理学遥感图像处理.pptxVIP

理学遥感图像处理第1页/共25页 24 图像运算5 多光谱变换数字图像增强第2页/共25页 3图像运算 两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。 1、差值运算：两幅同样行、列数的图像，对应像元的亮度（灰度）值相减。差值图像提供了不同波段或不同时相图像间的差异信息。 2、比值运算：两幅同样行、列数的图像，对应像元的亮度（灰度）值相除（除数不为0）。比值图像，像元的亮度反映了两个波段光谱比值的差异，常用来检测植被，消除“同物异谱”现象。第3页/共25页 4图像运算1、差值运算TM4-3-2TM4-TM3第4页/共25页 5图像运算2、比值运算植被指数：是基于植被叶绿素在红色波段的强烈吸收以及在近红外波段的强烈反射，通过红和近红外波段的比值或线性组合实现对植被信息状态的表达。第5页/共25页 6图像运算2、比值运算植被指数有许多不同的表达公式：SR=NIR/R （simple ratio）（比值植被指数）NDVI=（NIR-R）/(NIR+R) （归一化差值植被指数）SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指数）如对TM数据： NDVI=（TM4-TM3）/（TM4+TM3）第6页/共25页 7图像运算2、比值运算假彩色合成图象 NDVI图象第7页/共25页 8图像运算2、比值运算太阳光砂岩阴坡阳坡地形部位波段TM1TM2TM1/TM2阳坡阴坡282243340.650.65第8页/共25页 94 图像运算5 多光谱变换数字图像增强第9页/共25页 10多光谱变换目的：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的目的。第10页/共25页 11多光谱变换1、n维多光谱空间第11页/共25页 12多光谱变换1、n维多光谱空间第12页/共25页 13多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]主成分变换（PCA, Principal Component Analysis）Hotelling变换第13页/共25页 14多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]多光谱数据各波段间往往存在一定程度的相关性，光谱反射的相关性；地形遥感器波段间的重叠应用PCA可以去除相关性、突出地物特征、压缩数据，另外还可以剔除噪声，因为PCA变换后的信息量通常随主分量顺序而减少，噪声信息更突出第14页/共25页 15多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]基本原理： 求出一个变换矩阵，经变换形成一组新的主分量波段，公式为： Y=AX其中，Y为变换后的主分量空间像元矢量，如主分量1，2，3…X为变换前的多光谱空间像元矢量，如TM1，TM2，…. A为变换矩阵。是X空间协方差矩阵Σx的特征向量矩阵的转置矩阵。第15页/共25页 16多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]步骤：计算原始图象的协方差矩阵；计算的特征值和特征向量；生成主成分第16页/共25页 17多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]第17页/共25页 18原始图象TM1-5，7主成分图象PC1-6第18页/共25页 19多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]变换意义：1、数据压缩：取123三个主分量，包含了绝大多数的地物信息，数据量可减少到43%。2、图像增强：前几个主分量，信噪比大，突出了主要信息，增强了图像。第19页/共25页 20多光谱变换2、K-L变换[离散（Karhunen-Loeve）变换]第20页/共25页 21多光谱变换3、K-T变换[（Kauth-Thomas）变换]是一种线性变换，使坐标轴发生旋转，旋转之后坐标轴的方向与地物，特别是和植被生长及土壤有密切的关系。Y=BX第21页/共25页 22多光谱变换3、K-T变换[（Kauth-Thomas）变换]第22页/共25页 23多光谱变换3、K-T变换[（Kauth-Thomas）变换]Y1:亮度Y2:绿度Y3:湿度第23页/共25页 24第24页/共25页 感谢观看!第25页/共25页