第05-04章 遥感图像增强.ppt

* 比值运算对于去除地形影响也非常有效。由于地形起伏及太阳倾斜照射，使得山坡的向阳处与阴影处在遥感影像上的亮度有很大区别，同一地物向阳面和背阴面亮度不同，给判读解译造成困难，特别是在计算机分类时不能识别。由于阴影的形成主要是地形因子的影响，比值运算可以去掉这一因子影响，使向阳与背阴处都毫无例外地只与地物反射率的比值有关。 比值处理还有其他多方面的应用，例如对研究浅海区的水下地形有效，对土壤富水性差异、微地貌变化、地球化学反应引起的微小光谱变化等，对与隐伏构造信息有关的线性特征等都能有不同程度的增强效果。 * 5.影像运算（植被指数特征的计算）： 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。 如植被指数（VI）等 5.1 差值运算： 即两幅同样行、列数的影像，对应像元的亮度值相减。 差值运算应用于两个波段时，相减后的值反映了同一地物光谱反射率之间的差。由于不同地物反射率差值不同，两波段亮度值相减后，差值大的被突出出来。例如，当用红外波段减红波段时，植被的反射率差异很大，相减后的差值就大，而土壤和水在这两个波段反射率差值就很小，因此相减后的影像可以把植被信息突出出来。如果不作相减，在红外波段上植被和土壤，在红色波段上植被和水体均难区分。因此影像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，黄土高原区的界线特征；海岸带的潮汐线等。 另外，差值运算还常用于研究同一地区不同时相的动态变化。如监测森林火灾发生前后的变化和计算过火面积；监测水灾发生前后的水域变化和计算受灾面积及损失；监测城市在不同年份的扩展情况及计算侵占农田的比例等。 有时为了突出边缘，也用差值法将两幅影像的行、列各移一位，再与原影像相减，也可起到几何增强的作用。 * ★遥感图像的变换处理:采用对多光谱（多波段）图像进行线性变换的方法，以减少各波段信息之间的冗余，达到保留主要信息、压缩数据量，增强和提取更具有目视解译效果的新波段数据的目的。 第 四 节 图像变换 ★实现方法： 5.影像运算：应用一定的数学方法,将完成空间配准后的多幅单波段影像或一幅遥感图像的不同波段进行各种组合运算,可以实现图像增强,达到提取某些信息或去掉某些不必要信息的目的。 ◆基于ERDAS的指数计算 * ◆基于ERDAS的指数计算 ?途径1):Interpreter/Spectral Enhancement / Indices … * ◆基于ERDAS的指数计算 ?途径2): Model Maker 模块 * 第五章 作业（2） ?要求:应用ERDAS的Model Maker 模块, 求算SPOT卫星多光谱图像(spotxs.img)的TNDVI指数。 NOTE：① TNDVI = Sqrt [ (IR-R)/(IR+R) +0.5] ② 将TNDVI的原值拉伸到0-255，方法是[(X-Xmin)/(Xmax-Xmin)]*255 * * ★遥感图像的空间域增强处理是指在图像平面上应用某种数学模型，通过改变图像像元灰度值来达到增强效果，并且这种增强并不改变像元的位置。空间域增强处理包括反差增强（线性增强、非线性增强、直方图均衡化、直方图匹配）、领域法增强（空间域滤波增强）、图像运算（四则运算、混合运算）等。 空间域是指图像平面所在的二维空间。 * 多光谱增强：是基于多波段图像对每个像元的亮度值进行变换，达到图像增强的目的。 遥感多光谱图像的波段多，例如LandSat的TM图像有7个波段，高光谱图像则包含有几十个甚至几百个很窄的波段，因此包含了大量的信息。但是，这些图像的数据量过大，运算时耗费大量机时并占据大量的磁盘空间。另外，多光谱图像的各波段之间具有一定的相关性，从而造成不同程度的信息重叠。 1.K-L变换（主成分或主分量变换）：使坐标空间发生旋转，从而将原来多波段图像中的有用信息尽可能压缩到互不相关的较少的几个波段（主成分方向）上（在所生成的主成分图像中，坐标轴指向相互垂直的主成分方向，各个主成分包含的信息内容彼此不重叠） * ★植被在近红外波段有较高的反射率，其次是在绿色波段。 ★若按上述方法进行真彩色合成，则绿色分量（对应于植被在绿色波段的反射）在整个像素的三个分量(G、G、B)中占的比例最大，所以该植被像素表现为绿色； ★若按上述方法进行假彩色合成，则红色分量（对应于植被在近红外波段的反射）在整个像素的三个分量（G、G、B）中占的比例最大，所以该植被像素表现为红色；并且假彩色红外图像可以有效地突