数字图像处理 遥感数字图像的表示和统计描述.pptVIP

第三章 遥感数字图像的表示和统计描述 3.1 遥感图像模型 3.2 遥感图像的数字表示 3.3 单波段图像的统计特征 3.4 多波段图像的统计特征 3.5 窗口、邻域和卷积 3.6 纹理 3.1 遥感图像模型 遥感图像模型——遥感图像可以表示为某一时刻 t，在不同波长λ和不同极化方向p，能够收集到的位于坐标(x, y)的目标物所辐射的电磁波能量： L(x,y,t,λ,p)=[1-β(x,y,t,λ,p)]*E(λ) +β(x,y,t,λ,p)*I(x,y,t,λ) L(x,y,t,λ,p)——目标物所辐射的电磁波能量 β(x,y,t,λ,p)——目标物的反射率 E(λ)——对应于目标物黑体的电磁波发射能力 I (x,y,t,λ)——入射的辐射量 可见光和近红外波段，白天物体的自身发射辐射量可忽略不计： L(x,y,t,λ,p)=β(x,y,t,λ,p)*I(x,y,t,λ) 特定条件下的 L(x,y,t,λ,p) 单波段图像＝L(x,y)，常用 f(x,y) 表示 多波段或多光谱图像＝ L(x,y,λ) 多极化图像＝ L(x,y,p) 多时相图像＝ L(x,y,t) 遥感图像与“真实图像”的关系 图像数据 g(x,y)=T｛f(x,y)} g(x,y)特点： 连续性——g(x,y)在空间上分布是连续的，同时灰度也是连续分布的。 定义域的限定性。0≤x≤N,0≤y≤M，M行×N列的图像。 函数值的限定性。非负，灰度范围 0－1 函数值物理意义明确——电磁波能量的度量。 与真实图像之间存在大气、仪器、几何等影响（T)。 3.2 遥感图像的数字表示 3.2.1 图像确定性表示 图像的矩阵表示（K个波段就有K个这样的矩阵） 二值图像、灰度图像和彩色图像 图像的向量表示 按行的顺序排列象素，图像可以表示成1×MN的列向量f: f=[f0, f1, …, fi, …, fM-1]T fi =[f(i, 0), f(i, 1),…, f(I, N-1)] T i=0,1,…, M-1 3.2.2 图像的统计性表示 3.3.2 直方图 如果将图像中像素亮度（灰度级别）看成是一个随机变量， 则其分布情况就反映了图像的统计特性，这可用概率密度函数Probability Density Function (PDF)来刻画和描述，表现为灰度直方图（Histogram）。 灰度直方图——灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率。 对于数字图像来说，直方图就是灰度值概率密度函数的离散化图形。如图3.5所示。 灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。 灰度直方图 图像灰度分布的概率密度函数 设r代表图像中像素灰度级，作归一化处理后，r将被限定在［0, 1］之内。在灰度级中，r=0代表黑，r=1代表白。 对于一幅给定的图像来说，每一个像素取得［0, 1］区间内的灰度级是随机的，也就是说r是一个随机变量。假定对每一瞬间，它们是连续的随机变量，那么就可以用概率密度函数pr(r)来表示原始图像的灰度分布。 pr(r) ＝ ri/N (i=0,1,…, r-1) 如果用直角坐标系的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数pr(r)，这样就可以针对一幅图像在这个坐标系中作出一条曲线来。这就是图像灰度分布的概率密度函数曲线，如下图所示： 图像灰度分布概率密度函数 灰度直方图的性质 (1)直方图只反映该图像中不同灰度值出现的次数（或频数），而不包括某一灰度值像素所在位置信息。 (2)任一幅图像，都能惟一地确定出一幅与它对应的直方图， 但不同的图像，可能有相同的直方图。如图： 直方图应用 3.4 多波段图像的统计特征 LANDSAT 5—TM图像B1和B3图像和散点图 相关系数及相关系数矩阵 3.6 纹理 * f(x,y) x y 灰度和色彩 灰度 像素 灰度级 像素个数 图像及直方图 （a） 图像；（b） 图像的直方图 图像及直方图 (3) 一幅图像各子区的直方图之和就等于该图像全图的直方图，如图所示。 直方图的分解 *