实习三(3)报告.doc

实习任务： 1.1 RGB-IHS 变换 1.2 光谱空间的主成分分析 PCA 实习目的： 2.1 理解色彩空间模型，掌握基本的色彩空间变换方法。 2.2 了解并掌握PCA 的过程和方法； 2.3 进一步理解PCA 产生的处理效果。 3.具体内容： 3.1 RGB-IHS 变换 3.1.1基本原理 IHS 是在彩色空间中用亮度、色调和饱和度(Intensity,Hue 和Saturation) 来表示的色彩模式，又称HIS。IHS 变换是将其他色彩模式到IHS 模式的变换及 反变换方法。在自动处理彩色是， 通常采用彩色显示器显示系统进行， 彩色显 示器显示的彩色是由R（红）G（绿）B（蓝）信号的亮度来确定的，由于RGB 表 色系统不是线性的， 所以通过这种操作调整显示色的色调比较困难。 在这种情 况下，可采用将RGB 信号暂时变换为假设的表色系统IHS, 调整明度和饱和度后， 再返回到RGB 信号上进行彩色合成。把这种RGB 空间和IHS 空间之间的关系模型 及所进行的相互变换的处理过程称RGB-IHS 变换。 RGB 色彩空间到IHS 色彩空间的变换公式为： IHS 色彩空间变换到RGB 色彩空间的公式为： 若 若 若 3.1.2实习数据 实习数据为：color.jpg 3.1.3实习结果 图3.1.1 原图像 图3.1.2 RGB-IHS变换后的图像 亮度，色度，饱和度的结果如下： 图3.1.3 原始图像 图3.1.4 亮度拉伸 图3.1.5 色调拉伸 图3.1.6饱和度拉伸 图 RGB-IHS变换后的图像 图 RGB-IHS反变换后的图像 RGB-IHS变换和反变换图像之间的误差为: 3.2光谱空间的主成分分析 PCA 3.2.1基本原理 主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几 个综合指标。在实证问题研究中，为了全面系统地分析问题，必须考虑众多影响 因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个 变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的 相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在实际中研究多 变量问题时，变量太多会增加计算量和增加分析问题的复杂性。因此希望在进行 定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是解决 这类题的理想工具之一。 光谱空间的主成分分析步骤如下： 步骤1：构建影像数据矩阵X ； 其中，m 为波段数（或称变量数），n 每幅图像中的像元数。矩阵中每i 一行向量对应遥感图像的第i个波段数据（1 i m），由图像的上下相邻两行数据首尾依次相接得到。 步骤2：根据原始图像数据矩阵 X ，计算协方差矩阵S； 其中 ,为第i 个波段的均值； 步骤3：计算S 矩阵的特征值和特征向量(均为m ×1 的列向量)； 步骤4：构建变换矩阵T； 将特征值按其大小排列，排序后特征值依次为，求得各特 征值对应的单位特征向量（经归一化）? ；以各特征向量为列构成矩阵U ，即；计算矩阵U 的转置矩阵，即为所求的PCA 变换的变换矩阵T 。 步骤5：计算主分量 利用主成分变换矩阵计算Y 其中矩阵Y的行向量为第j主分量。经过主成分变换后，得到一组（m 个）新的变量（即Y 的各个行向量），它们依次被称为第1 主分量、 第2 主分量、…第m 主分量。 步骤6：STEP 6：利用前p 个主分量重构遥感影像数据矩阵，亦即主成分反变换 步骤7：将上步中得到的遥感影像数据矩阵恢复为m 个波段的数字影像。 以上七个步骤即为光谱空间的主成分分析，实际包含主成分变换及反变换。 主成分变换对应步骤1～5，主成分反变换对应步骤6～7。 说明： 将矩阵Y 的各行向量可逆向构建为影像，依次可得到m 个主成分影像。 能 保 持 主 要 影 像 数 据 的 p 值的确定方法： 定义方差贡献率，一般应取使得 0.85成立的p 值。 3.2.2实习数据 Lanier.img 3.2.3实习结果 PCA变换结果 图3.2.1原始图像 图3.2.2 PCA变换结果 图3.2.3 原始图像 图3.2.4 p=1时的反变换