数字图像处理 遥感图象的光谱增强.pptVIP

第八章 遥感图象的光谱增强 8.1 假彩色合成 8.2 主成份分析 8.3 缨帽变换 8.4 RGB-HIS变换 8.5 光谱指数 光谱增强Spectral Enhancement 光谱增强需要多个波段（2个以上）的数据，用于： The enhancement techniques that follow require more than one band of data. 压缩相关的数据波段数； compress bands of data that are similar 提取新的更易于目视解译的数据波段； extract new bands of data that are more interpretable to the eye 应用数学变换和算法； apply mathematical transforms and algorithms 利用RGB三色组合显示更多的信息。 display a wider variety of information in the three available color guns (R,G,B) 第八章 遥感图象的光谱增强 8.1 假彩色合成 8.2 主成份分析 8.3 缨帽变换 8.4 RGB-HIS变换 8.5 光谱指数 8.2 主成份分析(K－L变换)  PCA—Principal Component Analysis 8.2.1 多光谱空间 8.2.2 主成份变换概念 8.2.3 主成份变换的特点 8.2.4 第一主成份的特点 8.2.5 主成份的计算 8.2.6 K-L变换目的 8.2.1 多光谱空间 就是一个n维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。像元点在坐标系中的位置可以表示成一个n维向量：其中每个分量xi表示该点在第i个坐标轴上的投影，即亮度值。这种多光谱空间只表示各波段光谱之间的关系，而不包括任何该点在原影像中的位置信息，它没有影像空间的意义，遥感数据采用的波段数就是光谱空间的维数。 多光谱数据结构 多光谱影像中的各个波段可以在N维空间中具体表示出来，每个像素根据其各波段的DN值占据N维空间中的一个位置。像素的这种空间分布由成像物质的吸收/反射光谱确定。这种像素的组团就称为多光谱数据结构（Crist Kauth，1986）。 8.2.2 主成份变换概念 主成分变换是离散（Karhunen－loeve）变换的简称，又被称作K－L变换。它是对某一多光谱影像X，利用K－L变换矩阵A进行线性组合，而产生一组新的多光谱影像Y，表达式为： Y=AX 即 主成分分析是着眼于变量之间的相互关系，尽可能不丢失信息地用几个综合性指标汇集多个变量的测量值而进行描述的方法。 通过采用主成分分析就可以把影像中所含的大部分信息用假想的少数波段表示出来，这意味着信息几乎不丢失但数据量可以减少。 主成份分析是一种常用的数据压缩方法，该方法将冗余的数据压缩成较少的波段，即减少数据维数。PCA数据各波段间是各自独立的，没有相关关系，常常比原始数据更容易解释（Jensen 1996; Faust 1989） 8.2.3 K－L变换的特点(1) (1)从几何意义来看，变换后的主分量空间坐标系与变换前的多光谱空间坐标系相比旋转了一个角度。而且新坐标系的坐标轴一定指向数据信息量较大的方向。以二维空间为例，假定某影像像元的分布呈椭圆状，那么经过旋转后，新坐标系的坐标轴一定分别指向椭圆的长半轴和短半轴方向——主分量方向，因为长半轴这一方向的信息量最大。 K－L变换的特点(2) (2)就变换后的新波段主分量而言，它们所包括的信息量不同，呈逐渐减少趋势。事实上，第一主分量集中了最大的信息量，常常占80％以上。第二、三主分量的信息量依次很快递减，到了第n分量，信息几乎为零。由于K—L变换对不相关的噪声没有影响，所以信息减少时，便突出了噪声，最后的分量几乎全是噪声。所以这种变换又可分离出噪声。 8.2.4 第一主成份特点(1) 光谱椭圆的长轴就称为第一主成份（或主分量），它的方向称为第一特征向量（eigenvector），其长度为第一特征值（Taylor 1977）。 第一主成份定义了一个新的光谱特征空间轴，散点图上的点获得了与新轴对应的新的坐标点。在光谱空间中，点的坐标就是数据文件值，通过坐标转换，可以获得与第一主成份对应的新的数据文件值，这些值存储为第一主成份波段。 第一主成份度量着数据中的最大方差，显然，第一特征值总是大于输入波段的范围 。 8.2.5 主成份的计算 对原数据作线性变换，即利用线性方程对每个像素在光谱空间中的坐标进行重新计算，将n维光