[VIP专享]实习5、遥感影像多光谱变换
合集下载
相关主题
- 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)。
在缨帽变换过程中绿度维和亮度维组成的二维空间构成植被视面，它反映了植被从破土
发芽、生长、开花到结实等各个阶段的整个生物过程。随叶面积增加而绿度值增加，之后
开始成熟、枯黄，绿度很快降回到最低点。湿度（黄度）与亮度组成的平面为土壤视面，
绿度与湿度（黄度）组成的平面称为过渡区视面。
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。
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
C 1 R
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
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
M
源自文库
1
G
Y 1 B
Y 0.299 0.587
I
0.596
0.274
Q 0.211 0.523
0.114 R 0.322 G 0.312 B
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
实习序号及题目
遥感影像多光谱变换
实习人姓名
专业班级及编号
任课教师姓名
实习指导教师姓名
实习地点
榆中校区实验 楼 A209
实习日期时间
2013-11-28
实习目的 理解主成份变换、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和 操作步骤。 掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进 行遥感影像分析
43m1m“-”J520Gm01m24“492k-Z(1)g2L3-”3060@k%3-g“/1”7mD2%BJ/Tg0d1-ZP318¬-A_2"o70)Xc0?y258z6n”217 NE)
其余影像信息分布在其他主成分中，且信息量依次递减，最后的几个波段的影像上实 际仅包含噪声信息。
主成分变换不仅去除了原影像各个波段之间的相关性，还把有用的信息集中到数目尽 可能少的几个主成分影像波段上，从而有效地提高了影像目视分析的效能。
顶点，最大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。
2、缨帽变换（Tasseled Cap transform)，又称为 Kauth-Thomas（K-T）变换。一种特殊
的主成分变Y换： CX A ，其中，，对应于 TM 影像的 1、2、3、4、5、7 波段。
变换后得到：，缨帽变换后：y1 代表亮度分量（brightness），是 TM 六个波段亮度值的加权 和，反映了总体的亮度变化；y2 代表绿度分量（greenness），与亮度分量正交，反映近红外 与可见光波段的对比关系；又称为绿度植被指数（GVI）；y3 代表黄度或湿度分量 （yellowness），主要与土壤湿度/水分状况有关；y4 对于 MSS 数据没有意义，而对于 TM 数 据代表霾，大气辐射衰减效应。
基本原理 1、主成分分析（PCA）是指在将多光谱空间中的地物信息通过一阶线性变换矩阵形式 表现出来，即 Y 其中 X=[x1, x2, …, xn]T 为多光谱空间中的各个像元向量，亦即多光谱影像数 据的集合；Y=[y1, y2, …, yn]T 为变换后生成的各个主成份分量，亦即变换后形成的多光谱影 像数据的集合。A 为变换系数矩阵，此矩阵为一方阵，且矩阵的大小等于多光谱空间的维数。 通常情况下，这种运算可以被看作是揭露数据的内部结构，从而更好的解释数据的变量的 方法。如果一个多元数据集能够在一个高维数据空间坐标系中被显现出来，那么 PCA 就能 够提供一幅比较低维度的图像，这幅图像即为在信息最多的点上原对象的一个‘投影’。这 样就可以利用少量的主成分使得数据的维度降低了。 主成分变换以后生成了新的多光谱影像 Y，Y 的各个行向量依次称为第一主成分、第二 主成分，…，第 N 主成分，并且各自有以下特征： 第一主成分包含了原影像的大部分信息； 第二主成分包含了第一主成分不能表达的影像信息，信息量少于第一主成分； 第三主成分包含了前两个主成分未能表达的影像信息，信息量少于第一、第二主成分；
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
43m1m“-”J520Gm01m24“492k-Z(1)g2L3-”3060@k%3-g“/1”7mD2%BJ/Tg0d1-ZP318¬-A_2"o70)Xc0?y258z6n”217 NE)
发芽、生长、开花到结实等各个阶段的整个生物过程。随叶面积增加而绿度值增加，之后
开始成熟、枯黄，绿度很快降回到最低点。湿度（黄度）与亮度组成的平面为土壤视面，
绿度与湿度（黄度）组成的平面称为过渡区视面。
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。
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
C 1 R
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
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
M
源自文库
1
G
Y 1 B
Y 0.299 0.587
I
0.596
0.274
Q 0.211 0.523
0.114 R 0.322 G 0.312 B
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
实习序号及题目
遥感影像多光谱变换
实习人姓名
专业班级及编号
任课教师姓名
实习指导教师姓名
实习地点
榆中校区实验 楼 A209
实习日期时间
2013-11-28
实习目的 理解主成份变换、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和 操作步骤。 掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进 行遥感影像分析
43m1m“-”J520Gm01m24“492k-Z(1)g2L3-”3060@k%3-g“/1”7mD2%BJ/Tg0d1-ZP318¬-A_2"o70)Xc0?y258z6n”217 NE)
其余影像信息分布在其他主成分中，且信息量依次递减，最后的几个波段的影像上实 际仅包含噪声信息。
主成分变换不仅去除了原影像各个波段之间的相关性，还把有用的信息集中到数目尽 可能少的几个主成分影像波段上，从而有效地提高了影像目视分析的效能。
顶点，最大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。
2、缨帽变换（Tasseled Cap transform)，又称为 Kauth-Thomas（K-T）变换。一种特殊
的主成分变Y换： CX A ，其中，，对应于 TM 影像的 1、2、3、4、5、7 波段。
变换后得到：，缨帽变换后：y1 代表亮度分量（brightness），是 TM 六个波段亮度值的加权 和，反映了总体的亮度变化；y2 代表绿度分量（greenness），与亮度分量正交，反映近红外 与可见光波段的对比关系；又称为绿度植被指数（GVI）；y3 代表黄度或湿度分量 （yellowness），主要与土壤湿度/水分状况有关；y4 对于 MSS 数据没有意义，而对于 TM 数 据代表霾，大气辐射衰减效应。
基本原理 1、主成分分析（PCA）是指在将多光谱空间中的地物信息通过一阶线性变换矩阵形式 表现出来，即 Y 其中 X=[x1, x2, …, xn]T 为多光谱空间中的各个像元向量，亦即多光谱影像数 据的集合；Y=[y1, y2, …, yn]T 为变换后生成的各个主成份分量，亦即变换后形成的多光谱影 像数据的集合。A 为变换系数矩阵，此矩阵为一方阵，且矩阵的大小等于多光谱空间的维数。 通常情况下，这种运算可以被看作是揭露数据的内部结构，从而更好的解释数据的变量的 方法。如果一个多元数据集能够在一个高维数据空间坐标系中被显现出来，那么 PCA 就能 够提供一幅比较低维度的图像，这幅图像即为在信息最多的点上原对象的一个‘投影’。这 样就可以利用少量的主成分使得数据的维度降低了。 主成分变换以后生成了新的多光谱影像 Y，Y 的各个行向量依次称为第一主成分、第二 主成分，…，第 N 主成分，并且各自有以下特征： 第一主成分包含了原影像的大部分信息； 第二主成分包含了第一主成分不能表达的影像信息，信息量少于第一主成分； 第三主成分包含了前两个主成分未能表达的影像信息，信息量少于第一、第二主成分；
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
43m1m“-”J520Gm01m24“492k-Z(1)g2L3-”3060@k%3-g“/1”7mD2%BJ/Tg0d1-ZP318¬-A_2"o70)Xc0?y258z6n”217 NE)