遥感图像数据的多光谱变换.pptVIP

Xi’an University of Science Technology 遥感数字图像处理 遥感数字图像处理 遥感图像数据的多光谱变换 1.多光谱空间（multi-spectral space） 遥感图像波谱增强是在多光谱空间中进行的。多光谱空间又称特征空间，就是一个n维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的一个点表示多波段图像中的一个像元。在实际应用中通常是作特征空间图来对多波段数据进行分析。常用的是两波段的特征空间图，可以对两个波段的像元分布、像元值协同变化及相关情况进行分析。 1 图像特征空间及多元统计 在特征空间中，像元点在坐标系中的位置可以表示成一个n维向量： 特征空间只表示各波段之间的关系，并不表示该点在原图像中的位置信息，没有图像空间的意义。 1图像特征空间及多元统计 散点图（ Two Band Scatterplot ） 如果给定像元在某波段的亮度值与另一波段的亮度值之间没有关联，那么它们之间是相互独立的。也就是说，一个波段的亮度值的变化不会随另一个波段的亮度值发生可预见的相应变化。通常各波段间并不是相互独立的，而是具有一定的相关关系，因此需要一些统计值来定量地表示其相关的程度。协方差就是这样的统计值，它是图像中两波段的像元亮度值和其对应波段均值之差的乘积的平均值，计算公式如下： 2.多光谱图像协方差分析（covariance analysis） 1 图像特征空间及多元统计 2.多光谱图像协方差分析（covariance analysis） 多光谱图像的每两个波段便可计算一个协方差值，多个波段便会产生多个协方差值，若波段间不存在相关关系，则值趋近0或为0。对4个波段的图像来说，会计算出如下的协方差矩阵： 1 图像特征空间及多元统计 第1波段 第2波段 第3波段 第4波段 第1波段 cov11 cov12 cov13 cov14 第2波段 cov21 cov22 cov23 cov24 第3波段 cov31 cov32 cov33 cov34 第4波段 cov41 cov42 cov43 cov44 协方差矩阵为对称矩阵，因此通常在表示协方差矩阵时只有矩阵对角线左下角被列出。 3.多光谱图像相关分析（correlation analysis） 由于协方差的大小受量纲的影响，为了消除量纲的影响，通常将两波段间的协方差除以各波段的标准差，得到两波段的相关系数： 1 图像特征空间及多元统计 相关系数是一个比值，所以它是一个无量纲的数。由于协方差小于或等于变量之间标准差的乘积，因此相关系数的取值范围为-1到+1.相关系数大于0，则说明两波段间一个波段亮度值的增加会引起另一个波段上亮度值的增加；若相关系数小于0，则说明两波段间一个波段亮度值的增加会引起另一个波段上亮度值的减少。与协方差矩阵相似，多个波段间的相关系数组成相关矩阵，同样由于相关矩阵为对称阵，通常只列出矩阵对角线的左下角。 4. 举例 对假定的4波段（绿、红、近红外、近红外）多光谱数据集最前面5个像元（1,1）（1,2）（1,5）（1,4）（1,5）进行分析。 1 图像特征空间及多元统计 像元 第1波段（B） 第2波段（R） 第3波段（NIR） 第4波段（NIR） （1,1） 130 57 180 205 （1,2） 165 35 215 255 （1,3） 100 25 135 195 （1,4） 135 50 200 220 （1,5） 145 65 205 235 该数据集是从有植被覆盖的地面获取的。 4. 举例 假定样本数据的一元统计量： 1 图像特征空间及多元统计 波段 第1波段（B） 第2波段（R） 第3波段（NIR） 第4波段（NIR） 均值 135.00 46.40 187.00 222.00 标准差 23.71 16.27 31.74 23.87 方差 562.50 264.80 1007.5 570.00 最小值 100.00 25.00 135.00 95.00 最大值 165.00 65.00 215.00 255.00 值域 65.00 40.00 80.00 60.00 4. 举例 样本数据的方差-协方差矩阵： 4.4 波谱增强 4.4.1 图像特征空间及多元统计 波段 第1波段（B） 第2波段（R） 第3波段（NIR） 第4波段（NIR） 第1波段（B） 562.50 第2波段（R） 135.00 264.80 第3波段（NIR） 718.75 275.25 1007.5 第4波段（NIR） 537.50 64.00 663.75 570.00 波段 第1波段（B） 第2波