第五章 遥感图像增强
第五章 遥感图像处理—图像增强
特征;其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中,采用一定的算法生成一组新的信息或合
其中:
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
(1)指数变换
xb be
(2)对数变换
axa
c
xb b度进行分层,每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行:
(1)求图像的极大值dmax和极小值dmin; (2)求图像的密度区间ΔD = dmax-dmin + 1; (3)求分割层的密度差Δd =ΔD/n ,其中 n为需分割的层数;
(4)求各层的密度区间;
(5)定出各密度层灰度值或颜色。
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。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。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
(二)加法运算
B= i /m
i=1 m
加法运算可以加宽波段,如绿色波段和红色波 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。
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
5-2预处理_辐射校正与增强
多光谱图像增强—主成分分析
必要性: 必要性:波段多、信息量大、存在数据冗余 目的:通过函数变换,保留主要信息,降低 目的: 数据量,增强或提取有用信息的目的 方法: 方法:对遥感图像实行线性变换,使多光谱 空间坐标系进行旋转
主成分分析特点
主成分分析(Principle component analysis, PCA, 主成分分析 又称主成分变换、K-L变换),它的特点如下: 变换后的矢量是原有矢量的信息的线性组合, 较好地反映了事物的本质特征 变换后的矢量的协方差矩阵是对角矩阵,矢量 中各分量之间的信息是相互独立的 特征值大小反映该方向上主分量所具有信息量 的多少及每个分量的相对重要性
辐射误差的来源
• • 太阳位置引起的辐射误差 地形起伏引起的辐射误差
辐射误差的表现及其影响
由于太阳角与地形影响引起的辐射误差: 由于太阳角与地形影响引起的辐射误差: 同类地物灰度不一致
坡度坡向影响校正
目的:去除由地形引起的光照度变化, 目的:去除由地形引起的光照度变化,使两 个反射物性相同的地物,虽然坡度不同, 个反射物性相同的地物,虽然坡度不同,在 影像中具有相同的亮度值。 影像中具有相同的亮度值。 方法:简单余弦校正、 校正、 方法:简单余弦校正、Minnaert校正、统计 校正 -经验校正、c校正 经验校正、 校正 经验校正
图像融合—融合步骤
雷达 影像 多光谱 影像 全色航 空像片
数据配准:所有要融合的数据集必须 数据配准: 精确校正并重采样到相同大小的像元
图像融合
融合影像输出、 融合影像输出、评价和应用
图像融合—融合方法
所有要融合的数据集必须精确校正并重采样到相同大小的像元
简单的波段替换 利用不同色彩坐标系统(如:RGB、亮度-色度-饱和度 、 色度)的色彩空间变换和替换法 高空间分辨率数据的第一主成分替换 高频滤波的逐像元相加,高空间分辨率到高光谱分辨率 的转换 基于平滑滤波的亮度调节
第5章 图像的增强与变换
第五章图像的增强与变换§5.1 图像增强与变换§5.2 光谱增强§5.3 空间增强§5.4 多源信息的复合§5.1 图像增强与变换图像增强和变换为了突出相关的专题信息,提高图像的视觉效果,使分析者能更容易地识别图像内容,从图像中提取更有用的定量化信息。
按其作用的空间可分两种:光谱增强空间增强§5.2 光谱增强光谱增强对应于每个像元,与像元的空间排列和结构无关。
因此又叫点操作。
1. 彩色合成2. 对比度增强(直方图增强)3. 图像间运算为了充分利用色彩在遥感图像判读和信息提取中的优势,常常利用彩色合成的方法对多光谱图像进行处理,以得到彩色图像。
单波段彩色变换(密度分割)多波段彩色变换(真彩色,假彩色)HLS变换:色调(hue)、明度(lightness)和饱和度(saturation)的色彩模式。
即RGB模式ÆHLS模式。
1. 彩色合成单波段彩色变换(密度分割)(1)求图像的极大值dmax 和极小值d min ;(2)求图像的密度区间ΔD=dmax -d min +1;(3)求分割层的密度差Δd=ΔD/n,其中n为需分割的层数;(4)求各层的密度区间;(5)定出各密度层灰度值或颜色。
1.彩色合成1.彩色合成多波段彩色变换真彩色合成真彩色图像上影像的颜色与地物颜色基本一致。
把红色波段的影像作为合成图像中的红色分量、把绿色波段的影像作为合成图像中的绿色分量、把蓝色波段的影像作为合成图像中的蓝色分量进行合成的结果。
如TM321分别用RGB合成的图像。
假彩色合成假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。
遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。
它是在彩色合成时,把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。
如TM432用RGB合成的图像为标准假彩色图像。
遥感图像及其增强课件
图像增强: 点运算增强
• 灰度级变换的应用( 2)
– 局部提高、局部降低对比度
– 大于45度提高;小于45度降低
255
255
216
线性
142
非线性
23
0
48
0 196 255
128
255 37
图像增强: 点运算增强
• 灰度级变换的应用( 3)
– 灰度级切片(密度分割,彩色编码(伪彩 色))
255
7
图像及其直方图示例
8
直方图定义(2)
一个灰度级别在范围[0 ,L-1]的 数字图像的直方图是一个离散函数
• p(rk)= nk
• 由于rk 的增量是1,直方数可表示为: • p(k)= nk
• 即,图像中不同灰度级像素出现的次数
9
• 两种图像直方图定义的比较
• p(rk)= nk/n (第一种定义) • p(rk)= nk (第二种定义)
255
255
216
142
23
0
0
32
图像增强: 点运算增强
• 获取变换函数的方法( 2)
– 交互样点插值
• 用过点的三次样条插值曲线,获得变换函数
Photoshop软件调整图 像
33
图像增强: 点运算增强
• 灰度级变换的应用(1)
– 亮度调整——加亮、减暗图像
255
255
218
加 亮
32
128
128
排列 2 、BIL (Band Interleaved by line)格式 按波段顺序相间的排列各行像元数据。 3 、BIP (Band Interleaved by Pixel)格式 按波段顺序相间的排列各列像元数据
遥感图像增强
遥感图像的增强
1 线性变换
通过调整各个波段的断点,了解直方图的线性变换。
透过建模,对图像进行线性变换
单击
点击拖拽,连接即可
设置好后,单击
运行图标,就完成了一次线性变换。
可以在viewer 窗口中打开看看。
2
非线性变换
在viewer 窗口内查看非线性变换的结果,与原图比较有什么差异。
3空间域内滤波
在viewer视窗内,通过平滑和锐化,看看变化的效果
平
滑
锐
化
在工具栏内,空间增强中卷积运算,选取各种算子、输入和输出文件。
查看生成文件效果
在辐射增强中练习直方图均衡化和直方图匹配
4傅里叶正变换编辑,逆变换
正变换
打开傅里叶变化图像
选择滤波器
保存后进行傅里叶逆变换,查看各种滤波器和滤波函数的效果。
遥感图像的增强处理
目的:通过上机操作,掌握彩色变换增强,空间域增强,频率域增强,多光谱变换增强等几种遥感图像增强处理的过程和方法,加深对遥感图像增强处理的理解。
实验内容:彩色合成;对比度变换增强;空间滤波增强;频率域增强;图像运算;主成分变换。
一、彩色合成
根据加色法彩色合成原理,选择遥感图像的三个波段,分别赋予红、绿、蓝三种原色,然后将这三个波段叠加,构成彩色合成图像。
锐化:interpreter—spatical enhancement—convolution(索伯尔)以T1为例。 New为自己新定义一个模板,在Xsize与Ysize中定义,以默认的3为例,在窗口中的行列中输入T1(突出线状地物,为水平方向线性地物)点file中的librarian中的name中命名“suoboer”点save后close,发现自定义的suoboer已出现 在convolution窗口中的kernel下,点击suoboer,再在output file中命名。
(1)索伯尔梯度
1 2 1 -1 0 1
T1= 0 0 0 T2= -2 0 2
-1-2-1 -1 0 1
(2)拉普拉斯算法(有利于提取边缘信息)
0 1 0
T(m,n)=1-4 1(同时突出横、纵向,但边界是断断续续
标准假彩色合成:
TM2(绿波段)赋予蓝
TM3(红波段)赋予绿
TM4(近红外波段)赋予红;
步骤:配准--------合成
空间位置上配准(通过几何校正进行配准)
做一标准假彩色合成(选影像tm2、3、4)
首先将tm2、3、4打开看是否能直接合成(投影坐标是否一样,若不一样则需配准后才能合成)
遥感图像增强的目的及应用
遥感图像增强的目的及应用遥感图像增强的目的是通过一系列的数字图像处理技术,改善获取的遥感图像质量,使得图像更加清晰、具备更丰富的信息,以便更好地反映地物表面的特征和变化,提高对地物目标的识别和提取能力。
遥感图像增强的目标是以较低的成本和较少的数据,获取更准确、更丰富的信息。
遥感图像增强的应用非常广泛,涵盖了农业、林业、地质、环境、城市规划、水资源等多个领域。
下面分别介绍一些具体的应用案例:1. 农业:通过遥感图像增强技术,可以更好地提取农田的土壤类型、植被信息和作物生长情况,对农业生产进行监测和评估。
如可以准确识别出农田的植被覆盖度,为农业精细化管理提供数据支持,实现农田水分、化肥的准确施用。
2. 水资源管理:通过对遥感图像进行增强处理,可以提取水体边界和水体类型,实时监测水体的变化,评估水资源的利用状况。
例如,可以对湖泊、河流等水体进行动态监测,及时发现水质异常和水体污染问题。
3. 灾害预警和防治:遥感图像增强可以帮助提取地质灾害、森林火灾、洪涝灾害等灾害的前兆信号,为灾害预警和防治提供及时有效的数据支持。
例如,可以通过增强处理提取出植被覆盖度等指标,评估和预测森林火灾的潜在风险。
4. 城市规划:通过遥感图像增强,可以提取出城市的道路网络、建筑物分布情况、绿地覆盖等信息,为城市规划和土地利用提供准确的基础数据。
例如,可以通过增强处理提取出建筑物的形状和高度信息,用于城市建筑物的三维模型构建和城市景观设计。
5. 环境监测:遥感图像增强可以监测大气、水体和土地等环境污染情况,提取环境参数,评估环境状况和污染程度。
例如,可以通过增强处理提取出水体的叶绿素-a浓度,用于评估水体的富营养化程度。
6. 地质勘探:遥感图像增强可以提取地表地貌、岩性、构造等地质信息,用于地质勘探和矿产资源的评估与开发。
例如,可以通过增强处理提取出岩性差异,找出潜在的矿产资源区域。
综上所述,遥感图像增强在农业、水资源管理、灾害预警和防治、城市规划、环境监测和地质勘探等领域具有重要的应用价值,能够提高数据的质量和精度,为相关领域的研究和决策提供准确的数据支持。
5遥感数字图像处理-第五章
☞ 邻域处理
针对一个像元点周围一个小邻域的所有像元而进行,输出 值大小除与像元点在原图像中的灰度值大小有关,还决定于它 邻近像元点灰度值大小。如卷积运算、中值滤波、滑动平均等。
②
图像增强的分类
点处理
点处理
邻域处理
邻域处理
2. 遥感图像的对比度增强
对比度增强的基本原理
人眼对图像的识别主要是基于图像中不同像元的亮度(灰度、
差别为有选择的滑动平均是一种带门限值的滑 动平均处理。
④
有选择的局部平均法
有选择的局部平均法实现步骤:
1. 2. 3. 4. 给定一个判定阈值T 计算模板窗口内像元DN值的均值X 计算窗口中心目标像元的DN值与X的绝对差值D 比较D与T的大小
如D>T,则窗口中心像元输出DN值等于X
如D<T,则窗口中心像元DN值保持不变 优点:边缘信息损失减少,减轻输出图像的模糊效应。
中值滤波是一种非线性变换。其优势在于可在平滑的基 础上较大程度地防止边缘模糊。
③
中值滤波
中值滤波窗口可选用模板的不同形式:
○ ○ ○ ○ ○ ○ ○ ○ ○ 方形窗口:对线性噪声抑制效果好
○ ○ ○ ○ ○ 十字形窗口:对点性噪声抑制效果好
④
有选择的局部平均法
有选择的局部平均法—其实质为一种滑动平均平滑法。与滑动平均法的
其中,x—原始图像的亮度值
X—线性扩展增强后的亮度值
②
非线性扩展
Ⅱ 对数变换法
X d
c a b x
②
非线性扩展
Ⅲ 三角函数扩展
假定原始图像的灰度范围是(a,b),将原始图像灰度范围扩展为 (c,d),其中c < a,d > b,其正切函数计算公式为:
遥感图像增强实验报告
遥感图像增强实验报告引言遥感技术在地球科学和环境科学领域有着广泛的应用,其中图像增强是遥感图像处理的重要环节之一。
图像增强旨在改善遥感图像的视觉效果,使得图像的细节更加清晰、对比度更加鲜明,以便更好地进行地表特征的识别和分析。
在本次实验中,我们将探讨常用的图像增强方法,并且使用实际遥感图像进行增强实验。
实验目的1. 了解遥感图像增强的基本概念和方法。
2. 掌握常见的图像增强方法的实施过程。
3. 分析和比较不同图像增强方法的效果,选择最适合的增强方法。
实验步骤1. 数据准备:选择一张遥感图像作为实验数据,确保图像分辨率适中、含有一定的地表特征。
2. 灰度拉伸:使用灰度拉伸方法增强图像的对比度。
首先计算图像的最小灰度值(Min)和最大灰度值(Max),然后通过线性变换将灰度值映射到0-255的范围内。
3. 直方图均衡化:利用直方图均衡化方法增强图像的细节。
首先计算图像的灰度直方图,然后按照直方图均衡化的公式对每个灰度值进行调整。
4. 自适应直方图均衡化:对比直方图均衡化方法,自适应直方图均衡化能够避免对整个图像进行均衡化,而是通过使用局部领域内的信息来进行均衡化。
5. 对比度增强:使用对比度增强方法增强图像的对比度。
可以通过调整图像的亮度、对比度和饱和度来实现。
6. 结果分析:根据实验结果分析不同图像增强方法的效果,选择最佳的增强方法。
实验结果与分析经过实验,我们得到了经过不同图像增强方法处理后的图像。
通过对比实验前后的图像,我们可以得出以下结论:1. 灰度拉伸方法能够有效增强图像的对比度,使得图像的亮度范围更广,细节更加清晰。
2. 直方图均衡化方法能够增强图像的细节,特别是在暗部和亮部细节的表现上有显著提升。
3. 自适应直方图均衡化方法相比于普通直方图均衡化方法在处理具有大范围对比度差异的遥感图像时效果更好,避免了过度增强和信息损失。
4. 对比度增强方法可以通过调整图像的亮度、对比度和饱和度来增强图像的视觉效果,但对于某些场景可能会导致图像过度增强或过度饱和。
遥感技术与应用原理-第5章 遥感图像的目视解译与制图
成像过程
成像方式、探测波段 投影方式、时空因素
目视解译
增强处理、信息提取 逻辑推理、对比分析
遥感图象
大小形状、色调灰阶 畸变失真、成图比例
地表景观
空间结构、时间特点 化学组分、物理属性
遥感图像目标地物识别特征——解译标志
遥感图像上那些能够作为识别、分 析、判断景观地物的影象识别特征
直接解译标志 间接解译标志
• 色调/颜色:灰阶(黑白)或色别与色 阶(彩色),最重要、最直观的解译标志。
• 阴影:遥感图像上光束被地物遮挡而产生的地物的影子; 有时需去除地形起伏引起的部分阴影
• 形状:地物的轮廓在影象平面的投影。需要根据 影象比例尺和分辨率具体分析,注意畸变(雷达、
航片边缘)
大小:地物的尺寸、面积、体积等按比例缩小的相 似记录。根据比例尺在影象上量算.指地物形状,面 积或体积在影像上的尺寸。对于形状相似而难于判 别的两种物体,可以根据大小标志加以区别,如在 航片上判别单轨与双轨铁路。
先易后难是指易识别的地物先确认, 然后根据客观规 律和影像特征不断地进行解译实践, 逐渐积累解译经 验, 取得解译标志,克服各种解译困难的过程。
遥感图像目视解译的一般顺序
“先山区后平原 , 先地表后深部、先整体后局部 , 先宏观后微观, 先图形后线形”等步骤亦属先易后 难的组成部分。
例如, 由于山区基岩裸露, 影像清晰 , 而平原地区平 坦, 影像较为模糊 , 所以前者容易辨识, 后者就比较 困难,况且山区与平原在构造上总有这样那样的牵 连,因此,一方面在解译上可以借鉴, 另一方面又可 用“延续性分析”不断扩展。至于圆形构造、线形 构造 , 在一般情况下, 两者都易于发现。
直接解译标志
• 色调(Tone) • 颜色(Color) • 阴影(Shadow) • 纹理(Texture) • 形状(Shape) • 大小(Size) • 位置(Site) • 图型(样式)(Pattern) • 布局(Association)
ENVI遥感图像增强处理
ENVI遥感图像增强处理任务五图像增强⽬录1.空间域增强处理 (1)1.1卷积滤波 (1)2.辐射增强处理 (2)2.1交互式直⽅图拉伸 (2)3.光谱增强处理 (4)3.1波段⽐的计算 (4)3.2⾊彩空间变换 (5)3.3NDVI计算 (6)4.傅⾥叶变换 (6)4.1快速傅⾥叶变换 (6)4.2定义FFT滤波器 (7)4.3反向FFT变换 (8)5.波段组合 (8)5.1RGB合成显⽰ (8)图像增强的主要⽬的是提⾼图像的⽬视效果,以便处理结果图像⽐原图像更适合于特定的应⽤要求,⽅便⼈⼯⽬视解译、图像分类中的样本选取等。
ENVI图像增强的内容主要包括:●空间域增强处理●辐射增强处理●光谱增强处理●傅⾥叶变换●波段组合1.空间域增强处理空间域增强处理是通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像。
1.1卷积滤波卷积滤波是通过消除特定的空间频率来增强图像。
它们的核⼼部分是卷积核,ENVI提供很多卷积核,包括⾼通滤波、低通滤波、拉普拉斯算⼦、⽅向滤波、⾼斯⾼通滤波、⾼斯低通滤波、中值滤波、Sobel、Roberts,还可以⾃定义卷积核。
使⽤数据:lena.jpg具体操作:通过尝试ENVI提供的各种图像增强算⼦,观察⽐较图像增强的效果。
(1)打开图像⽂件lena.jpg。
(2)在主菜单中,选择Filter→Convolutions and Morphology。
(3)在Convolutions and Morphology Tool中,选择Convolutions→滤波类型。
(4)不同的滤波类型对应不同的参数,主要包括三项参数:●Kernel Size(卷积核的⼤⼩)卷积核的⼤⼩,以奇数来表⽰,如3×3、5×5等,有些卷积核不能改变⼤⼩,包括Sobel和Roberts。
●Image Add Back(输⼊加回值)将原始图像中的⼀部分“加回”到卷积滤波结果图像上,有助于保持图像的空间连续性。
第五章遥感图像目视解译原理
北京故 宫博物 院与护 城河之 间的色 调差异
(5)颜色:指彩色图像上色别和色阶,如同 黑白影像上的色调,它也是地物电磁辐射能 量大小的综合反映,用彩色摄影方法获得真 彩色影像,地物颜色与天然彩色一致;用光 学合成方法获得的假彩色影像;根据需要可 以突出某些地物,更便于识别特定目标。
真彩色图像上地物颜色能够真实反映实际地物颜色 特征,这符合人的认知习惯。同一景多光谱扫描图 像的相同地物,不同波段组合可以有不同的颜色, 目视判读前需要了解图像采用哪些波段合成,每个 波段分别被赋予何种颜色。
从图上可以看出,呈深蓝色或蓝黑色的为 水文要素(河流、湖泊);呈红色的为植被; 呈灰白色或浅蓝色的为人工建筑(城市、道路、 村庄)
1998年遥感图像上宽度一致,色泽浅蓝的顺 直的直线状物为道路
左上角深蓝色区面积(河流、湖泊水面) , 1991年明显大于1998年。1991年发生洪水使得 河水上涨,河道变宽。1998年的岛屿在1991年 图上则不可见
标志
• 形状(Shape)
• 大小(Size() 1)直接标志
• 色调(Tone)
• 颜色(Color)
• 阴影(Shadow)
• 图型(样式)(Pattern)
• 布局(Association)
• 纹理(Texture)
• 位置(Site)
(1)形状:指目标物在影像上所呈现的特 殊形状,在遥感影像上能看到的是目标物的 顶部或平面形状。例如飞机场、盐田、工厂 等都可以通过其形状判读出其功能。地物在 影像上的形状受空间分辨率、比例尺、投影 性质等的影响。
遥感图像计算机解译:又称遥感图像理解(Remote Sensing
Imagery Understanding),它以计算机系统为支撑环境,利用 模式识别技术与人工智能技术相结合,根据遥感图像中目标地 物的各种影像特征(颜色、形状、纹理与空间位置),结合专 家知识库中目标地物的解译经验和成像规律等知识进行分析和 推理,实现对遥感图像的理解,完成对遥感图像的解译。
《遥感数字图像增强》课件
通过重新分布图像的像素值,增强图像的动态范围和对比度。
滤波增强技术
1
线性滤波器
使用加权求和的方式平滑图像并去除噪
非线性滤波器
2
声,但可能导致图像细节模糊。
基于像素之间的关系进行滤波,能够更
好地保留图像边缘和细节。
3
自适应滤波器
根据图像局部区域的特性进行滤波操作, 提高处理效果。
小波变换
2 基于边缘的分割
通过检测图像中的边缘和轮廓信息,实现图像的分割。
3 基于像素的分割
根据像素的灰度值或特定特征进行分割,适用于高分辨率遥感影像。
常用遥感图像处理软件介绍
EN VI
功能强大的遥感图像处理和分析 软件,支持多种遥感数据格式。
ERDA S IM A GIN E
综合性遥感和地理信息系统 (GIS )软件,提供丰富的图像 处理和分析功能。
通过分析遥感图像的云雾特征,消除云雾对图像质量和数据解译的影响。
3
水下图像增强技术
通过消除水下散射和吸收效应,增强水下图像的清晰度和可视性。
高光图像增强技术
高光光照补偿
抑制光斑
通过调整图像的曝光度和对比度, 平衡高光区域的亮度。
使用滤波器或图像处理算法,减 少反射表面上的光斑效应。
HDR图像合成
利用多幅不同曝光的图像,合成 高动态范围(HDR)图像,保留 细节和阴影。
融合多源数据实现图像增强
1
多光谱图像融合
将多个波段的光谱信息融合,提高图像的分类和识别能力。
2
多角度图像融合
结合不同视角下的图像,增强目标形状和表面特征的可视性。
3
多分辨率图像融合
将多个分辨率图像进行融合,获得更全面的信息并提高图像质量。
《遥感图像增强》课件
为什么需要图像增强
遥感图像的质量受到多种因素的影响,如云层、天气、光照等,往往存在低对比度、噪点等问题,因此需要进 行增强处理以获得更好的视觉效果和更准确的信息。
遥感图像增强的概念和步骤
遥感图像增强是通过数学、物理方法对遥感图像进行预处理或后处理,以提高遥感图像的质量和增强图像的特 征,使人眼或计算机能够更好地识别和理解图像。
遥感图像的分类
红外遥感图像
雷达遥感图像
通过探测红外波长范围的电磁辐 射来观测目标的状态、形态和活 动,用于环境监测、天气预测等。
利用雷达波束与地面物体反射、 散射、回波等特性,获得地面物 体的空间分布及形态等信息,可 用于海洋、军事、交通等领域。
可见光遥感图像
利用生活中看到的阳光和灯光直 接产生的可见光来获取目标信息, 被广泛应用于资源调查、城市管 理等领域。
通过增大亮度值之间的差异程度,使图像变得更加鲜明。
3
直方图均衡化
通过对图像灰度值的分布均衡化,使对比度的细节得以显现。
空间滤波增强
空间滤波通过对图像上采样、下采样、去噪等方法处理图像来使其增强。它可以改变图像的像素值来突出其中 的信息特征,便于对目标进行检测和识别。
平均滤波
使用相邻像素的平均值替换当前像素,从而达 到去噪的目的。
局部对比度增强
局部对比度增强是指针对图像中某些区域进行对比度增强处理,以突出某些特定的信息,增加图像的可 读性和可理解性。
1
经验方法
基于图像的边缘特征进行增强,通过对局部区域进行梯度检测和直方图分析,增强图像 中的细节和纹理。
2
基于局部方向的方法
通过在某些区域进行基于方向的滤波,提高特定方向的信噪比,增加图像的特征和清晰 度。
第五章-遥感图像处理基础..学习资料
学习这两种方法,首先需要认识多光谱空间。
5.3 遥感图像增强与变换
多光谱图像变换
多光谱特征空间是一个n维坐标系,每一个坐标 轴代表多波段图像的一个波段,坐标值表示该波段 像元的灰度值,图像中的每个像元对应于坐标空间 中的一个点。
例如:以TM1和TM2建 立一个二维坐标系,即二维 的光谱空间。其中横轴代表 TM1,纵轴代表TM2。每 一个像元都可以在空间中找 到对应的点。当有n各波段 时便是n维空间。
5.3 遥感图像增强与变换
多光谱图像变换
特点:多光谱特征空间仅仅表示各波段光谱之间 的关系,而不包括任何该点在图像中的位置信息, 没有空间意义,波段数就是光谱特征空间的维数。
像元点在坐标系中的位置可以表示成一个n维向 量X:
5.3 遥感图像增强与变换
多光谱图像变换
1、主成分变换 (1)K-L变换 主成分变换也叫主分量分析,是在统计特征基础 上的多维正交线性变换,其特征是不丢失信息。 对某一多光谱图像X,利用K-L变换矩阵A进行线 性组合,从而产生一组新的多光谱图像Y,表达式 为:
5.3 遥感图像增强与变换
图像运算
例如,同一层砂岩出露在山体的阴坡和阳坡,由 于阴坡处砂岩的反射率比阳坡低,因此虽然是同一 岩层,但在TM1和TM2两个波段上亮度值不同, 若不进行处理采用这样的图像直接分类,很可能将 同一岩层会被分成两种不同的类型,造成错误。但 若用TM1/TM2比值处理,比值图像上阴坡、阳坡 的砂岩亮度趋于一致,可消除地形的影响,从而提 高分类精度。
3、乘运算 乘运算可用来遮掉图像的某些部分。 例如使用一掩膜图像去乘图像,可保留、消弱或 抹去图像的某些部分。
第五章RS图像处理与判读
§1 §2 §3 §4 §5
遥感数据的校正 遥感图像的增强处理 遥感图像目视判读 遥感数据的计算机分类 常用遥感图像处理软件
§1 遥感数据的校正
一、数字图像的概念 二、辐射校正 三、几何校正
一、数字图像的概念
1、数字图像:能在计算机里存储、运算、 显示和输出的图像。 有些传感器可直接提供数字图像,也可 经模拟图像数字化得到。 数字图像的模型是一个可以在计算机里 进行存储和运算的数字矩阵,其表达形 式为:
2.1 坐标变换的两种方法
直接法:从原始图像阵列出 发,依次对其中每个像元分 别计算其在纠正后图像上的 坐标。其纠正式为:
X Fx ( x, y) Y Fy ( x, y)
间接法:从空白图像出发, 依次计算每个像元在原始图 像中的位置。其纠正式为:
x Gx ( X , Y ) y Gy ( X , Y )
T1 T1 a
为TM1波段校正后的灰度值
为TM1波段的灰度值
(T
5
T5 ) 2
T1
a T1 bT5
பைடு நூலகம்
2.3 直方图校正法
这种方法是根据灰度直方图的对 比找出校正量。基本出发点一是可见 光以外的长波不受大气散射影响,二 是一些特殊地物(清洁水面或地形阴 影区)在各波段图像上灰度值应为0。 如果某一像场中存在灰度值为零 的地物,则任一波段灰度值都应为0, 即灰度直方图从原点开始,如果图像 的灰度直方图离开原点,则其值就是 大气散射引起的灰度直方图漂移值, 即改正量。大气校正就是从每个像元 灰度值中减去改正量,如图。
不同的遥感数据具有不同的空间分辨率波谱不同的遥感数据具有不同的空间分辨率波谱分辨率和时间分辨率如果能将它们各自的优分辨率和时间分辨率如果能将它们各自的优势综合起来可以弥补单一图像上信息的不足势综合起来可以弥补单一图像上信息的不足这样不仅扩大了各自信息的应用范围而且大这样不仅扩大了各自信息的应用范围而且大大提高了遥感影像分析的精度
- 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)。
(1)直方图均衡化(Histogram equalization)
Hale Waihona Puke HistogramHistogram equalization
原始影像
直方图均衡化后的影像
直方图累积曲线
变换函数
(2)直方图累积曲线
A 直方图累积曲线 ————
原直方图以亮度从小到大为序,逐 级累加,每级均记下累加后概率值(或 频率值),最后累加值为1(或100%), 并把各级累加值绘在直方图上,由此形 成累加直方图,或称直方图累积曲线。
2)非线性扩展(non-linear stretch)
非线性扩展指基本函数扩展,即基本数学函 数(如对数、指数、正弦、正切等)进行的变换, 由于其一般与图象数据的概率密度函数(直方图) 无关,故而都属非线性扩展,其扩展系数或扩展 程度是随着亮度值的变化而连续变化的。 非线性扩展一般有: (1) 直方图扩展(Histogram stretch) (2) 对数扩展(Logarithm stretch) (3) 指数扩展(Exponent stretch) (4) 高斯扩展(Gauss stretch)
1. 对比度的定义(Definition of Contrast):
Contrast-The ratio between the energy emitted or reflected by an object and its immediate surroundings. 三种定义公式:?
2. 进行对比度增强的必要性 (Necessity of Contrast Enhancement)
光学增强主要包括以下方法:
彩色合成 (color composite) 密度分割 (density slicing) 相关掩膜 (correlative mask)
1、彩色合成
1)定义
彩色合成(color composite) —— 将多谱段 黑白图像变成彩色图像的技术。
2)分类
真彩色合成(true color composite) 合成结果为真彩色,符合人眼观察习惯; 假彩色合成(false color composite)
主要有以下几种比较简单而有效的方法:
2)方法
(1)反差增强 (2)比值增强 (3)边界增强
(1)反差增强
· · 反差增强的基本做法是多次拷贝(利用高反 差的胶片或显影液),但其代价是牺牲影像 的色调层次和细部,因此使用时要适当。
反差增强,也可以用模片(或与原片)相互 叠掩的方法(同号相加,反差增大;异号相 加,反差减小)。
假彩色密度分割(false color density slicing)
将图像的光密度或亮度值范围分成若干等级, 每一等级用一种颜色表示的处理方法。 其实施手段有两种: (1)使用光电仪器将图像的光信号转移为模拟电 压信号,对信号进行模数转换、分割等级和彩 色显示; (2)将图像经计算机模数转换、等级分割、彩色编 码去控制彩色显示设备。此法灵活、快速,并能 定量控制分割等级及选择彩色权。对于图像中的 地物间亮度值(灰度)为缓慢变化或差异甚小时, 特征显示的效果较好。
(3)原始影像或底片的密度质量对密度分割的 影响很大,如反差过大或过小,都会使密度分割 达不到预期的精度; (4)需要专门仪器,不容易推广。
3、相关掩膜
1)概念
相关掩膜增强技术是由照相、修版及暗室技术 演变发展而来的,它利用原图象通过不同曝光 时间,获取一组称为模式或蒙片的正负拷贝片, 而后将这些模片,依不同的组合方式依相互叠 掩的方法,对遥感图像进行各种增强处理。
实际上,直方图均衡化就是求按均衡 化直方图的要求,原有各亮度级在变换后 的频数。
2)直方图匹配
直方图匹配(Histogram match)
亦称直接直方图规定化,是一种非线性 反差增强技术。
原直方图 变换
特定形态的直方图 恢复
均衡化的直方图
图象
三)对比度增强 (Contrast enhancement)
边界增强由于受多种因素影响(如 操作技术、膜片与感光材料性能等)其 增强能力有限。 目前,遥感制图可用于各种断裂线、 道路网、水系和水体以及居民地和主要地 物(如:机场、跑道等)的轮廓,但还未 达到实用的程度,仍需进一步研究。
二)修改直方图增强
1、直方图的特性
直方图是对数字图像每一亮度间隔内像 元数的统计。
2)假彩色密度分割技术的优点
(1)能将单张黑白图像的密度分别以不同颜色表示, 从而提高人们对密度等级的分辨力,一些小而微弱的信 息,通过放大倍率的调节及视频放大也可以得到加强。
(2)能明确表示各级密度分布范围,突出影像的轮 廓,使影象分析判读容易和准确,并较快的计算出他们 所占的面积百分比。 (3)调节仪器黑白象正负转换开关位置,可使某些 图像不同反差区的影象都能有所增强。
1)主观原因(Subjective cause)
一幅影像由于地物种类的局限,其所包含 的亮度值只能是整个亮度范围的一部分,亮度 范围较窄,呈低反差状态。
2)客观原因(Objective cause)
大气散射作用又使影像的反差更为降低。 使得研究对象模糊不清。
3. 对比度增强分类
对比度增强可分为线性和非线性两种。
(4)通过调节仪器光亮大小及局部放大,可加大影 象之间的反差,提高影象的对比度,使密度接近的地物 之间的相对反差变得更加明显,达到区分不同地物之目 的。 (5)图象处理速度快。
3)假彩色密度分割技术的缺点
(1)相同地物由于光照条件及地形起伏等影响 造成的密度差异,显然不是地物本身辐射特性的 反映,因此这种颜色的差异并不代表地物本身的 差异;(同物异谱现象) (2)那些性质不同,但具有相似反射率的地物, 却具有相同的颜色和密度;从而造成地物分类上 的错误;(同谱异物现象)
五、遥感图像的增强 Enhancement of RS. Image
1、定义
图像增强(image enhancement)—— 应用计算机或光学设备改善图像视觉 效果的处理。
2、目的
为了在分析图像数据时,使分析者能 容易确切地识别图像内容。
3、图象增强与图像校正的区别
图像校正是以消除伴随观测而产生 的误差及畸变,使观测数据更加接 近于真实值为主要目的的处理。可 使图像恢复本来面目。 图像增强则把重点放在使分析者能 从视觉上便于识别图像内容上,以 提高解象力。
(2)比值增强
比值增强实际上是影像相减,(正负片精确 重叠,使影像中有变化的部分突出出来,常 用于变化信息提取)。
对正负底片的要求:
A 必须能精确重叠;
B 应有相同的反差系数;
(3)边界增强
影像边界(边缘)—— 影像密度发生突变的地 方。
处理过程: 首先使正负影像精确重叠,呈现为均匀 的深灰色调,然后其中一张向某一方向移动 一小段距离并拷贝,即可得到一幅边界增强 的图像。 边界是随胶片错开方向不同而有变化的, 故在运用边界增强时,必须按研究的内容来 确定胶片位移。
(k 0,1,2, , L 1)
式中:T(rk)为亮度变换函数; L为规定的亮度数。
1 其反转变换为: rk=T- ( Sk)
上式可用于根据原图象计算出变换函 T ( rk ) 数 ,然后进行直方图变换,以达到直方 图均衡化。
(3)直方图均衡化的步骤
A 、求变化函数T(r),即根据原始图象 直方图确定累积分布曲线; B 、根据变换函数T(r),进行由r向S的 转换。
直方图给出了图象概貌的总描述:
(1)亮度范围; (2)每个亮度间隔的频数; (3)像元依亮度分布的形态;
(4)整幅图象总的色调(低亮度像元的多少)
histogram
2、修改直方图增强
直方图影像增强
借助调整直方图来实现影像增强的技术。
1)直方图均衡化
亦称直方图线性化,目的是通过合并图象直 方图中亮度频率较低的邻近直方图,使之与 亮度值频率较高的直方图趋于平衡。
将原始图象诸亮度值按线性关系进行扩
1)线性扩展(linear stretch)
大,亮度范围可扩展为任意制定的范围。相
当于进行y=ax+b的变换。
(1)普通线性扩展
直接应用上述单一的线性关系。
a
Z
b
a’
Z a Z' (b'a' ) a' ba
b’
Z a Z ' ) 127(或255 ba
次要要素受到 严重损失
突出图象中的 主要要素
(2) 对数扩展(logarithm stretch)
对数扩展的基本形式: y=logx
其中
x,y分别相当于输入和输出图象的像元值
对数的底可以任选,一般取10或e
(e=1.71828)。
实际应用的程序中,为了调节输出值的数 值范围和灵活控制扩展程度,加入几个调节参 数。
(1) 直方图扩展(histogram stretch)
亦称概率分布函数扩展,各亮度值扩大倍数 取决于它们出现的频数。频数越大的地方,亮度 范围拉开的越大;反之,频数越小的地方,亮度 范围拉开的越小。