遥感原理 第5讲遥感数字图像处理的基础知识.ppt

信息熵 从信息论角度反映图像信息丰富程度的一种度量方式。 pi为图像出现灰度值为i的像素的概率，L则是代表图像的最大灰度级。 均方误差（MSE） 用于恢复、压缩、传输等过程中结果图像与原始图像间的相对质量评价。 xi代表原始图像上某一点的灰度值，yi代表测试图像上与原始图像上同名点的灰度值，N代表图像像素点的数目。 峰值信噪比 功能与均方误差相同。 MSE代表的是均方差， L代表图像的最大灰度级，PSNR的单位是dB。 （2）多（波段）图像统计特征值 同一地物或同一地区在不同时间，或不同波段，或不同传感器获取的遥感图像存在着某种程度的联系（或相似，或不相似独立），依据统计学方法估计、分析这些图像间的联系程度。描述不同影像间联系程度的统计量有：协方差（阵）、相关系数（矩阵）、特征空间图（散点图） 。 用途：分析图像间的相关（似）性、主成分分析、特征选择、分类、精度评价。 多波段遥感图像的协方差（covariance） K，l：波段k和波段l 当k与l相同时，协方差等于单幅图像的方差； 当有m（m≥2）个波段时，统计任意两个波段图像间的协方差，共有m(m-1)/2个协方差，m个方差，它们一起可组成一个方差—协方差矩阵。 Band1 Band2 Band3 Band4 Band1 var1 cov1,2 cov1,3 cov1,4 Band2 cov2,1 var2 cov2,3 cov2,4 Band3 cov3,1 cov3,2 var3 cov3,4 Band4 cov4,1 cov4,2 cov4,3 var3 方差—协方差矩阵 多波段遥感图像的相关系数（correlation） 相关系数取值范围[-1,1]； 相关系数为正值，表示两幅图像亮度变化呈正相关，即当一幅图像亮度增加时，另一幅的亮度也随着增大。这时的相关系数值越大，说明两幅图像亮度信息的相似程度越大（差异越小），信息冗余度较高； 相关系数为零，表示两幅图像完全不相关； 相关系数为负值，表示两幅图像亮度变化呈负相关，即当一幅图像亮度增加时，另一幅的亮度反而减小。 γ2：表示两幅图像亮度具有线性变化关系的像元的百分比； 例：波段k和波段L图像的相关系数为γ=0.7，则γ2=49%，表示波段k和波段L中有49%的像元的亮度具有线性变化关系。 当k与L相同时，相关系数等于1； 当有m（m≥2）个波段时，统计任意两个波段图像间的相关系数，共有m(m+1)/2个相关系数，组成一个相关系数矩阵。 Band1 Band2 Band3 Band4 Band1 1 γ1,2 γ1,3 γ1,4 Band2 γ2,1 1 γ2,3 γ2,4 Band3 γ3,1 γ3,2 1 γ3,4 Band4 γ4,1 γ4,2 γ4,3 1 相关系数矩阵 特征空间图（Feature Space Image，或散点图） 提取两个波段的所有像元亮度值，并且将其出现频率描绘在2N*2N（N是表示图像灰度的二进制位数）特征空间中，数值对出现的频率越大，特征空间像元越亮。 例：某区域的两个波段图像，图像灰度用无符号3位二进制数表示。绘出这两幅图像的特征空间图。 0 3 5 2 4 6 1 3 7 5 2 1 4 3 1 7 6 4 波段2 波段1 1/9 1/9 2/9 1/9 1/9 1/9 1/9 1/9 0 3 5 2 4 6 1 3 4 5 2 1 4 3 1 7 6 3 波段2 波段1 波段1 波段2 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 绘制特征空间图时逐像元统计，没有数值对出现的地方，用0代替，最后形成一个数据矩阵(二维数组)，以图像形式显示，就是特征空间图。 可用点表示数值对出现的位置，点的多少（密度）标志某个数值对出现的频率。 特征空间图用途 特征空间图用来直观地显示判断图像波段间的相关程度，一般来说，在二维空间中，点云看起来像一顶倾斜的冒子时，说明两个波段间没有太多冗余信息（即相关性不强）；当点云呈现一个相对狭窄的椭圆时，说明两个波段间的相关程度较高。 采取地面检查点，通过检查点的实测坐标与图像量测坐标间的坐标差描述图像的几何质量。 图像几何质量评价 作业 下表是四个波段图像的部分像素值(像元亮度)，根据这些像素值，计算： （1）各波段的均值、方差、标准偏差； （2）计算四幅图像的方差—协方差矩阵和相关系数矩阵。 Pixel Band1 (green) Band2 (red) Band3 (near-infrared) Band4 (near-infrared