遥感地质学1.遥感基础理论及方法概要1.ppt

假彩色图像 假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。 遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。它是在彩色合成时，把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。 如RGB用TM432合成的图像为标准假彩色图像。 二、直方图调整 直方图：统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。 一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。 直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。 一般的遥感图像处理软件均有此功能。 §1 遥感图像的增强处理 三、密度分割 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。 §1 遥感图像的增强处理 密度分割原理图 四、图像间运算 两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。 减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。 比值运算：常用于计算植被指数、消除地形阴影等。 植被指数： NDVI=（TM4-TM3）/（TM4+TM3） §1 遥感图像的增强处理 五、邻域增强处理（空间滤波） 邻区法增强处理是在被处理像元周围的像元参与下进行的运算处理 。 邻域处理又叫滤波处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。 邻区法处理用于去噪声、图像平滑、锐化和相关运算 。 §1 遥感图像的增强处理 图 像 平 滑（1） 图像的平滑是使图像中高频成分消退，即平滑图像的细节，使其反差降低，保存低频成分，在频域中称为低通滤波。 在空间域处理中，是对邻区窗口内的图像区域积分。对于离散的数字图像其平滑公式为： 式中：g(x，y)为点(X，Y)平滑后的灰度值； f(n，m)为S集合中各像元的灰度值； X = O，1，2，…，N-1； Y = O，1，2，…，N-1； S是点(X，Y)邻域中的坐标(不包括(X，Y))的集合； M是集合S中坐标点的总数。 图 像 平 滑（2） 常用平滑邻域算法 反射率 亮度值 亮度值 反射率 平滑前后的图像直方图 平滑后的影像 原始影像 锐 化 (1) 锐化是增强图像中的高频成分，在频域处理中称为高通滤波，也就是使图像细节的反差提高，也称边缘增强。 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： 锐 化 (2) 锐化前后的直方图比较 亮度值 亮度值 反射率 七、主成分分析 在遥感图像分类中，常常利用主成分分析算法来消除特征向量中各特征之间的相关性，并进行特征选择。 主成分分析算法还可以用来进行遥感图像(Hyper-spectral images)数据的压缩和信息融合。 例如：对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。 主成分分析的原理(next)。 §1 遥感图像的增强处理 原始数据为二维数据，两个分量x1、x2之间存在相关性，具有如图所示的分布。通过投影，各数据可以表示为y1轴上的一维点数据。从二维空间中的数据变成一维空间中的数据会产生信息损失，为了使信息损失最小，必须按照使一维数据的信息量(方差)最大的原则确定y1轴的取向，新轴y1称作第一主成分。为了进一步汇集剩余的信息，可求出与第一轴y1正交、且尽可能多地汇集剩余信息第二轴y2，新轴y2称作第二主成分。 主成分分析原理 x2 八、K-T变换及其应用 Kauth-Thomas变换（…)，简称K-T变换，又形象地称为“缨帽变换”。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，力争抓住地面景物在多光谱空间中的特征。 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。 1976年，Kauth和Thomas发现了一种线性变换，它使坐标空间发生旋转，但旋转后的