8 遥感图像处理(下)

二维中值滤波器的窗口形状可以有多种，如线状、方形、 十字形、圆形、菱形等。
不同形状的窗口产生不同的滤波效果，使用中必须根据 图像的内容和不同的要求加以选择。从以往的经验看，方形 方形 或圆形窗口适宜于外轮廓线较长的物体图像， 或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口 对有尖顶角状的图像效果好。 对有尖顶角状的图像效果好
问题二： 问题二：
光谱类和信息类不一致 光谱类：基于光谱特征形成的类别。 光谱类：基于光谱特征形成的类别。如房 屋的阳面和阴面光谱特征不同。 屋的阳面和阴面光谱特征不同。即不同的光谱 类。 信息类：根据实际需要人为划分的类别。 信息类：根据实际需要人为划分的类别。 如城市类由道路、建筑物、水体、 如城市类由道路、建筑物、水体、绿地等不同 地物组成。即不同的信息类。 地物组成。即不同的信息类。
(a)Prewitt 算子
(b)Sobel算子
Sobel在Prewitt算子的基础上，对4-邻域采用带权的 对 Sobel 方法计算差分，对应的模板如图(b)。 方法计算差分 根据梯度计算式就可以计算Roberts、Prewitt和Sobel 梯度。一旦梯度算出后，就可根据不同的需要生成不同的 一旦梯度算出后， 一旦梯度算出后 梯度增强图像。 梯度增强图像
它将明显边缘用一固定的灰度级 G来表现 明显边缘用一固定的灰度级L 来表现。 明显边缘用一固定的灰度级
第四种输出形式
grad ( x, y ) g ( x, y ) = LB ,
, grad ( x, y ) ≥ T 其他
此方法将背景用一个固定的灰度级 LB来表现 背景用一个固定的灰度级 来表现，便于研究 边缘灰度的变化。 第五种输出形式
式中：x，y=0，1，…，N-1； s为（x，y）的去心邻域； M表示集合s内像素的总数。 显然，邻域平均法就是将当前像素邻域内各 将当前像素邻域内各 像素的灰度平均值作为其输出值的平滑方法。 像素的灰度平均值作为其输出值的平滑方法
例如，对图像采用3×3的邻域平均法，对于像素 （m,n)，其邻域像素如下：
式中T是一个非负的阈值 非负的阈值。适当选取T，可使明显的边缘 非负的阈值 边缘 不会破坏原来灰度变化比较平缓的背景。 比较平缓的背景。 轮廓得到突出，又不会破坏 不会破坏 比较平缓的背景 轮廓得到突出 第三种输出形式
， grad ( x, y ) ≥ T LG g ( x, y ) = f ( x, y )， 其他
1 1 图4.3.2 Roberts梯度算子
为在锐化边缘的同时减少噪声的影响，Prewitt从加大 从加大 边缘增强算子的模板大小出发， 扩大到3x3来计算差 边缘增强算子的模板大小出发，由2x2扩大到 来计算差 扩大到 分，如(a)所示。
-1 0 -1 0 -1 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1
(m-1,n-1)
(m,n-1) (m+1,n-1)
(m-1,n) (m,n) (m+1,n)
(m-1,n+1) (m,n+1) (m+1,n+1)
(a)原图像 (c)3×3邻域平滑
(b) 对(a)加椒盐噪声的图像 (d) 5×5邻域平滑
特点：这种算法简单，但它的主要缺点是在降低噪 降低噪 声的同时使图像产生模糊，特别在边缘和细节处。 声的同时使图像产生模糊，特别在边缘和细节处。而且 邻域越大，在去噪能力增强的同时模糊程度越严重。 邻域越大，在去噪能力增强的同时模糊程度越严重
问题一： 问题一：
同物异谱：同类地物具有不同的光谱特征； 同物异谱：同类地物具有不同的光谱特征； 同谱异物：不同地物可能具有相似的光谱。 同谱异物：不同地物可能具有相似的光谱。
例如： 例如：
同一类作物，生长状态不同， 同一类作物，生长状态不同，光谱特征 有差异（同物异谱）， ），不同的植被类型可能 有差异（同物异谱），不同的植被类型可能 具有相似的光谱特征（同谱异物）。 具有相似的光谱特征（同谱异物）。
遥感图像的分类
遥感图像分类是按照图像中各种不同地物的 光谱特征和其它特征，将各个像元进行归类，以 光谱特征和其它特征，将各个像元进行归类， 进行归类 区分各种目标地物的过程。（识别方法） 区分各种目标地物的过程。（识别方法） 各种目标地物的过程。（识别方法
遥感图像 分类是遥感图 像处理的重要 环节也是遥感 应用最广泛的 领域之一。 领域之一。
第一种输出形式 g(x,y)=grad(x,y) 此法的缺点是 缺点是增强的图像仅显示灰度变化较徒的边缘轮 缺点是 仅显示灰度变化较徒的边缘轮 而灰度变化比较平缓或均匀的区域则呈黑色。 廓，而灰度变化比较平缓或均匀的区域则呈黑色 第二种输出形式
grad ( x , y ), grad ( x , y ) ≥ T g ( x, y ) = f ( x , y ), 其它
分类的基本原理： 分类的基本原理：
不同的地物具有不同的光谱特征， 不同的地物具有不同的光谱特征，同类地物具 有相同的或相似的光谱特征。 有相同的或相似的光谱特征。 由不同探测波段组成的多波段遥感图像是地 物这一特征的量化。 物这一特征的量化。 图像分类就是基于遥感图像中反映的同类地 物的光谱相似性和异类地物的光谱差异性。 物的光谱相似性和异类地物的光谱差异性。
LG , grad(x, y) ≥ T g(x, y) = 其他 LB ,
这种方法将明显边缘和背景分别用灰度级LG和LB表示， 生成二值图像，便于研究边缘所在位置。 生成二值图像
几点说明： 几点说明：
1、平滑与锐化的使用问题，图像增强的方法问题； 、平滑与锐化的使用问题，图像增强的方法问题； 2、图像的频率域增强方法（简单介绍）； 、图像的频率域增强方法（简单介绍）； 3、图像间的运算和其它增强方法（K-L，K-T等）。 、图像间的运算和其它增强方法（ ， 等
a 直方图均衡化
直方图均衡化是将原图像通过某种变换， 直方图均衡化是将原图像通过某种变换，得到一幅灰度 直方图较均匀分布的新图像的方法。 直方图较均匀分布的新图像的方法
直方图均衡化
b 直方图匹配
在某些情况下，并不一定需要具有均匀直方图的图像， 在某些情况下，并不一定需要具有均匀直方图的图像， 有时需要具有特定的直方图的图像，以便能够增强图像中某 有时需要具有特定的直方图的图像， 些灰度级。直方图规定化方法就是针对上述思想提出来的。 些灰度级。直方图规定化方法就是针对上述思想提出来的。 直方图规定化是使原图像灰度直方图变成规定形状的直方图 而对图像作修正的增强方法。 而对图像作修正的增强方法。
3
图像的空频域增强
任何一幅原始图像，在其获取和传输等过程中，会受 到各种噪声的干扰，使图像恶化，质量下降，图像模糊， 特征淹没，对图像分析不利。 什么是空域和频域？ 什么是空域和频域？ 为了抑制噪声改善图像质量所进行的处理称图像平滑 或去噪。它可以在空间域和频率域 空间域和频率域中进行。 或去噪 空间域和频率域 下面重点介绍空域的平滑和锐化 平滑和锐化。 平滑和锐化
b
超限像素平滑法
对邻域平均法稍加改进，可导出超限像素平滑法。它 是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进 选定的阈值进 行比较，根据比较结果决定点（x,y）的最后灰度g (x,y)。 行比较，根据比较结果决定点（x,y）的最后灰度g´(x,y)。 其表达式为
特点：此算法对抑制椒盐噪声比较有效 对保护仅有 此算法对抑制椒盐噪声比较有效，对保护仅有 此算法对抑制椒盐噪声比较有效 微小灰度差的细节及纹理也有效。但随着邻域增大 但随着邻域增大， 微小灰度差的细节及纹理也有效 但随着邻域增大，去噪 能力增强，但模糊程度也大。 同局部平滑法相比，超限像 能力增强，但模糊程度也大 元平滑法去椒盐噪声效果更好。
空域的图像平滑
局部平滑法（领域平均法） 局部平滑法（领域平均法） 局部平滑法是一种直接在空间域上进行平滑处 理的技术。它是用邻域内各像素的灰度平均值代替 邻域内各像素的灰度平均值代替 该像素原来的灰度值，实现图像的平滑。 该像素原来的灰度值，实现图像的平滑 a 设有一幅N×N的图像 × 的图像 的图像f(x,y)，若平滑图像为 平滑图像为 g(x,y)，则有：
为避免消除噪声引起边缘模糊，该 算法先找出环绕图像中每像素的最均匀 先找出环绕图像中每像素的最均匀 区域， 区域，然后用这区域的灰度均值代替该 梯度衡量灰度变 像素原来的灰度值。用梯度 梯度 像素原来的灰度值 化大小。
e
中值滤波
中值滤波是对一个滑动窗口内的诸像素灰度值排序 窗口内的诸像素灰度值排序，用 窗口内的诸像素灰度值排序 中值代替窗口中心像素的原来灰度值。 中值代替窗口中心像素的原来灰度值 例：采用1×3窗口进行中值滤波 原图像为： 2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 特点： 能有效保护边缘少受模糊。 特点：在抑制随机噪声的同时能有效保护边缘少受模糊 能有效保护边缘少受模糊 但它对点、线等细节较多的图像却不太合适。 但它对点、线等细节较多的图像却不太合适 对中值滤波来说，正确选择窗口尺寸 选择窗口尺寸的大小是很重要的 选择窗口尺寸 环节。一般很难事先确定最佳的窗口尺寸，需通过 需通过从小窗口 需通过 中值滤波试验，再从中选取最佳的。 到大窗口的中值滤波试验 中值滤波试验
(a)原图像 (b)对(a)加椒盐噪声的图像
(c)3×3邻域平滑 (d) 5×5邻域平滑
(e)3×3超限像素平滑(T=64) (f)5×5超限像素平滑(T=48)
c
灰度最相近的K个邻点平均法 灰度最相近的K
该算法的出发点是：在n×n的窗口内，属于同一集合 体的像素，它们的灰度值将高度相关。因此，可用窗口内 可 与中心像素的灰度最接近的K个相邻像素 像素的灰度最接近的 像素的平均灰度来代 与中心像素的灰度最接近的K个相邻像素的平均灰度来代 替窗口中心像素的灰度值。这就是灰度最相近的K个邻点 替窗口中心像素的灰度值 平均法。 特点：较小的K值使噪声方差下降较小，但保持细节 值使噪声方差下降较小 较 效果较好；而较大的K值平滑噪声较好，但会使图像边缘 效果较好；而较大的K值平滑噪声较好， 较好 模糊。 模糊 d 最大均匀性平滑