彩色变换

目录一、彩色变换 (2)1.1 彩色视觉 (2)1.2 色彩编码 (2)1.3 彩色的坐标变换 (4)二、图像融合 (9)2.1基于像元的图像融合 (9)2.2基于特征的图像融合 (10)2.3基于决策层的图像融合 (10)三、彩色变换在图像融合中的应用 (11)3.1图像融合的具体操作步骤 (12)四、地物识别分类 (17)4.1监督分类 (18)4.2非监督分类 (18)4.3地物识别 (19)五、总结............................................................. 错误！未定义书签。

参考文献. (21)摘要：为了解决遥感影像空间分辨率与光谱信息不能兼顾的问题，即全色影像具有较高的空间分辨率但缺乏光谱信息，多光谱影像光谱分辨率高，光谱信息丰富，但其空间分辨率低的问题，通过彩色变换原理对遥感影像数据进行融合处理，使用该融合方法能够显著提高了多光谱影像的空间分辨率，同时保留了丰富的光谱特征，融合后图像的信息量比原始图像有明显增加，有利于提高影像的判读、识别、分类能力。

一、彩色变换1.1 彩色视觉人眼感受外界的光表现出来的是一种彩色视觉。

人眼内部的感光细胞是两种类型的混合，依其物理形状分别称为杆状细胞和锥状细胞。

杆状细胞较为敏感，它为我们提供了感光能力强的单色夜视。

锥状细胞提供了在较高的光学亮度下的彩色视觉。

锥状细胞有三种形式，这主要按其将光信号转化为神经脉冲的感光化学特性区分的。

锥状细胞将电磁光谱的可见部分分为三个波段：红、绿和蓝。

由于这个原因，这三种颜色被称为人类视觉的三基色。

彩色的数字表达主要有两种方式，一是红（R）、绿（G）、蓝（B）三原色坐标系统，即RGB混色系统；二是明度（I）、色调（H）、饱和度（S）坐标系统，即显色系统。

其中明度（intensity）表示色彩的亮度；色调（hue）表示红（R）、黄（Y）、绿（G）、蓝（B）、紫（P）5种基本颜色特性；饱和度（saturation）表示色彩的纯洁度。

彩色变换就指采用不同的色彩坐标系统，把不同遥感器数据或不同性质的数据融合起来，产生彩色合成图像。

1.2 色彩编码RGB格式有几种方法可以定量地表示彩色，如彩色数字图像中像素的颜色。

最直接的方法是使用红、绿、蓝的亮度值，大小限定到一定范围，如0到1.我们把这种约定称为RGB格式。

每个像素—实际上任何可能要量化的颜色—都能用三维空间中第一象限的一个点来表示，如图1所示的彩色立方体.三色图像的灰度级直方图是RGB空间的点分布。

在RGB彩色空间的原点上，任一基色均没有亮度，即原点为黑色。

三基色都达到最高亮度时则表现为白色。

亮度较低的等量的三种基色产生灰色的阴影。

所有这些点均落在彩色立方体的对角线上，该对角线被称为灰色线。

彩色立方体中有三个角对应于三基色—红、绿和蓝。

剩下的三个角对应于三补色—黄色、青色（蓝绿色）和品红（紫色）。

图1 彩色立方体HIS格式HIS格式是Munseu提出的彩色系统格式，经常为艺术家所使用。

这种设计反映了人观察彩色的方式，同时也有利于图像处理。

在HIS格式中，I表示强度或亮度。

强度值确定了像素的整体亮度，而不管彩色是什么。

人们可以通过平均RGB分量将彩色图像转化为单色，这样就丢掉了彩色信息。

包含彩色信息的两个参数是色调（H）和饱和度（S），虽然也有人使用其等价的其他定义。

色调由角度表示，彩色的色调反映了该彩色最接近什么样的光谱波长。

一般，假定0°的彩色为红色，120°的为绿色，240°的为蓝色。

色调从0变到240度覆盖了所有可见光谱的彩色。

在240°到300°之间是人眼可见的非光谱色（紫色）。

饱和度参数是原点到彩色点的半径长度。

在外围圆周是纯的或称饱和的颜色，其饱和度值为1。

在中心是灰色阴影，即饱和度为0。

其概念还可以有如下描述：假设有一桶纯红色的颜料，它对应的色调为0，饱和度为1。

混入白色染料后使红色变得不再强烈，减少了它的饱和度，但没有使它变暗。

如果混入黑色染料，它的亮度会降低（变黑），而它的色调（红色）和饱和度（1.0）将保持不变。

HIS定义了如图2所示的一个柱形彩色空间，灰度阴影沿着轴线以底面的黑变到顶部的白。

具有最高亮度，最大饱和度的颜色位于圆柱上顶面的圆周上。

图2 柱形彩色空间1.3 彩色的坐标变换RGB编码主要是面向硬件的，几乎大部分显示设备都采用这种彩色编码，它的优点是：（1）简单；（2）其它表色系统必须最后转化成RGB系统才能在彩色显示器上显示。

RGB系统的缺点：（1）RGB空间用红、绿、蓝三原色的混合比例定义不同的色彩，使不同的色彩难以用准确的数值来表示，并进行定量分析；（2）在RGB系统中，由于彩色合成图像通道之间相关性很高，使合成图像的饱和度偏低，色调变化不大，图像视觉效果差；（3）人眼不能直接感觉红、绿、蓝三色的比例，而只能通过感知颜色的亮度、色调以及饱和度来区分物体，而色调和饱和度与红、绿、蓝的关系是非线性的，因此，在RGB空间中对图像进行增强处理结果难以控制。

HIS编码是基于视觉原理的一个系统，HIS空间中三分量I，H，S具有相对独立性，可分别对它们进行控制。

在图像融合中，可有效地复合不同分解力的数据，而保持最大的目视信息。

为利用RGB系统和HIS系统各自在显示与定量计算方面的优势，需要建立它们之间的转换关系，采用不同的坐标系可以得到不同的彩色空间变换模型。

通常将R、G、B到I、H、S的变换称为HIS正变换，而将I、H、S变换为R、G、B称为反变换。

HIS 变换的方法很多，最具有代表性的是三角形法、六棱锥法和圆柱体法。

1.3.1 圆柱体法在RGB 空间中的灰度线是彩色立方体的对角线，而在HIS 空间中是垂直中轴。

这样，我们可以建立一个（x ，y ，z ）坐标系，其中旋转RGB 立方体使其对角线与z 轴重合，而其R 轴在xz 平面上，如图3所示。

图3 圆柱体变换示意图依据三维直角坐标系的旋转变换，可以得到如下关系式：)I R G B =++1H tg C -=+ 当G B ≥, C=0；当G<B ，C=πS = 以上是由RGB 到IHS 的正变换，其反变换公式如下：当0°≤H<120°时cos())cos(60H )IS H R =+︒-)B S =-G R B =--当120°≤H<240°时cos(120))cos(80H )S H G -︒=+︒- )R S =-B R G =--当240°≤H<360°时cos(240))cos(300H )S H B -︒=+︒- )IG S =-R G B =--1.3.2 双六棱锥法设想从RGB 灰度轴的白端看，则看到的是一个正六边形，六边形的边界表示不同的颜色。

再假设用一组平行平面沿垂直于黑白轴的方向切入RGB 立方体，将平面与立方体表面的切线投射到平面上，可以构成一组大小不同的正六边形，这是一组等灰度面。

将这组等灰度面按其相应的灰度值定位，就得到一个双六棱锥(图4)。

:图4 双六棱锥模型1) IHS 正变换公式{}{}max max ,,,min min ,,R G B R G B ==m ax m in m ax,m ax I S -== (5)/6R B H R G -=+-，当R=max ，G=min ； (1)/6R G H R B -=--，当R=max ，B=min ； (1)/6G R H G B -=+-，当G=max ，B=min ； (3)/6G B H G R -=--，当G=max ，R=min ； (3)/6B GH B R -=+-，当B=max ，R=min ；(5)/6B RH B G-=--，当B=max ，G=min. 2) IHS 反变换当S=0时，无论H 的值为多少，B=G=R=1。

当S ≠0时，令h=floor(3H/π)。

式中H=2π时，H=0。

floor(x)表示取x 以下的最大整数。

设(1),(1())P I S Q I S H h =-=--(1(1))T I S H h =--+则h=0时 ,,R I G T B P ===h=1时 ,,R Q G I B P ===h=2时 ,,R P G I B T ===h=3时 ,,R P G Q B I ===h=4时 ,,R T G P B I ===h=5时 ,,R I G P B Q ===1.3.3 三角形法在RGB 彩色立方体中，以R 、G 、B 为顶点可以得到一等边三角形，如图5所示。

图5 三角形变换示意图其变换公式如下：()13I R G B =++,13()G B BH S I B I-==--，当B=min ； ,13()B R RH S I R I-==--，当R=min ； ,13()R G GH S I G I -==--，当G=min.二、图像融合图像融合是一个对多遥感器的图像数据和其他信息的处理过程。

它着重于把那些在空间或时间上冗余或互补的多源数据，按一定的规则（或算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。

它不仅仅是数据间的简单叠加，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增加解译的可靠性，减少模糊性（即多义性、不完全性、不确定性和误差）、改善分类、扩大应用范围和效果。

图像融合可在3个不同层次上进行，一是像元（pixel），二是特征（feature），三是决策层（decision level）。

2.1基于像元的图像融合是指对测量的物理参数的合并，即直接在采集的原始数据层上进行融合。

它强调不同图像信息在像元基础上的综合，强调必须进行基本的地理编码，即对栅格数据进行相互间的集合配准，在各象元一一对应的前提下进行图像象元级的合并处理，以改善图像处理的效果，使图像分割、特征提取等工作在更准确的基础上进行，并能获得更好的图像视觉效果。

基于象元的突袭那个融合必须解决以几何纠正为基础的空间匹配问题，包括象元坐标变换、象元重采样、投影变换等。

用同一映射方法对待不同类型影像，显然会有误差；而按一定规则对图像象元重新赋值的重采样过程，也会造成采样点地物光谱特征的人为变化，导致后续图像应用分析的误差，甚至错误。

此外，几何纠正需要已知遥感器的观察参数（轨道参数、姿态参数等）。

如考虑高度变化还需要用数字高程模型（DEM），这对合成孔径成像雷达SAR数据处理尤为重要。

而且它是对每个象元进行一致性检验，基于象元的图像融合往往具有一定的盲目性。