遥感地质学4－第11讲.ppt

（五） K－L变换 在数学上称主组分分析,是在统计特征基础上的多维正交线性变换。多波段图像经过这种变换后产生出一组新的组分图像，组分图像的数目可以等于或少于原来的波段数。 目的：是将原来各波段图像中的有用信息集中到数目尽可能少的新的组分图像中，并使各组分图像互不相关，即各自包含不同的地物信息，大大减少总的数据量，便于遥感信息的提取。 主组分变换多用于多变量数据压缩。 表达式：Y＝TX X－原图像的p个波段的像元值向量 q≤p Y－变换后产生的q个组分的像元值向量 T－实现这一线性变换的变换矩阵 当n=4，q=3时，相当于: 特点：① 变换前后方差总和不变，而是把原来的方差不等量地再分配到新的组分图像中。 ② 各个组分之间相关系数为0或近于0 假彩色合成效果更好 ③ 第一组分取得方差的绝大部分，即信息量最大，其余各组分方差值依次减少，包含的信息也剧减，但可能没有重要信息。 ④ 是一种数据压缩技术，即把原来的多变量数据在信息损失最小的前提下，变换为尽可能少的新的变量，以减少数据的维数。 缨帽变换 又称K－T(Kanth-Thoms)变换，是一种经验性的多波段图像的线性变换，它是Kanth和Thoms（1976）通过MSS图像反映农作物或植被生长过程的数据结构后，提出的一种正交线性变换。由于农作物生长过程中的三维形态画出来像一顶带穗的帽子，所以有人形象地将K－T变换又称作“缨帽变换” (1)遥感图像的数据结构特征土壤与植被的光谱特征互不相关。 ISB － 第一组分图像是MSS四个波段的加权和，它反映了地物总的电磁波辐射率。对土壤分类有效。 IGV － 第二组分图像等于MSS6与MSS7的加权和再减去MSS4与MSS5的加权和，反映了植被的生长情况，对植被分类有效。 IY － 第三组分图像是MSS5与MSS7的加权和减去MSS4与MSS6的加权和，称为“黄色物” IN － 其它 为什么要做IHS变换： 1.RGB系统中，由于彩色合成图像通道之间的相关性很高，使合成图像的饱和度偏低，色调变化不大，图像的视觉效果差。 IHS变换可用于彩色合成图像的饱和度增强： .图像分类处理的实质: 按概率统计规律 ,选择适当的判别函数、 建立合理的判别模型把这些离散的“集群” 分离开来，并作判决和归类 .图像分类处理的步骤 ☆特征提取：为把有用信息尽可能地集 中在较少的互不相关的或各自包含不同信息 的新的变量中而进行的图像分析工作。 波谱特征提取 空间特征提取 ☆决策分析：确定每个物体应该归属的 预定义类别，即每个物体被识别为某一特定 类型—通过分类过程实现。 * * （四）卷积增强 图像的空间信息主要是由不同像元之间 或不同灰度值之间的空间位置关系、组合或 排列的形态、方向、规模及出现的频率等决 定的。 空间信息增强处理中同时参加运算的主 要不是一个像元的多波段灰度向量，而是每 个正在处理的像元周围的若干像元，甚至整 个图像。— 邻域处理 第十一讲 空间信息增强主要指高频信息及方向性 特征的增强。高频信息反映的是边缘及线条 特征。 如：与地质构造有关的线性特征、不同地质体的边界以及与岩性特征有关的结构特征，都表现有一定的空间分布频率，可使用空间滤波的方法进行增强。卷积处理就是空间滤波方法之一，卷积增强是一种领域处理技术。 卷积增强—通过一定尺寸的模板（矩阵） 对原图像进行卷积运算实现—空间卷积 计算模板元素和对应像元亮度值的乘积和，用数学式可表示为：mi为模板元素值，gi为相应图像中各像元的亮度值。 f = ∑migi = m1g1 + m2g2 + … + m9g9 相当于把模板逐次放在每一个像元上，计算模板元素和对应像元亮度值的乘积和，亦就是滤波后（模板）中心像元的输出值。以4为中心像元对应图像上中的每一个像元进行依次移动，缺行缺列补上四周对应的行列，无数字为0，模板中心沿图像依次移动，每一位置上模板中每个点与图像对应的像元点相乘后再相加。 7 6 3 0 5 4 2 0 3 2 1 0 3 2 1 0 0 -1 0 -1 4 -1 0 -1 0 * 3 4 1 -3 1 1 0 -2 -1 -2 -1 -1 1 0 0 -1 图像 模板 结果 卷积增强对突出某一方向地质体边界和 线性构造或形迹常具明显的效果，对一些环 形构造也有增强作用 2 1 0 1 0 -1 0 -1 -2 -1 0 1 -2 0 2 -1 0 1 0 -1 -2 1 0 -1 2