第二章遥感数据的处理与分析-2016分解.ppt

2.4 数字图像处理 空间滤波 2.4 数字图像处理 空间滤波 平滑 图像平滑的目的在于消除各种干扰噪声，使图像中高频成分消退，即平滑掉图像的细节，使其反差降低，保存低频成分。 原图 平滑处理后的图 原图 平滑处理后的图 2.4 数字图像处理 空间滤波 平滑 均值滤波：将中心像元的邻域像元值取平均作为其新象元的输出值。 2.4 数字图像处理 空间滤波 平滑 均值滤波 算子或模板大小、权可根据具体情况进行设计，设计不同的模板时，注意模板中各数值之和为1，即有平均的意思。 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/16 1/8 1/16 1/8 1/4 1/8 1/16 1/8 1/16 2.4 数字图像处理 空间滤波 平滑 中值滤波：即对以每个象元为中心的邻域内的所有像元灰度值按大小进行排列，用其中值来代替该像元值，以达到去尖锐“噪声”和平滑图像的目的。一般邻域取奇数。 2.4 数字图像处理 空间滤波 锐化 锐化是增强图像中的高频成份，突出图像的边缘信息，提高图像细节的反差，也称为边缘增强，其结果与平滑相反。 2.4 数字图像处理 空间滤波 锐化 空间域锐化是对邻区窗口内的图像微分。 从微分的原理可知，微分实际上反映了相邻像元之间灰度的变化率，图像中的边缘变化率较大，而大面积的地物变化率较小。 2.4 数字图像处理 空间滤波 锐化 2.4 数字图像处理 彩色增强 单波段图像的伪色彩增强 假彩色密度分割：首先按亮度值对象元进行分级,然后将不同等级亮度的象元赋予不同的颜色而达到增强的目的 结果使不同亮度的地物有鲜明的区别 图1 假彩色分割示例 2.4 数字图像处理 彩色增强 多波段图像的彩色合成 分别对同一地区三个不同波段的数据图像进行单基色变换，形成红、绿、蓝三基色图像，然后在彩色屏幕上进行叠置，从而构成彩色合成图像 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。 2.4 数字图像处理 多光谱图像四则运算 （一）减法运算 Bm=BX－BY 其中BX，BY为两个不同波段的图像或者不同时相同一波段图像。 作用：（1）增加地物间的光谱反差; （2）不同时相同一波段图像相减时，可以提取波段间的变化信息。 TM4 影像 TM3 影像 TM4-TM3影像 2.3 遥感图像的大气纠正 大气校正的方法 已知大气状况的校正方法 如果已知大气的垂直廓线（温、湿、压），大气水汽含量，大气光学厚度（气溶胶），以及气溶胶模式，我们可以通过大气辐射传输模式模拟，计算三个不同地表反射率条件下的大气层顶辐射亮度，进而求解得到 a 和 b 值，而达到大气效应纠正的目的。 对于可见光/近红外波段而言，大气状况最主要的影响因素是大气气溶胶的变化，即大气光学厚度的变化，因此关键是如何估算遥感图像的气溶胶分布。 2.3 遥感图像的大气纠正 大气校正的方法 暗目标法 反射率很低的地物被称为暗目标，此时遥感器接收的辐射主要来自于大气的程辐射，可以用于气溶胶光学厚度的估算。 最早被想到的暗目标是水体。干净水体在近红外波段的反射率接近于零。大气分子散射和特殊气体吸收影响可以计算并从程辐射中去除。 2.3 遥感图像的大气纠正 大气校正的方法 暗目标法 利用水体作暗目标有几大劣势。 一是陆地遥感很难找到干净水体； 二是水体的镜面反射难以避免，尤其是不平静水面总会存在破碎镜面； 三是近红外是水汽的强吸收波段，大气中的水汽吸收影响较大 2.3 遥感图像的大气纠正 大气校正的方法 暗目标法 因此，建议选择浓密植被的阴影区域作为暗目标。其原理在于： 植被在近红外具有高反射率，而大气在近红外影响较小，2个因素的综合影响，使得像元基本反映了地表特征 植被的阴影区没有太阳直射光，传感器很难接受到该部分的反射光。 2.3 遥感图像的大气纠正 大气校正实例 采用暗目标法对TM影像进行大气校正 假设天气晴朗，大气主要为瑞利散射，并忽略吸收，则有： 入射到地表的天空光为所有下行方向，即所有前