实习5、遥感影像多光谱变换

3、去相关拉伸（Decorrelation stretch ）首先对影像进行主成份变换，并对主成份变换结果进行反差拉伸，然后再进行主成份逆变换，将影像恢复到RGB 彩色空间，达到影像增强的目的。主要用于消除多光谱影像中各个波段之间的相关性，从而生成一幅色彩亮丽的彩色合成影像。

4、色彩变换：在计算机内定量处理色彩时通常采用RGB （Red 、Green 、Blue ）表色系统，但在视觉上定性的描述色彩时，采用HSV 显色系统更直观些。色彩变换就是对标准处理彩色合成图像在红（R ）、绿（G ）、蓝（B ）编码赋色方面的一种彩色图像增强方法，它是借助改变彩色合成过程中的光学参数的变化来扩展图像色调差异，将图像彩色坐标系中红、绿、蓝三原色组成的彩色空间(RGB)变换为由Hue(色度)，Saturation (饱和度)，value(纯度)三个变量构成的HSV 色彩模型。其目的是为了更有效地抑制地形效应和增强岩石单元的波段差异，并通过彩色编码增强处理达到最佳的图像显示效果。HSV 色彩模型能够准确、定量地描述颜色特征。 从RGB 到CMYK 的变换

NTSC 或YIQ 色彩空间

Y——亮度

I——色调 Q——饱和度

HSL 和HSV 都是一种将RGB 色彩模型中的点在圆柱坐标系中的表示法。这两种表示法试图做到比RGB 基于笛卡尔坐标系的几何结构更加直观。HSL 即色相、饱和度、亮度，HSV 即色相、饱和度、明度

色相（H ）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等。

饱和度（S ）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。 明度（V ），亮度（L ），取0-100%。

HSL 和HSV 二者都把颜色描述在圆柱坐标系内的点，这个圆柱的中心轴取值为自底部的黑色到顶部的白色而在它们中间是的灰色，绕这个轴的角度对应于“色相”，到这个轴的距离对应于“饱和度”，而沿着这个轴的高度对应于“亮度”，“色调”或“明度”。

这两种表示在用目的上类似，但在方法上有区别。二者在数学上都是圆柱，但HSV （色相，饱和度，色调）在概念上可以被认为是颜色的倒圆锥体（黑点在下顶点，白色在上底面圆心），HSL 在概念上表示了一个双圆锥体和圆球体（白色在上顶点，黑色在下顶点，最大

111C R M G Y B ⎡⎤⎡⎤⎡⎤

⎢⎥⎢⎥⎢⎥=-⎢⎥⎢⎥⎢⎥

⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦

0.2990.5870.1140.5960.2740.3220.2110.5230.312Y R I G Q B ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥

=--⎢⎥⎢⎥⎢⎥

⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦

横切面的圆心是半程灰色）。尽管在HSL和HSV中“色相”指称相同的性质，它们的“饱和度”的定义是明显不同的。

5、自然色彩变换是指利用绿、红、近红外三个波段数学变换形式仿真自然色彩

R：XS2

G：(XS1+XS2+XS3)/3

B：XS

此次实习中新的绿光波段的计算公式为：int((float(green)+red+nir)/3)（float函数使整个运算在浮点数域内进行）

别加载在不同的窗体中，进行比较。

从表中可以看出Eigenvalue（特征值）从变换后

的第一波段逐渐递减，说明地理信息随波段序号的增

加而递减，第一波段（第一主成分）表达了85.19％的

信息量，前二个波段（第一、二主成分）共表达了

95.79％的信息量，以此类推，其中后面的4、5、6波

段可以看做噪音信号

Basic Tools |Statistics |View Statistics File，选择主成分变换后得到的影像，得出各主成份的特征信息，然后进行比较。

第一主成分第六主成分

2、去相关拉伸：

加载ROI，并显示在主窗体中，然后在主菜单下Transform | Decorrelation Stretch，导出去相关拉伸后的影像。最后将去相关拉伸后的影像的不同波段加载到主窗体中进行比较。

3、樱帽变换：

樱帽变换步骤：

加载ROI，并显示在主窗体中，然后Transform | Tasseled Cap选择处理影像ROI，在Tasseled Cap Transform Parameters对话框中的Input File Type中选择Land sate 5 TM，最后选择导出路径

各波段比较：将经过樱帽变换处理的影像的Brightness、Greenness、Wetness三个波段的

Band 6 0.44 0.83 0.32 0.09 0.01 0.03 上表为变化后各个波段（主成分）的信息，从表中我们可以看出Band1特征值为2183.22、Band2特征值为271.76、Band3特征值为88.58、Band4特征值为12.42、Band5特征值为5.21、Band6特征值为1.62，则第一主成分含最多的地理信息，第六主成分含较少的地理信息且基本为噪声信息，表中还有各主成分之间Covariance（协方差矩阵）、Correlation（相关性）、Eigenvector（特征向量）等信息

第一主成分显示第二主成分显示第三主成分显示

第四主成分显示第五主成分显示第六主成分显示上图分别为各主成分的影像显示，从图中可以明显的看到第一、二、三主成分能很好的辨别出地物，第四、五主成分影像有些模糊，第六主成分则完全不能辨别出地物信息，为噪声信号。第一主成分清晰的显示出城市中的格网、河流、山脊以及阴阳坡等地理信息，影像灰度值动态范围正常；第二主成分比较好的显示出城市中、河流、山地以及均家滩河滩等地理信息，但较于第一主成分则高亮显示了城市与河流，难以辨别城市中的格网，山地信息也较少反应，看不出山脊和阴阳坡；第三主成分显示出城市、河流以及山体等地理信息，河流为暗色显示，山体与城市为高亮显示，较第二主成分影像未显示出均家滩的河滩地理信息；第四主成分大体显示出城市、河流与山地等地理信息，水体为低亮显示；第五主成分大体显