[工学]第二章遥感图像增强1.ppt

遥感图像处理 第二章 遥感图像增强第一节：空域图象增强与滤波第二节：频域图象增强与滤波第三节：图像融合 定义：是指对图像的某些特征，如边缘、轮廓、对比度进行强调或尖锐化，以便于显示、观察或进一步地分析与处理。 注意：图像增强不增加图像数据中的相关信息，但它将增加所选择特征的动态范围，从而使这些特征检测或识别更加容易。 第一节、空域图象增强与滤波 对比度变换或拉伸（点运算） 线性变换、非线性变换、直方图调整 空间滤波（邻域增强） 平滑、锐化 彩色变换 假彩色变换、伪彩色变换、HIS变换 影像运算 多光谱变换 对比度变换 对比度变换 又称灰度比例尺变换。是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。属于一点对一点的逐点变换，也称作点变换。 对比度变换 线性变换 在改变图像像元运算过程中，如果变换函数 是线性的或分段线性的，这种变换就是线性变换。 线性变换是图像增强处理最常用的方法。 对比度变换 对比度变换 将亮度值为0～15图像拉伸为0～30，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。方程式为 对比度变换 对比度变换 对比度变换 对比度变换 对比度变换 非线性变换 当变换函数是非线性时，即为非线性变换。非线性变换的函数很多，常用的有指数变换和对数变换。 直方图变换 直方图变换 定义： 使输入图像灰度值的频率分布（直方图）与所希望的直方图形状一致而变换灰度值的方法。 典型的变换有2种： 直方图均衡化（histogram equalization）： 把原图像的直方图变换为各灰度值频率相同的直方图； 直方图正态化（histogram normalization）： 把非正态分布的直方图变换为具有正态分布的直方图。 直方图均衡化 把一已知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀灰度概率分布的新图象。 直方图规定化应用 又称直方图匹配，这种增强方法经常作为图像镶嵌，或应用遥感图像进行动态变化研究的预处理工作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的色调差异。 空间滤波 对比度变换的辐射增强是通过单个像元的运算从整体上改善图像的质量。 空间滤波则侧重于图像的空间特征或频率，是以重点突出图像上的某些特征为目的的，如突出边线或纹理等，因此通过像元与其周围相邻像元的关系，采用空间域中的邻域处理方法。 滤波在数学上被称为卷积。或者说是卷积的一种应用。 空间频率：指图像中色调变化的平滑或粗糙程度，即灰度变化剧烈程度的指标，是灰度在平面空间上的梯度 高空间频率（高频）区域称为“粗糙”，即图像的亮度值在小范围内变化很大（如道路和房屋的边界） 低空间频率（低频）区域称为“平滑”，指图像的亮度值变化相对较小，如平静的水体、大面积水田、草地等。 低通滤波主要用于加强图像中的低频成分，减弱图像中的高频成分；高通滤波则相反，即加强高频细节，减弱低频信息。带通滤波由于仅保留一定的频率成分，所以可用于提取、消除每隔一定间隔出现的干扰条纹的噪声。 (1) 掩模的取法不同，中心点或邻域的重要程度也不相同。 (2) 为保证输出图仍在原来的灰度范围，一般要使全部权系数之和为单位值。 (3) 常见的掩模算子 2）中值滤波器 如3X3窗口： 一般来说，图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值要优于取均值。可以在很大的程度上防止边缘的模糊。 中值滤波去除椒盐噪声和脉冲噪声效果好 椒盐噪声意思就是杂点分布很随机，很少有同一小区域内出现很稠密的大量杂点，就像你往食物中洒椒盐一样，只要水平够好，椒盐颗粒可以很均匀。而中值滤波的实现就是把每个像素周围的若干像素值按大小排序，取中间的值作为该点的像素值。 最大值滤波 最小值滤波 边缘增强 1.梯度 反映了相邻像元的亮度变化率，也就是说，图像中如果存在边缘，如湖泊、河流的边界，山脉和道路等，则边缘处有较大的梯度值。对于亮度值较平滑的部分，亮度梯度值较小。因此，找到梯度较大的位置，也就找到边缘，然后再用不同的梯度计算值代替边缘处像元的值，也就突出了边缘，实现了图像的锐化。 矢量微分----梯度 二元函数f(x,y)在坐标点(x,y)处的梯度向量的定义： 连续域的微分----离散域的差分 数字梯度向量的幅度： 拉普拉斯算子处理是常用的边缘增强处理算子，它是各向同性的二阶导数 为此，拉