环境遥感-遥感图像处理之图像增强.pptVIP

3.1 遥感数据存储格式 3.2 遥感图像校正 3.3 遥感图像的增强 3.4 图像数据的融合 第三章 遥感图像处理 3.3 图像增强内容 3.3.1 辐射增强处理 3.3.2 空间增强处理 3.3.3 光谱增强处理 3.3.1 辐射增强处理 一、对比度拉伸 对比度拉伸---对比度增强 一、对比度拉伸 一、对比度拉伸 一、对比度拉伸 一、对比度拉伸 一、对比度拉伸 二、直方图变换 二、直方图变换 3.3.3 光谱增强处理 主成分变换 缨帽变换 图像运算 彩色变换 K－L变换：离散（Karhunen－loeve）变换的简称，又被称作主成分变换。它可以将n个波段的大部分信息压缩到几个新波段或所谓的主成分上。 主成分之间相关性很小且信息量集中于主成分分量。 K－L变换： 遥感图像处理软件通常都具备这个模块。 K-T变换主要针对TM图像数据和MSS数据.对于扩大陆地卫星影像数据分析在农业方面的应用有重要意义。 K-T变换：Kauth-Thomas变换的简称，也称缨帽变换，也是一种线性变换。 K-T变换： MSS，前三个分量为亮度、绿度、黄度； TM，前三个分量为亮度、绿度、湿度。 K-T变换的实现：遥感图像处理软件通常具备。 如果将三个坐标分量立体化可以更清楚地反映出农作物生长过程中的三维形态的规律。因三维形态看起来像一顶带穗的帽子，所以有人形象地称K-T变换为“缨帽变换”。 二、图像运算 差值运算 比值运算 植被指数 1、差值运算 1、差值运算 1、差值运算 1、差值运算 近红外波段图像 近红外-红波段图像的差值 1、差值运算 2、比值运算 Ratio=B1/B2 2、比值运算 Ratio=B1/B2 语法：b1/b2 float(b1)/ float(b2) 3、植被指数 NDVI 归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 -1=NDVI=1 负值表示地面覆盖为云、水、雪等，对可见光高反射； 0表示有岩石或裸土等，NIR和R近似相等； 正值，表示有植被覆盖，且随覆盖度增大而增大； NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。  　　1) NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；  　　2) -1=NDVI=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；  　　3) NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；  　　4) NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。  1)绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2；  2)RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量；  3)植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度50%时，这种敏感性显著降低；  4)RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 PVI——垂直植被指数 较好的消除了土壤背景的影响，对大气的敏感度小于其他VI  植被指数 1、HSI彩色空间变换 R、G、B H、S、I； 1、HSI彩色空间变换 H、S、I = H、L、S 环绕垂直轴的圆周代表色调，以红色为0o，逆时针旋转，每隔60o改变一种颜色，一周 360o刚好6种颜色，顺序为红、黄、绿、青、蓝、品红。 1、HSI彩色空间变换 R、G、B H、S、I（HLS）； 3、单波段彩色变换-----密度分割法： 将图像的亮度值变化范围按一定规则进行分割，划分成若干等级； 每个等级赋予一种颜色； 1、通过k-t变换使植被与土壤的光谱特性分离。植被生长过程的光谱图形呈所谓的穗帽状，而土壤光谱构成一条土壤亮度线，土壤的含水量、有机质含量、粒度大小、矿物成分、表面粗糙度等特征的光谱变化沿土壤亮度线方向产生。  　　2、kt变换后得到的第一个分量表示土壤亮度，第二个分量表示绿度，第三个分量随传感器不同而表达不同的含义。如，MSS的第三个