-2预处理_辐射校正与增强.pptVIP

多光谱图像增强—主成分分析 必要性：波段多、信息量大、存在数据冗余 目的：通过函数变换，保留主要信息，降低数据量，增强或提取有用信息的目的 方法：对遥感图像实行线性变换，使多光谱空间坐标系进行旋转 * 主成分分析特点 主成分分析(Principle component analysis, PCA，又称主成分变换、K-L变换)，它的特点如下： 变换后的矢量是原有矢量的信息的线性组合，较好地反映了事物的本质特征 变换后的矢量的协方差矩阵是对角矩阵，矢量中各分量之间的信息是相互独立的 特征值大小反映该方向上主分量所具有信息量的多少及每个分量的相对重要性 * 主成分分析特点 前两个主成分的空间关系图示。 a)从两个遥感影像波段X1 和X2 采集到的数据的散点图，X1和X2各自的平均值为μ1 和μ2。 b)平移坐标轴到X ′坐标系，创建一个新的坐标系统，新坐标系下的亮度值可以由关系式1 X ′= X1-μ1 和2 X ′ = X2-μ2 得到。 c)将新坐标系统X ′ 沿着坐标原点（μ1，μ2）旋转，使得PC1 投影到分布点的半长轴上，PC1 的方差最大，PC2 必须和PC1 垂直。PC 轴即为这个二维数据空间的主成分。第1主成分通常解释总方差的90%以上，第2主成分2则解释方差的2%～10%，等等 * 主成分分析特点 使用查尔斯顿TM 数据所有七个波段计算得到的七个主成分影像。第1 主成分包含近红外和中红外的信息（第4、5 和7 波段）。第2 主成分主要包含可见光信息（第1、2 和3 波段）。第3 主成分主要包含近红外信息。第4 主成分包含第6 波段热红外信息。因此，七波段的TM 数据在维数上可以减为四个（第1、2、3 和4 波段），它解释了99.38%的方差 * 主成分分析应用 数据压缩 图像增强 分类前预处理 * 多光谱图像增强—缨帽变换 缨帽变换(tasseled cap，又称K-T变换)：线性变换后坐标轴的方向与植被生长及土壤有密切关系 变换后的前三个分量分别对应亮度、绿度和湿度 亮度—TM六个波段亮度值加权和，反映总体亮度变化 绿度—与亮度轴垂直，是近红外与可见光波段的对比 湿度—与土壤湿度有关 * 图像融合—问题的提出 遥感影像空间分辨率不断提高 Landsat MSS 80m Landsat TM 30m SPOT 20m IRS PAN 5.8m Quickbird 0.82m * 图像融合—问题的提出 传感器类型各有不同 SAR TM PAN 照相机 扫描仪 雷达 全色影像 多光谱影像 * 图像融合—问题的提出 高光谱影像的出现 传感器 波段数 光谱分辨率(nm) MSS 4 100 TM 7 70 HIRIS 192 10 TRW 384 5 * 遥感小卫星群 时间分辨力可选择 图像融合—问题的提出 多分辨率、多遥感平台、多光谱、多时相 ? 如何复合同一地区多源遥感影像的信息 * 图像融合—目的 不同传感器获取同一地区图像具有不同的应用特点 (Landsat TM SPOT) 图像融合可以综合不同传感器图像的优点，大大提高图像的应用精度 * 图像融合—数据类型 SPOT 10×10m 全色（Panchromatic，PAN）数据与20×20m 多光谱（Multispectral，XS）数据融合?? SPOT 10×10m 全色数据与Landsat 30×30m TM 数据融合 多光谱数据（如：SPOT XS，Landsat TM，IKONOS）与主动微波（雷达）或其它类型数据的融合 数字航空影像与SPOT XS 或者TM 数据融合 * 雷达 影像 多光谱影像 图像融合—融合步骤 全色航 空像片 数据配准：所有要融合的数据集必须 精确校正并重采样到相同大小的像元 图像融合 融合影像输出、评价和应用 * 图像融合—融合方法 简单的波段替换 利用不同色彩坐标系统（如：RGB、亮度-色度-饱和度、 色度）的色彩空间变换和替换法 高空间分辨率数据的第一主成分替换 高频滤波的逐像元相加，高空间分辨率到高光谱分辨率的转换 基于平滑滤波的亮度调节 所有要融合的数据集必须精确校正并重采样到相同大小的像元 * 色彩空间转换与替换 到现在为止，所描述的遥感数据都是在RGB色彩坐标系内。在描述用于可视分析的遥感数据时，也可以使用其它色彩坐标系。在融合不同类型的遥感数据时，可以利用其中的某些色彩坐标系。两种常用的数据融合方法是将RGB系统变换到亮度-色度-饱和度（Intensity-Hue-Saturation，IHS）系统中和使用色度坐标。 * Intensity-Hue-Saturation