缨帽变换实验
实验一：光谱增强处理
实验一：光谱增强处理一、实验目的与内容1.掌握常用的光谱增强（Spectral Enhancement）处理方法2.主成分变换（Principal Components）3.主成分逆变换（Inverse Principal Components）4.去相关拉伸（Decorrelation Stretch）5.缨帽变换（Tasseled Cap）6.色彩变换（RGB to HIS）7.色彩逆变换（IHS to RGB）8.指数计算（Indices）9.自然色变换（Natural Color）二、实验数据ERDAS自带数据lanier.img（实验结果保存在data文件夹中）。
三、实验步骤及注意事项1.主成分变换（Principal Components）主成分变换是一种常用的数据压缩方法，该方法将冗余的数据压缩成较少的波段，即减少数据维数。
PCA (Principal Component Analysis,主成分分析)数据各波段间是各自独立的，没有相关关系。
注意选中Stretch to Unsigned 8 bit。
2.主成分逆变换（Inverse Principal Components）将主成分变换获得的图像重新恢复到RGB彩色空间，应用时，输入的图像必须是由主成分变换得到的图像，而且必须有当时的特征矩阵参与变换。
需用到主成分变换中的数据。
3.去相关拉伸（Decorrelation Stretch）是对图像的主成分进行对比度拉伸处理，而不是对原始图像进行拉伸。
操作时，输入原始图像，系统首先进行主成分变换，并对主成分图像进行对比度拉伸处理，然后进行主成分逆变换，依据当时的特征矩阵，将图像恢复到RGB空间。
4.缨帽变换（Tasseled Cap）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。
5.色彩变换（RGB to HIS）从R、G、B3种颜色组成的彩色空间转换到以I、H、S作为定位参数的彩色空间，以便使图像的颜色与人眼看到的更为接近。
基于缨帽变换的景洪市时间序列Landsat影像森林扰动自动识别方法研究
ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ． Ａｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ，ａ ｎｄ ｔ ａ ｋ ｉ ｎ ｇ Ｊ ｉ ｎ ｇ ｈ ｏ ｎ ｇ ｃ ｉ ｔ ｙ ｏ ｆ Ｙｕｎ ｎ ａ ｎ ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ａ ｓ ｅ ｘ ａ ｍｐ ｌ ｅ，ｐ ｕ ｒ ｅ ｆ ｏ ｒ ｅ ｓ ｔ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｓ ａ ｍｐ ｌ ｅ ｓ ｗａ ｓ ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｃ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ａ ｔ ｉｒ ｆ ｓ ｔ ，ｔ ｈ ｅ ｎ ｃ ｏ ｍｂ ｉ ｎ ｉ ｎ ｇ ｔ ｈｅ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ ｓ ｏ ｉ ｌ ｂ ｒ ｉ ｇ ｈ ｔ ｎ ｅ ｓ ｓ，ｖ ｅ ｇ ｅ ｔ ａ ｔ ｉ ｏ ｎ ｇ ｒ ｅ ｅ ｎ ｎ ｅ ｓ ｓ ａ ｎｄ ｈｕ ｍｉ ｄ ｉ ｔ ｙ ｇ ｏ ｔ ｆ ｒ ｏ ｍ ｔ ａ ｓ ｓ ｅ ｌ ｅ ｄ ｃ ａ ｐ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ，ｔ ｈ ｅ ｎ ｏ ｒ ｍａ ｌ ｉ ｚ ｅ ｄ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｉ ｎｄ ｅ ｘ ｉ ｍａ ｇ ｅ ｗａ ｓ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ， ｆ ｉ ｎ ａ ｌ ｌ ｙ ｆ ｏ ｒ ｅ ｓ ｔ ｄ ｉ ｓ ｔ ｕ ｒ ｂ ａ ｎ ｃ ｅ ｉ ｎｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ
本， 然后 结合 缨帽 变换过 程 中得 到 的 土壤 亮度 、 植 被绿 度 以及 湿度 等 信 息 ， 建 立 归一 化 的扰 动 指数
主组分分析、缨帽变换
主组分分析、缨帽变换实习目的：学习使用主组分分析、缨帽变换的方法进行遥感图信息的增强实习数据：TM数据与QB数据。
实习原理：主组分分析是在统计特征基础上的多维正交线性变换。
缨帽变换是根据对多波段遥感图像数据的信息结构的分析而确定的一种正交线性变换。
实习步骤：一、主组分分析1．主组分分析（1）打开TM图像的数据（2）做主组分分析：Transform ——Principal Components ——Formal PC Rotation——Compute New Statistics and Rotate——PrincipalComponents Input File——选择要进行主组分分析的TM图像数据——OK——重新命名并保存统计数据文件和生成的主组分的图像。
（3）在进行主组分分析完成的同时，生成了关于特征值PC Eigenvalues 统计图，图中横坐标是波段，纵坐标是特征值，把鼠标放在横坐标的每一个波段的拐点处就出现对应于该波段的特征值，可以发现从第一波段到最后一个波段的特征值逐渐减小。
（4）对主组分分析变换后的生成前三个图像，基于第一幅图像进行直方图匹配后，再将这三个波段进行彩色合成（5）观察生成的统计数据的文件：Basic Tools——Statistics ——View Statistics ——打开后缀名为sta 的文件——在出现的提示框中选择所要查看的信息项目——OK——出现统计数据文件。
File Statistics Report统计文件的内容：Filename：文件名Dims：波段的大小Band ：每个波段的最大（Min）最小值（Max）标准差（Mean）Num ：Eigenvalue进行变换后生成的六个组分各自的特征值Covariance Matrix：协方差矩阵Correlation Matrix：相关矩阵Eigenvectors：特征向量2．分组主组分分析（1）分组：将TM图像的短波红外、近红外、可见光波段分别进行打包。
3.遥感图像的增强与变换处理
图像增强处理是遥感图像数字处理的基本的方法之一。 将原来不清晰的图像变得清晰或把我们感兴趣的某些特征强调出来（同时抑制了不感兴趣的 特征）的图像处理方法称为图像增强。 图像增强的目的是为了提高解像力，提高图像的可解译性。 一、教学目的与要求 掌握遥感图像的增强与变换处理 二、重点难点 ⒈ ⒉ 三、教学内容 对比度增强、锐化与平滑处理、比值与差值处理、NDVI（归一化差值植被指数）、主成分分析 （K－L变换）、缨帽变换(K－T变换)和傅立叶变换（FFTFiltering）。
所需文件：TL、TL.HRD
实现步骤： 加载 TL，用 RGB Scale 打开。 Transforms > Tassled Cap ㈦傅立叶变换（FFT Filtering） 傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。ENVI 中 FFT Filtering 包括 图像正向的 FFT、滤波器的应用，以及 FFT 向原始数据空间的逆变换。 Forward FFT (正向的 FFT)
⑵差值处理 所需文件：TL、TL.HRD 实现步骤： 加载 TL，用 RGB Scale 打开。 Basic Tools > Band Math.
“Enter an expression:” 的文本框内，输入变量名和所需要的数学运算符。
变量名必须以字符 “b” 或 “B” 开头，后面跟着 5 个以内的数字字符。 例：b7-b4 , b7-b5 , (b7-b4)/(b7+b5) , b1+sin(b2)
㈢比值与差值处理
比值法与差值法适用于对多波段图像或多时相图像进行增强处理，这是因为多波段之间的照 射条件及变化是一致的，对两个波段图像进行差值与比值运算，往往能减弱背景信息而突出局部 信息，就能达到图像增强的效果。
遥感数字图像处理-第4章 变换域处理方法
颜色空间中的颜色通常用代表3个参数的3维坐标来描述， 其颜色要取决于所使用的坐标。大部分遥感数据都采用 RGB颜色空间来描述，但对图像进行一些可视分析时，也 会使用其他颜色空间（如HSI模型）。
10
七、颜色空间变换
颜色空间分类
第4章
变换域处理方法
为什么要进行变换域处理？
换一个角度来看数字图像
空间域图像直观地为我们提供了丰富的空间和数字信息， 但如果我们将空间域图像进行某种变换，将会较为容易地 识别出一些在原始图像上无法直观看到的信息，从而有利 于图像的后续处理。
介绍常用的数字图像变换算法原理及其应用，旨 在为后续章节的图像变换域处理提供基础。
用三棱镜！ 如果想把一段音频文件不同频率的声音检测出来怎么办？
用傅立叶变换！
8
六、小波变换
小波变换与傅里叶变换类似，都是把一个信号分解成一组 正交信号，但不同于傅里叶变换中使用的三角函数，小波 变换是用由零开始由零结束、中间为一段震荡的波来表示 信号，它是一种能量在时域非常集中的波。
9
七、颜色空间变换
“鸡尾酒会问题”
在嘈杂的鸡尾酒会上，许多
（Cocktail Party Problem） 人在同时交谈，可能还有背
景音乐，但人耳却能准确而
清晰的听到对方的话语。
从混合声音中选择自己感兴 趣的声音而忽略其他声音的 现象
7
五、傅里叶变换
人的视觉系统时时刻刻都在进行“分离信号”这种行为：看 见不同的颜色，听到不同频率的声音，甚至尝到酸甜苦辣咸 这五种不同的味道也是一种识别不同信号的表现。 而傅立叶变换正是一种通过频率来分离不同信号的方法！ 如果想把自然光中的七色成分分离出来怎么办？
缨帽变换
• 为建立一种能精确提取水体并且能够消除各种云 体阴影影响的模型，对所研究的图像先进行K-T 变 换，再利用新生成的6 个波段建立水体信息提取 模型。结果表明: 只有水体( Water) 的波谱曲线具 有W 型的独特特征，建立的水体提取模型 Greenness〈Wetness〉Fourth 不但可消除云体阴 影，而且0 . 3322 TM
3
0 . 3396 TM
4
0 . 6210 TM
5
0 . 4186 TM
7
TM变换是以各波段的辐射亮度值作为变量，这些亮度值中包 含了太阳辐射、大气辐射、环境辐射等多因素的综合信息。 因此，K-T变换所得到的数值和图形，受大气纯度、光照 角度等外界的变化而波动。
• （7)定义相关系数，单击Set Coefficients按 钮。 • （8）打开Tasseled Cap Coefficients对话框。 • （9）首先确定传感器类型为Landsat 5 TM。 • （10）定义相关系数，可利用系数默认值。 • （11）单击OK,执行缨帽变换。
• 六、K-T变换的应用 • 1、在森林蓄积量估算中的应用 • 就 K-T变换的特征空间而言,其林学意义是很明确 的,森林具有较高的绿度、湿度和较低 的亮度,它 们在光谱空间具有相对稳定的位置,利用这一特殊 性质,即可用反射光谱描述森林的林学意义及其环 境特征。以浙江省临安县森林蓄积量的遥感估算 模型为例。 • 在图像处理系统上,将TM、CCT数据进行几何校正、 与公里网配准后,输出样地点及其邻点的像元亮度 值。经均衡化处理、地形辐射校正、K-T换后,输人 式得出各样地点蓄积量的计算值。整个工作流程 见图。
新版核磁共振分析应用软件用户手册——Ver 1.0
纽迈电子科技有限公司
பைடு நூலகம்
核磁共振分析应用软件 Ver 1.0
目录
目录................................................................................................................................ 1 第一章 分析软件概述.................................................................................................. 5 一、软件功能概述................................................................................................ 5 二、软件版本声明................................................................................................ 5 三、软件应用........................................................................................................ 5 1、范例一：如何自动匀场.......................................................................... 5 2、范例二：如何寻找中心频率.................................................................. 8 3、范例三：如何确定的硬脉冲脉宽........................................................ 10 4、范例四：如何设置 RG1、DRG1 和 PRG ........................................... 12 5、范例五：确定样品后，如何设置 TW ................................................ 14 6、范例六：硫酸铜水溶液的 T2 时间 ..................................................... 15 第二章 分析软件介绍................................................................................................ 19 一、软件的结构.................................................................................................. 19 二、实验步骤...................................................................................................... 19 三、登陆界面...................................................................................................... 20 四、主界面.......................................................................................................... 20 五、参数设置界面.............................................................................................. 24 1、工具栏.................................................................................................... 24 2、参数面板................................................................................................ 27 3、显示区.................................................................................................... 28 六、设置计划任务界面...................................................................................... 30 1、参数含义................................................................................................ 30 2、实验步骤................................................................................................ 31 七、用户管理界面.............................................................................................. 33 1、参数含义................................................................................................ 34 2、超级用户................................................................................................ 35 3、普通用户................................................................................................ 35 八、设备参数界面.............................................................................................. 35 九、采样数据界面.............................................................................................. 36 1、查询........................................................................................................ 38 2、输出........................................................................................................ 39
遥感概论-试验教学大纲
《遥感概论》课程实验教学大纲一、课程基本信息课程代码：16033003课程名称：遥感概论英文名称：An Introduction to Remote Sensing实验总学时：20学时适用专业：自然地理与资源环境专业课程类别：专业课先修课程：无二、实验教学的总体目的和要求1、对学生的要求本课程要求学生，第一是对所学理论进行验证，第二是掌握遥感图像处理的方法，第三，掌握遥感信息提取的过程和方法。
本实验课是综合性实验课程，实验内容涉及本课程的综合知识和本课程数相关的课程知识。
《遥感概论》是一门操作性较强的课程，能过实验验证理论及学生的动手能力及综合分析能力，进一步掌握课程知识。
要求掌握遥感数据获取的原理及遥感图像处理的原理和软件操作，增强学生用于探索的创新精神、创造意识，善于解决问题的实践能力。
2、对教师的要求教学方法注重理论和实践相结合，运用多媒体等教学手段，注重学生实际动手能力，理论课和计算机软件操作相结合。
3、对实验条件的要求计算机每人一台、遥感图像处理软件、遥感图像等。
三、实验教学内容实验项目一实验名称：Google earth浏览与ENVI软件应用基础实验内容：1. Google Earth软件的安装；2.定位、测距、路标叠加等功能的使用；3.时间滑块查看北京、上海、广州和家乡的遥感影像动态变化；4.感兴趣区域的搜寻与不同类型影像效果的对比；5.遥感图像处理软件；6. ENVI软件的安装与处理基础；7.窗口显示功能的使用与灰度图像加载；8.不同光谱库的地物反射率浏览比较。
实验性质：验证性实验学时：4实验目的与要求：1. 了解Google Earth软件的基本应用概况；2.掌握软件的安装和使用入门操作；3.掌握Google地球中的五项简单有趣操作；4.掌握定位感兴趣区域，并使用导航控件、倾斜和查看地形图；5. 了解不同遥感软件的发展和ENVI的基本应用概况；6.掌握.iso软件的安装方法和License的修改；7.掌握ENVI软件的菜单模式8.掌握灰度图像的加载方法，查看灰度图像，了解图像显示特征；9.查看光谱库中典型地物的反射率波谱，理解反射率波谱的意义；10.通过时间滑块功能查看和感受我国城市化建设与快速发展。
遥感原理实验报告2遥感图像处理
《遥感原理》实验报告实验名称：遥感图像处理专业：地理信息科学学号：姓名：指导老师：1、实验目的（1）了解彩色的基本特性和相互关系；掌握三原色及其互补色，掌握加色法；（2）学习掌握图像直方图变化与图像亮度变化的关系；掌握图像线性拉伸的方法和过程；（3）理解遥感图像彩色合成的基本原理；掌握选用不同的合成方案产生不同的合成效果的方法，从而达到突出不同目标地物的目的；（4）了解空间滤波的操作过程和空间滤波对图像产生的效果；（5）了解并掌握K-L变换的过程和方法；进一步理解K-L变换产生的处理效果和处理意义；（6）了解和掌握缨帽变换的过程和处理效果；（7）了解和掌握彩色空间变换的过程和方法。
2、实验材料Photoshop CS6、ENVI5.1、CAI软件和光盘文件3、实验内容与过程3.1 遥感图像的光学合成原理彩色的基本特性：明度、色调和饱和度为彩色的基本特性。
明度是指色彩的明亮程度，是人眼对光源或物体明亮程度地感觉，彩色光亮度越高，人眼感觉就越明亮，即有较高的明度。
明度的高低取决于光源光强及物体表面对光的反射率。
色调是色彩彼此相互区分的特性，色调取决于光源的光谱组成和物体表面的光谱反射特性。
饱和度是色彩纯洁性，取决于物体表面反射光谱的选择性程度，反射性光谱越窄，即光谱的选择性越强，彩色的饱和度就越高。
明度、色调和饱和度三者的关系可以用颜色立体来表述。
非彩色，即黑白色只用明度描述，不使用色调、饱和度。
红橙黄绿青蓝紫各种颜色组成彩图。
在遥感上，彩色图比非彩色图较易识别地物。
白色、黑色和各种灰色组成黑白图象，当物体对可见光的各个波长的反射无选择性时，表现为黑色或灰色。
3.2 遥感图像的线性拉伸打开ENVI>点击菜单栏的“Custom Stretch”按钮>选择”Linear”等进行线性拉伸；或者直接在菜单栏上选择“Linear”“Linear2%”“Linear5%”原图：线性拉伸后：Linear:Linear 1%:当拉伸效果为1%时，显示效果得到了很大改善。
缨帽变换在抚仙湖水面变化分析中的应用
缨帽变换在抚仙湖水面变化分析中的应用作者：石振杰等来源：《安徽农业科学》2015年第25期摘要为了获得近15年抚仙湖水面面积变化情况及影响因素，基于2000～2015年长时间序列Landsat ETM+和OLI共5景遥感影像，利用缨帽变换及密度分割技术快速准确地提取了云南省抚仙湖水体信息，自动绘制矢量边界，并结合研究区年平均气温及降水量资料，分析了抚仙湖水面变化的影响因素。
通过ETM+和OLI传感器参数、各波段灰度直方图对比研究以及实际运用发现，缨帽变换图像处理技术应用于OLI影像具有可行性，提取水体信息效果良好；2000年以来抚仙湖水面面积总体缩小明显，且与该区年平均气温、年降水量变化趋势一致。
总体说明气候因子对抚仙湖水面变化影响较大，两者之间关系显著；2015年抚仙湖面积有所增加，反映了云南旱情状况有所减轻。
关键词抚仙湖；遥感影像；缨帽变换；密度分割；面积变化中图分类号S127；TP79；P343.3文献标识码A文章编号0517-6611（2015）25-352-04AbstractTo analyze the Fuxian Lake area variations and the factors of these changes during recent 15 years period， Landsat ETM+ and OLI imageries from 2000 to 2015 were used to extract water body and boundary information and the factors were discussed with climate data in the area. Through the sensor parameter and each bands gray histogram comparison of OLI and ETM+ and practical application found that tasselled cap transformation image processing used in OLI image is feasible and extracted water body information works well； The Fuxian Lake area had decreased distinctly since 2000， and was consistent with the annual mean temperature and annual precipitation trends. As a whole， climate had great influence on the changes of lake area； Increased of Fuxian Lake area in 2015 reflected that the drought situation in Yunnan was relieved.Key wordsFuxian Lake； Remote sensing image； Tasselled cap transformation； Density slice； Lake area changes湖泊萎缩，是人类面临的重要湖泊环境问题之一。
缨帽变换ppt课件
BIG DATA EMPOWERS TO CREATE A NEW
ERA
• 引言 • 缨帽变换的基本原理 • 缨帽变换的实现步骤 • 缨帽变换与其他图像处理方法的比较 • 缨帽变换的优缺点分析 • 缨帽变换的实际应用案例
目录
CONTENTS
01
引言
BIG DATA EMPOWERS TO CREATE A NEW
结果可视化
将处理后的数据可视化，以便于分析 和解释。
BIG DATA EMPOWERS TO CREATE A NEW ERA
04
缨帽变换与其他图像处理方法的比较
与傅里叶变换的比较
傅里叶变换通过将图像从空间域 转换到频率域，分析图像的频率
特征。
缨帽变换则强调空间域和频率域 的联合处理，能够同时保留空间
。
医学图像处理
在医学图像处理中，缨帽变换可用 于图像增强、特征提取和图像分割 等任务，如脑部MRI图像的分析。
计算机视觉
在计算机视觉领域，缨帽变换可用 于目标检测、运动跟踪和场景理解 等任务，以提高图像分析和识别的 准确性。
02
缨帽变换的基本原理
BIG DATA EMPOWERS TO CREATE A NEW
像的分辨率和信息量。
遥感信息提取
利用缨帽变换对遥感图像进行变 换，可以提取出更多的地物特征 信息，如植被类型、土地利用类
型等。
遥感图像分类
通过缨帽变换对遥感图像进行特 征提取，可以更好地进行地物分
类，提高分类精度。
医学图像处理中的应用
医学图像增强
利用缨帽变换对医学图像进行变换，可以增强医学图像的对比度 和清晰度，提高医学诊断的准确率。
傅里叶变换,主成分变换,缨帽变换的效果对比和辨析
傅里叶变换、主成分变换和缨帽变换是信号处理领域中常用的一些变换方法，它们在处理不同类型的信号时有着各自的优势和局限性。
通过对这三种变换方法的效果进行对比和辨析，可以更好地理解它们的适用范围和特点，以及在实际应用中如何进行选择和使用。
下面将针对这三种变换方法的特点进行详细分析。
一、傅里叶变换1. 傅里叶变换是将一个信号分解成一系列不同频率的正弦和余弦函数的过程，可以将时域信号转换为频域信号。
通过对信号的频谱进行分析，可以得到信号的频率特征和谱密度，适用于频域分析和滤波。
2. 傅里叶变换的优点是能够清晰地展现信号的频率成分，对于周期性信号的分析效果尤为突出。
但是，傅里叶变换并不适用于非周期性信号的分析，且对信号长度和窗口函数的选择较为敏感。
二、主成分变换1. 主成分分析是一种多变量统计方法，它通过线性变换将原始数据转换为一组新的互相无关的变量，即主成分。
主成分变换可以用于降维和特征提取，对于高维数据的处理效果较好。
2. 主成分变换的优点是可以减少数据特征的冗余性，提取数据的主要特征，适用于数据压缩和特征分析。
但是，在实际应用中，主成分变换可能会丢失部分信息，且对于非线性数据的分析效果不佳。
三、缨帽变换1. 缨帽变换是一种局部信号分析方法，通过对信号进行时频变换，可以获得信号的瞬时频率和幅度。
缨帽变换对非平稳信号的分析效果较好，适用于时频域信号的分析和处理。
2. 缨帽变换的优点是能够同时展现信号的时域和频域特性，对于非平稳信号的局部特征分析效果显著。
然而，缨帽变换在算法实现和计算复杂度方面较高，对参数的选择和调整较为敏感。
通过对傅里叶变换、主成分变换和缨帽变换的效果进行对比和分析，可以得出以下结论：1. 傅里叶变换适用于周期性信号的频谱分析，主成分变换适用于多维数据的降维和特征提取，缨帽变换适用于非平稳信号的时频分析。
2. 在实际应用中，需要根据信号的特点和分析需求选择合适的变换方法，以达到最佳的分析效果。
ZY-3MUX影像的缨帽变换推导-遥感学报
ZY-3 MUX传感器数据的缨帽变换系数推导施婷婷, 徐涵秋*, 王帅福州大学环境与资源学院, 空间数据挖掘与信息共享教育部重点实验室, 福州大学遥感信息工程研究所, 福建省水土流失遥感监测评估重点实验室, 福州350116摘要: 缨帽变换是一种实用性都很强的遥感影像增强方法，已被成功地应用于各种遥感领域。
然而，对于缺少中红外波段的4波段高分卫星传感器，采用常规的Gram-Schmidt正交化方法难以推导出缨帽变换的湿度分量，即便少量推导出湿度分量的算法也存在着结果失真的问题。
因此，本研究开展了针对4波段传感器缨帽变换系数的推导，提出了先确定湿度分量、再确定亮度和绿度分量的逆推算法，并将其应用在ZY-3 MUX传感器数据上。
实验结果表明：(1) 逆推方法可以有效地推导出ZY-3 MUX缨帽变换的湿度分量，较好地解决了前人研究中出现的湿度分量失真问题；(2) 新方法求出的3个分量的散点在其三维特征空间中呈现典型的“缨帽”特征，较之于传统的Gram-Schmidt正交化方法，新方法的散点在水体、植被和建筑用地/裸土之间的空间分布位置可以更好地相互分离，不会造成不同地类之间的混淆；(3) 采用新方法所得到的缨帽变换系数的精度好于传统的Gram-Schmidt正交化方法，体现在新方法具有较高的R值和较低的RMSE误差。
本研究可为ZY-3 MUX数据提供一套有效的缨帽变换系数，同时也为缺乏中红外波段的高空间分辨率遥感影像提供一种新的缨帽变换系数推导方法，它解决了常规Gram-Schmidt正交化方法无法准确表示湿度分量的问题。
关键词: 缨帽变换, 湿度分量, 资源三号(ZY-3), Landsat-8, Gram-Schmidt正交化1 引言缨帽变换(Tasseled Cap Transformation, TCT)，也称为K-T变换，是Kauth和Thomas (1976)在利用Landsat MSS影像研究农作物和植被的生长过程时提出的，旨在MSS影像样点数据构成的多维光谱空间中，通过线性正交变换、空间轴旋转，将植被和土壤信息映射到多维空间的平面上，因其光谱图形呈“缨帽状”而得名。
缨帽变换实验
K-T变换增强实验与应用（缨帽变换）
课程：遥感技术与数字图像处理
实验：K-T变换增强实验与应用（缨帽变换）
姓名：郝小芬刘娅菲
学号：201005338 201005349
指导老师：杨树文
一．实验目的：
了解和掌握缨帽变换的过程和方法
二．实验原理：
K_T变换是一种线性组合变换，公式为Y=Cx+a：
X——变换前多光谱空间的像元矢量；
Y——变换后多光谱空间的像元矢量；
c——变换矩阵，a——避免出现负值所加的常数
三．实验步骤：
1．输入ETM图像L720000612_B17；
2. 在主菜单Transform Tasseled Cap，在弹出的对话框中选择输入的文件类型为ETM，指定输出到内存中，确定，输出结果。
3.变换结果为亮度，绿度和湿度分量，如下图所示，分别打开三个分量的图像与变换前进行比较。
三．实验结果：
四．实验结果分析总结：
基于缨帽变换的图像融合算法能很好地区分城市间地物,特别是在零星绿地提取中有显著效果,突出了细小地物。
融合后图像植被与建筑物之间的边界清晰,结构完整,有较好的光谱保持能力,而且零星绿地与周围建筑物对比明显,最适合于城市植被信息的提取。
主成分分析,缨帽变换
主成分分析,缨帽变换主成分分析、缨帽变换⼀，主成分变换。
步骤如下：1.打开ENVI，打开南京市的遥感影像图。
单击 Tranform-→Principal Components--→Forward PC Rotation--→Compute New Statistics and Rotate,进⾏主成分分析。
选择“南京市”遥感影像。
图12．主成分变换前后的统计对⽐单击Basic Tools--→Statistics--→Compute Statistics进⾏统计。
如图2所⽰:图2 主成分变换前（左）与变换后（右）的波段统计由主成分变换后的统计得;前三个主成分所占百分⽐达到98%以上，基本可以完全代表图的信息，可以舍去后三个主成分，起到了压缩数据的作⽤。
特征向量如下：⼆.缨帽变换同样，打开名为“南京市”的遥感影像。
单击Tranform-- Tasseled Map进⾏缨帽变换。
选择“南京市”的图层，单击OK，进⼊图3：图3如图3所⽰：本图是Landsat 5的TM影像，选择相应的卫星，选择所要保存⽂件的路径，单击OK即完成。
结果如图4所⽰：图4 从左⾄右以此代表亮度、绿度、湿度可以看出：从左⾄右以此代表明度，绿度，湿度，且越亮的地⽅，所代表的意义越⼤，例如：越亮绿度越⾼等。
三．融合进⾏图像融合的两个最⼤的要点是：具有相同的空间参考和相同的尺⼨，这就要求图像必须先进⾏⼏何校正和裁切操作才可以。
1，主成分融合⽅法（1）重采样打开Basic Tools--→Resize Data对多光谱影像进⾏像元重采样，令其像元⼤⼩与全⾊波段影像像元⼤⼩⼀致。
（2）主成分变换单击Transform--→Principal Components--→Forward PC Rotation--→Compute New Statistics and Rotate，选择重采样之后的多光谱影像进⾏主成分变换，注意变换⽂件的保存，以便完成后边的反变换。
基于缨帽变换分析地表温度变化
基于缨帽变换分析地表温度变化江丽莎;何朝霞【摘要】利用缨帽变换提取土壤亮度指数、绿度植被指数、湿度指数等地表参数,利用模型提取归一化植被指数NDVI、比值植被指数RVI、修改型土壤调整指数MSAVI等植被指数和水体指数MNDWI,利用Artis单窗算法估算热红外波段像元尺度地表温度,将地表温度的影响因素作为BP神经网络输入估算30 m空间分辨率的亚像元地表温度,分析1989～2006年桂林城区土地利用变化、缨帽变换特征分量变化、植被参数变化、水体指数变化对地表温度的影响机理.【期刊名称】《微型机与应用》【年(卷),期】2016(035)001【总页数】3页(P36-37,41)【关键词】缨帽变换;亮度指数;绿度指数;湿度指数【作者】江丽莎;何朝霞【作者单位】长江大学工程技术学院,湖北荆州434020;长江大学工程技术学院,湖北荆州434020【正文语种】中文【中图分类】TP79K-T变换称之为缨帽变换。
K-T变换是由多光谱的遥感土壤、绿色植被等数据信息，在多位光谱空间中信息分布结构对图像做的经验性线性正交变换。
K-T变换是Kauth和Thomas利用MSS图像来反应植物的生长状态提出的变换。
其本质是一种线性变换。
通过结果分析，意外地发现在MSS的特征空间中，植被光谱信息点是缨帽形状的，所以称为缨帽变换。
1.1 转换系数K-T变换本质为一种特殊的PCA变换，其转换系数是固定的。
K-T变换MSS的转换系数：Y=[Y1，Y2，Y3，Y4]T其中，Y1：亮度分量，主要反映土壤反射率变化的信息；Y2：绿度分量，反映地面植被的绿度；Y3：黄度分量，反映植被的枯萎程度；Y4：噪声，无实际意义。
K-T变换TM的转换系数：其中，Y1：亮度分量；Y2：绿度分量；Y3：湿度分量。
Y=[Y1，Y2，Y3，Y4，Y5，Y7]T1.2 K-T变换的基本思想K-T变换的本质思想是：多波段图像是N维空间特征。
其中，每一个像元都是N 维特征空间中的一个数据点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
K-T变换增强实验与应用（缨帽变换）
课程：遥感技术与数字图像处理
实验：K-T变换增强实验与应用（缨帽变换）
姓名：郝小芬刘娅菲
学号：201005338 201005349
指导老师：杨树文
一．实验目的：
了解和掌握缨帽变换的过程和方法
二．实验原理：
K_T变换是一种线性组合变换，公式为Y=Cx+a：
X——变换前多光谱空间的像元矢量；
Y——变换后多光谱空间的像元矢量；
c——变换矩阵，a——避免出现负值所加的常数
三．实验步骤：
1．输入ETM图像L720000612_B17；
2. 在主菜单Transform Tasseled Cap，在弹出的对话框中选择输入的文件类型为ETM，指定输出到内存中，确定，输出结果。
3.变换结果为亮度，绿度和湿度分量，如下图所示，分别打开三个分量的图像与变换前进行比较。
三．实验结果：
四．实验结果分析总结：
基于缨帽变换的图像融合算法能很好地区分城市间地物,特别是在零星绿地提取中有显著效果,突出了细小地物。
融合后图像植被与建筑物之间的边界清晰,结构完整,有较好的光谱保持能力,而且零星绿地与周围建筑物对比明显,最适合于城市植被信息的提取。