第7讲遥感图像的增强处理.ppt

第7讲 遥感图像的增强处理 §1遥感图像的增强处理 §2遥感数据的计算机分类法 §3常用遥感图像处理软件 §1 遥感图像的增强处理 目前常用的遥感图像增强处理主要有：彩色合成、灰度变换、直方图变换、密度分割、灰度颠倒、图像间运算、邻域增强处理、主成分分析、K－T变换、信息融合。 §1 遥感图像的增强处理 一、彩色合成 为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。 彩色图像可以分为真彩色图像和假彩色图像。 彩色合成的原理图 真彩色图像 真彩色图像上影像的颜色与地物颜色基本一致。 利用数字技术合成真彩色图像时，是把红色波段的影像作为合成图像中的红色分量、把绿色波段的影像作为合成图像中的绿色分量、把蓝色波段的影像作为合成图像中的蓝色分量进行合成的结果。 如TM321分别用RGB合成的图像。 假彩色图像 假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。 遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。它是在彩色合成时，把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。 如TM432用RGB合成的图像为标准假彩色图像。 实验：彩色增强处理 内容： 利用ERDAS软件，增强TM图像。 进行TM321真彩色合成。 进行TM432的标准假彩色合成。 将合成的图像保存，作为实习四图像判读时的彩色图像。 §1 遥感图像的增强处理 二、灰度颠倒 灰度颠倒在光学处理中为负片印制成正片，或反之。 灰度变换数字处理是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)成饱和状态，然后进行颠倒。这样的运算，可以使正像和负像互换。 §1 遥感图像的增强处理 三、直方图调整 直方图：统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。 一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。 直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。 一般的遥感图像处理软件均有此功能。 §1 遥感图像的增强处理 四、密度分割 图像密度分割原理可以按如下步骤进行： （1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中n为需分割的层数； （4）求各层的密度区间； （5）定出各密度层灰度值或颜色。 密度分割原理图 §1 遥感图像的增强处理 五、图像间运算 两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。 减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。 比值运算：常用于计算植被指数、消除地形阴影等。 植被指数： NDVI=（TM4-TM3）/（TM4+TM3） §1 遥感图像的增强处理 六、邻域增强处理 邻区法增强处理是在被处理像元周围的像元参与下进行的运算处理 。 邻域处理又叫滤波处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。 邻区法处理用于去噪声、图像平滑、锐化和相关运算 。 §1 遥感图像的增强处理 七、主成分分析 在遥感图像分类中，常常利用主成分分析算法来消除特征向量中各特征之间的相关性，并进行特征选择。 主成分分析算法还可以用来进行高光谱图像(Hyper-spectral images)数据的压缩和信息融合。 例如：对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。 主成分分析的原理(next)。 主成分分析原理 §1 遥感图像的增强处理 八、K-T变换及其应用 Kauth-Thomas变换（…)，简称K-T变换，又形象地称为“缨帽变换”。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。 目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。 §1 遥感图像的增强处理 九、信息融合 遥感图像信息融合(Fusion)是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。 不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。 §2 遥感数据的计算机分类法 遥感图像的分类（