数字图像处理 遥感图象的空间增强.pptVIP

第七章 遥感图象的空间增强 7.1 卷积滤波 7.2 密度分割 7.3 分辨率融合 7.4 自适应滤波 空间增强Spatial Enhancement 辐射增强是基于每一独立像素的操作，而空间增强（Spatial enhancement）则是基于周边像元值而作的像元值的修改。 空间增强主要是处理空间频率（spatial frequency），空间频率是指相邻像素之间最大值和最小值之间的差值。Jensen（1986）将空间频率定义为：单位距离内亮度值的变化量。 空间域增强技术 强调某像元与其周围相邻像元的关系。也叫“滤波”。 图像平滑：滤掉孤立的单点噪声，平滑图像的一些细致的纹理结构。突出图像的基本骨架结构。 ? 均值平滑：在以像元点为中心的M×N邻域范围内 取平均值代替该像元的值。以达到去掉尖锐“噪 声”（亮度值特别高的孤立点）和平滑图像的目的。 ? 中值滤波：在以像元点为中心的M×N邻域范围内 取灰度中值代替该像元的值。 7.1 卷积滤波Convolution Filtering 卷积滤波是利用卷积子（convolution kernel）对影像按子区像素集作平均计算的过程，该算法用于改变影像的空间频率特征。 卷积子（convolution kernel） 卷积子是一个数值矩阵，这些数值也称为系数，提供相应的权重，对所计算像素及其周边像素的值进行加权平均计算。 频率域增强技术 频率定义：图像中亮度值随位置变化的频繁程度可以表达为频率。 （1）低通滤波： 为了削弱边缘、线条、噪声等高频信息，保留较为平滑的图像即低频信息，需设计一种函数，使其在频率域内起到滤波器的作用。这种滤波器叫做低通滤波器，可以起到平滑图像的作用。 其他空间增强技术 密度分割 density slice 分辨率融合 resolution merge 自适应滤波 adaptive filter 7.2 密度分割 density slice 对黑白图像按灰度分层给予不同彩色色调和明度的处理，称为伪彩色处理或密度分割。密度分割中的彩色是人为加上去的，带有任意性，与原来地物的颜色毫无关系，只和灰度有关，因此叫伪彩色。密度分割后，提高了分辨力，可以表达出在黑白图像上看不到的信息。 7.3 分辨率融合resolution merge TM传感器有7个波段，空间分辨率为28.5cm，而spot全色波段具有较高的空间分辨率—10m，将两种影像结合起来，产生7个具有10m分辨率的波段数据，这就综合了两种传感器各自的优点。 分辨率融合方法 正—反RGB-HIS变换 正—反主成份变换 正—反RGB-HIS变换 Welch和Ehlers（1987）使用正—反RGB-HIS变换，将TM转换成HIS，然后用spot全色波段替代I，生成新的HIS，再转回RGB，这项技术仅限于三个波段（RGB）。 正-反主成份变换 Chavez（1991）利用正反主成份变换，对TM进行主成份分析，然后用SPOT的全色波段替代PC-1，再做逆主成份变换。 resolution merge 这两项技术中，都假定强度组份（PC-1或I）在光谱上相当于SPOT的全色影像，而所有的光谱信息则包含在其它主成份或H、S中。 主成份融合的步骤 ①对TM1-5、7作主成份变换； ②找出PC-1的最大、最小值； ③将SPOT全色波段数据按PC-1最大、最小值进行拉伸； ④用拉伸后的SPOT全色波段影像替代PC-1； ⑤做逆主成份变换，重新生成TM1-5、7波段。 7.4 自适应滤波 adaptive filter 对比度增强（影像拉伸）是广泛应用的标准影像处理技术，但有些环境中这一方法并非最佳途径。例如，在海岸带研究中，水的细节分布在很底的DN值范围，而陆地细节分布在很高的DN值区域，在这种情况下，能够自动适应（adapts）移动窗口区域拉伸的滤波器无疑会产生更好的效果（Fahnestock and schowengerdt 1983, Peli and Lim 1982, Schwartz 1977）。 自适应滤波的像幅能划分三个宽而重迭的范畴： 未降级的（undergraded）——这些像幅具有良好的和一致的亮度，这是我们所希望得到的像幅，如TM, Spot影像。 低亮度（Low luminance）——这些像幅全部或部分区域亮度较低，遮盖的或阴影地区属于此类，这些像幅需要增加对比度和亮度。 高亮度（High luminance）—这些像幅具有极高的DN值，如过度暴露的或有轻度云雾覆盖的环境，这些像幅需要减少