实习5、遥感影像多光谱变换精选.docxVIP

实习序号及题目遥感影像多光谱变换实习人姓名专业班级及编号任课教师姓名实习指导教师姓名实习地点榆中校区实验楼A209实习日期时间2013-11-28实习目的理解主成份变换、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和操作步骤。掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进行遥感影像分析基本原理1、主成分分析（PCA）是指在将多光谱空间中的地物信息通过一阶线性变换矩阵形式表现出来，即Y其中X=[x1, x2, …, xn]T为多光谱空间中的各个像元向量，亦即多光谱影像数据的集合；Y=[y1, y2, …, yn]T为变换后生成的各个主成份分量，亦即变换后形成的多光谱影像数据的集合。A为变换系数矩阵，此矩阵为一方阵，且矩阵的大小等于多光谱空间的维数。通常情况下，这种运算可以被看作是揭露数据的内部结构，从而更好的解释数据的变量的方法。如果一个多元数据集能够在一个高维数据空间坐标系中被显现出来，那么PCA就能够提供一幅比较低维度的图像，这幅图像即为在信息最多的点上原对象的一个‘投影’。这样就可以利用少量的主成分使得数据的维度降低了。主成分变换以后生成了新的多光谱影像Y，Y的各个行向量依次称为第一主成分、第二主成分，…，第N主成分，并且各自有以下特征：第一主成分包含了原影像的大部分信息；第二主成分包含了第一主成分不能表达的影像信息，信息量少于第一主成分；第三主成分包含了前两个主成分未能表达的影像信息，信息量少于第一、第二主成分；其余影像信息分布在其他主成分中，且信息量依次递减，最后的几个波段的影像上实际仅包含噪声信息。主成分变换不仅去除了原影像各个波段之间的相关性，还把有用的信息集中到数目尽可能少的几个主成分影像波段上，从而有效地提高了影像目视分析的效能。2、缨帽变换（Tasseled Cap transform)，又称为Kauth-Thomas（K-T）变换。一种特殊的主成分变换： ，其中，，对应于TM影像的1、2、3、4、5、7波段。变换后得到：，缨帽变换后：y1 代表亮度分量（brightness），是TM六个波段亮度值的加权和，反映了总体的亮度变化；y2 代表绿度分量（greenness），与亮度分量正交，反映近红外与可见光波段的对比关系；又称为绿度植被指数（GVI）；y3 代表黄度或湿度分量（yellowness），主要与土壤湿度/水分状况有关；y4 对于MSS数据没有意义，而对于TM数据代表霾，大气辐射衰减效应。在缨帽变换过程中绿度维和亮度维组成的二维空间构成植被视面，它反映了植被从破土发芽、生长、开花到结实等各个阶段的整个生物过程。随叶面积增加而绿度值增加，之后开始成熟、枯黄，绿度很快降回到最低点。湿度（黄度）与亮度组成的平面为土壤视面，绿度与湿度（黄度）组成的平面称为过渡区视面。3、去相关拉伸（Decorrelation stretch）首先对影像进行主成份变换，并对主成份变换结果进行反差拉伸，然后再进行主成份逆变换，将影像恢复到RGB彩色空间，达到影像增强的目的。主要用于消除多光谱影像中各个波段之间的相关性，从而生成一幅色彩亮丽的彩色合成影像。4、色彩变换：在计算机内定量处理色彩时通常采用RGB（Red、Green、Blue）表色系统，但在视觉上定性的描述色彩时，采用HSV显色系统更直观些。色彩变换就是对标准处理彩色合成图像在红（R）、绿（G）、蓝（B）编码赋色方面的一种彩色图像增强方法，它是借助改变彩色合成过程中的光学参数的变化来扩展图像色调差异，将图像彩色坐标系中红、绿、蓝三原色组成的彩色空间(RGB)变换为由Hue(色度)，Saturation (饱和度)，value(纯度)三个变量构成的HSV色彩模型。其目的是为了更有效地抑制地形效应和增强岩石单元的波段差异，并通过彩色编码增强处理达到最佳的图像显示效果。HSV色彩模型能够准确、定量地描述颜色特征。从RGB到CMYK的变换NTSC或YIQ色彩空间Y——亮度I——色调Q——饱和度HSL和HSV都是一种将RGB色彩模型中的点在圆柱坐标系中的表示法。这两种表示法试图做到比RGB基于笛卡尔坐标系的几何结构更加直观。HSL即色相、饱和度、亮度，HSV即色相、饱和度、明度色相（H）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（V），亮度（L），取0-100%。HSL和HSV二者都把颜色描述在圆柱坐标系内的点，这个圆柱的中心轴取值为自底部的黑色到顶部的白色而在它们中间是的灰色，绕这个轴的角度对应于“色相”，到这个轴的距离对应于“饱和度”，而沿着这个轴的高度对应于“亮度”，“色调”或“明度”。这两种表示在用目的上类似，但在方法上有区别。二者在数