遥感数字图像处理_06遥感图像的辐射处理进阶

合集下载
  1. 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. 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. 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)。


空间滤波:以突出图像上的某些特征为目 的,通过像元与周围相邻像元的关系, 采取空间域中的邻域处理方法进行图像 增强方法。 图像卷积运算:在图像的左上角开一个与 模板同样大小的活动窗口,图像窗口与 模板像元的亮度值相乘再相加,得到新 像元的灰度值。
低通滤波
4 图像锐化
锐化—突出图像的边缘、线性目标或某些亮度变化 率大的部分。 罗伯特梯度:找到了梯度较大的位置,也就找到 了边缘,用不同的梯度值代替边缘处像元的值, 也就突出了边缘。 ① 索伯尔梯度
δ21 δ22 δ23 = 1/16 δ31 δ32 δ33 1/16
Σ=
-1/16 3/16
由|Σ -λ E |=0
λ 1=λ 2=0.25 λ 3=0.0625 如只有P1,P2两幅影像则:λ 1=1/4,λ 2=1/8 =11 λ 1 当λ 1=1/4,时: δ11 δ12 V11 V δ21 δ22 V11 V11
IKONOS(1m)数据与TM数据融合图
大连星海湾8米分辨率福卫二号卫星多光谱影像
大连星海湾2 米分辨率福卫二号全色影像
全色与多光谱融合影像
作业: 1:名词解释:图像平滑 2:辐射校正的目的是什么?辐射校正包括 哪些内容? 3:图像锐化与图像平滑有何区别与联系? 4:什么是主成分变换?主成分变换的基本 性质有哪些?
四 图像融合层次
1像素级融合 对原始图像及预处理各阶段上所产生 的信息分别进行融合处理,将各图像的 像元的物理量加权求和,该值对应为同一 坐标上新图像的像元值,其作用是增加图 像中的有用信息成分。
2特征级融合 特征级融合是在图像特征提取阶段的融合。 对于不同图像进行的特征提取,必须按照各 自图像上相同类型的特征进行融合处理,其 使得能够以高的置信度来提取有用的图像 特征。
Y=A· X Y=(ISB IGV IY IN)T X=(X4 X5 X6 X7) 其中:ISB——土壤亮度轴的像元亮度值 IGV——植物绿色指标轴的像元亮度值 IY —— 黄色轴 IN —— 噪声轴 Xi —— 地物在MSS四个波段上的亮度值
穗帽变换的变换矩阵根据经验确定。Kauth和Thomas 研究出的矩阵A具有如下形式:
3决策级融合 决策级融合是高水平的融合。其按照应 用的要求首先对图像进行分类,确定各个类 别中的特征影像,然后进行融合处理。
SPOT与TM347波段配准、融合结果
10米分辨率SPOT与TM融合卫星影像
SPOT 5 黑白与多光谱融合
ETM数据与SPOT数据融合图
中巴卫星数据与SPOT数据融合图
协方差: δ11 =[(0-3/4)(0-3/4)+3(1-3/4)(1-3/4)]/4=3/16 δ12 =[(0-3/4)(0-1/4)+(1-3/4)(0-1/4)+
(1-3/4)(1-1/4)+(1-3/4)(0-1/4)]/4=1/16 同理: δ11 δ12 δ13
3/16 1/16 1/16 3/16 -1/16
② 拉普拉斯算法 ③ 定向检测
高通滤波
垂直边缘
水平边缘
5 多光谱图像四则运算
1.减法运算 Bm=BX-BY
其中BX、BY为两个不同波段的图像或者不同时相同一波段图像。
* 当为两个不同波段的图像时,通过减法运算 可以增加不同地物间光谱反射率以及在两个波 段上变化趋势相反时的反差。 *而当为两个不同时相同一波段图像相减时, 可以提取波段间的变化信息。
0.433 -0.290 -0.824 0.223 0.632 -0.567 0.533 0.012 0.586 0.600 -0.050 -0.543 0.264 0.491 0.185 0.809
土壤亮度变化轴ISB为穗帽的底边,帽上 面各部分反映了植物生长变化状况,植物 株冠的绿色发展到顶点(最旺盛时在帽顶) 以后逐渐枯黄,枯黄过程是从帽顶沿着一 些称为帽穗的路径回归到土壤底线(因此 有穗帽之称)。
或出现不该有的亮点时,采用平滑方法可以减 小变化,使亮度平缓或去掉不必要的亮点。
均值平滑:将每个像元在以其为中心的区域内,取平均值 来代替该像元值,以达到去掉尖锐“噪声”和平滑图 像的目的。 中值滤波:将每个像元在以其为中心的邻域内,取中间亮 度值来代替该像元值,以达到去掉尖锐“噪声”和平 滑图像的目的。 在消除噪音的同时,还能防止边缘模糊
2.加法运算 B= 通过加法运算可以加宽波段,如绿色波 段和红色时段图像相加可以得到近似全色 图像;而绿色波段,红色波段和红外波段 图像相加可以得到全色红外图像。
3.乘法运算 B=(∏Bi)1/m 乘法运算结果与加法运算结果类似
4.除法运算 B=Bx/By *通过比值运算能压抑因地形坡度和方向引起的 辐射量变化,消除地形起伏的影响;
I阴5/I阴7=ρ5 E阴5/E阴ρ7= ρ5 /ρ7 I阳5/I阳7=ρ5 E阳5/E阳ρ7 = ρ5 /ρ7
*也可以增强某些地物之间的反差,如植物、 土壤、水在红色波段与红外波段图像上反 射率是不同的,通过比值运算可以加以区 分 因此,比值运算是自动分类的预处理方法之 一。
5.混合运算
归一化差分植被指数(NDVI) NDVI=(红外-红)/(红外+红)
该变换的几何意义是把原始特征空间的 特征轴旋转到平行于混合集群结构轴的方 向上去。
达到数据压缩、提高信噪比、提取相关 信息、降维处理和提取原图像特征信息的 目的。
主分量变换计算步骤如下:
(1)计算多光谱图像的均值向量M和协方差矩 阵 C。 (2)计算矩阵C的特征值λr和特征向量φr ,(r=1, 2,………,M),M为多光谱图像的波段 数。 (3)将特征值λr按由大到小的次序排列,即 λ1>λ2>……>λm.
(4)选择前几个特征值对应的几个特征向量 构造变换矩阵φn. (5)根据Y=φnX进行变换,得到的新特征 影像就是变换的结果,X为多光谱图像的一 个光谱特征矢量。 第一分量方差分布最广,集中最多信息,第 二分量次之。
例:
有三幅影像,其灰度为: P1[0 1 1 1] , P2[0 0 0 1] , P3[0 0 0 1] 其均值为: M1=(0+1+1+1)/4=3/4 M2=1/4 M3=1/4
三 多源遥感图像信息融合的关键 (1)充分认识研究对象的地学规律 (2)充分考虑不同遥感数据之间的波谱信息 的相关性引起的有用信息的增加和噪声 误差的增加,对多源遥感数据作出合理的 选择 (3)解决遥感影像的几何畸变问题,使各种遥 感影像在空间位置上能精确配准起来 (4)选择或设计合理的融合算法,最大限度的 利用多种遥感数据中的有用信息
例NDVI=(MSS7-MSS5)/(MSS7+MSS5)
也称为生物量指标变化,可使植被从水和 土中分离出来。 (MSS6-MSS5)/(MSS6+MSS5)以消除部分大 气影响
6多光谱图像变换
一 K-L变换(Karhunen-Loeve)(主分量变换)
K-L变换:它是对某一多光谱图像X.利用K-L变换矩 阵A进行线性组合,而产生一组新的多光谱图像Y. Y=AX 特点:变换后的主分量空间与变换前的多光谱空间 坐标系相比旋转了一个角度。新坐标系的坐标轴 一定指向数据量较大的方向。
有: 3 1 V11 V=4 11 1 3 V21 V21 V11= V21 当λ 2=1/8时,同理: δ11 δ12 V12 δ21 δ22 V22 V12=-V22 V12 =λ2 V22
1 -1 1 1 Y=AX
A=wk.baidu.com
二 K-T变换
是kauth-Thomas变换的简称,也称穗帽变换.是 一种坐标空间发生旋转的线性变换,旋转后的坐 标轴指向与地面景物有密切关系的方向 主要针对TM图像数据和MSS数据.
第6讲
课 题:遥感图像的辐射处理(2) 目的要求:1. 了解辐射传输过程; 2.了解产生 辐射误差的原因;3.了解辐射校正的原理 重 点:图像的平滑和锐化 难 点:图像融合 教学课时:2课时 教学方法:授课为主、鼓励课堂交流 本次课涉及的学术前沿:图像的增强处理
3 图像平滑
1:平滑--图像中出现某些亮度值过大的区域,
相关文档
最新文档