要是从提取目标边缘开始的。图像的边缘定义为图像局部特性的 不连续性（Discontinuity），主要是指图像灰度、颜色和纹理结构等的突变。 边缘常常意味着一个区域的终结和另一个区域的开始，边缘信息对图像分析和人的 视觉十分重要。在一幅图像中，边缘有方向（Direction)和幅度（Amplitude）两个特性。 一般认为沿边缘走向的灰度变化较为平缓而垂直于边缘走向的灰度变化剧烈。图像锐化 操作就能检测图像中不同区域的边界 在数字图像中差分来近似微分，计算出各像元的灰度梯度的幅度大小值及梯度方向， 然后通过设定幅度阈值将边缘检出。 （1）梯度算子（Gradient Operator） 在连续情况下，梯度在x, y方向上的分量大小应为 及 。其幅度值为： ， 梯度方向为： 。 离散的