第4章 遥感图像的增强.ppt

第四章 遥感图像处理-图像增强 二、数字图像增强 　对比度变换 　空间滤波 　彩色变换 　图像运算 　多光谱变换 1、对比度变换 又称反差增强、辐射增强 主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增强反差的目的。 通过调整直方图来实现 调整后的直方图应达到： 分布好（较均匀），没有大量暗或亮的象元集中分布 Histogram Equalization Stretch 直方图匹配 把原图像的直方图变换为某种指定形状的直方图或某一参考图像的直方图，然后按照已知的指定形态的直方图调整原图像各象元的灰级，最后得到一个直方图匹配的图像 使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配 主要应用于有一幅很好的图像作为标准的情况下，对另一图像进行匹配，以改善被处理图像的质量 应用于数字镶嵌 直方图匹配条件 原始图像和参考图像 两个图像的直方图的总体形态应相似 图像中相对亮和暗的特征应相同 对某些应用，图像的分辨率应相同（但可不同） 图像中的地物类型的相对分布应相同，无论两幅图像是否覆盖同一地区。如一幅有云，另一幅没有云，应先将云去掉（覆盖），然后再进行直方图匹配 三 彩色变换 1 单波段彩色变换也称伪彩色变换，将连续的灰度值转换为少量的灰度区间，并用不同的颜色表示，增强图像的目视解译效果。 黑白灰度图像= 彩色图像 2 多波段彩色变换 HLS变换 HLS变换就是将颜色的RGB表示形式转变为色度、亮度和饱和度的表示形式 。 4、图像运算 概念：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。 原理：地物不同波段的光谱差异。 比值运算：两幅同样行、列数的图像，对应像元的亮度值相除（除数不为0）就是比值运算。该运算常用于突出遥感影像中的植被特征、提取植被类型或估算植被生物量，这种算法的结果称为植被指数。常用算法：近红外波段/红波段;或（近红外-红）/（近红外+红）.对于区分和增强光谱亮度值虽不明显，而不同波段的比值差异较大的地物有明显效果。 典型例子 比值处理的方式：根据实际情况，采取加、减、乘、除四则运算。 差值运算：两幅同样行、列数的图像，对应像元的亮度值相减就是差值运算。 5、多光谱变换 多光谱变换:针对多光谱影象存在的一定程度上的相关性以及数据冗余现象，通过函数变换，达到保留主要信息，降低数据量,增强或提取有用信息目的的方法。 其变换的本质:对遥感图像实行线性变换，使光谱空间的坐标按一定规律进行旋转。 1、K-L变换 离散变换的简称，又称主成分变换。它是对某一多光谱图像X.利用K-L变换矩阵A进行线性组合,而产生一组新的多光谱图像Y. K-L变换的特点:变换后的主分量空间与变换前的多光谱空间坐标系相比旋转了一个角度。新坐标系的坐标轴一定指向信息量较大的方向。可实现数据压缩和图像增强。 2、K-T变换 K-T变换 也称缨帽变换.是一种坐标空间发生旋转的线性变换，旋转后的坐标轴指向与地面景物有密切关系的方向 K-T变换的应用:主要针对TM图像数据和MSS数据.对于扩大陆地卫星TM影像数据分析在农业方面的应用有重要意义. 三　信息融合 遥感图像信息融合(Fusion)是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。 不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。 * * 纠正前的图像及直方图：偏暗 高反射率图像 辐射增强 纠正后的图像及直方图 反差增强 低反射率图象 高反射率图象 1 线性变换 g=uf+v f g a b m n 2 非线性变换 分段线性变换 对数变换 与人眼的视觉特性相匹配，扩张低的灰度，压缩高的灰度区. 指数变换 扩展高灰度区间,压缩低灰度区间. 3 直方图均衡 非线性的增强方法； 将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现； 根据灰度值的出现频率来分配它们的亮度显示范围，频率高的部分被增强了，频率低的部分被压缩。减少灰度等级换取对比度的增大. 效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了。 直方图均衡化（Histogram Equalization） 例：原图和直方图 均衡后的图和直方图 直方图均衡化（Histogram Equalization） First band （Green） for sa