遥感数字图像处理期末复习资料(共9页).doc

精选优质文档-倾情为你奉上第一章 概论1、 按图像的明暗程度和空间坐标的连续性，可以分为数字图像和模拟图像。数字图像：可用计算机存储和处理，空间坐标和灰度均不连续。模拟图像：计算机无法直接处理，空间坐标和明暗程度连续变化。2遥感数字图像中的像素值称为亮度值（灰度值/DN值），它的高低由传感器所探测到的地物电磁波的辐射强度决定。2、 遥感数字图像处理的主要内容包括以下三个方面：图像增强、图像校正、信息提取。1）图像增强：用来改善图像的对比度，突出感兴趣的地物信息，提高图像大的目视解译效果，它包括灰度拉伸、平滑、锐化、滤波、变换（KL/KT）、彩色合成、代数运算、融合等。图像显示：为了理解数字图像中的内容，或对处理结果进行对比。图像拉伸：为了提高图像的对比度（亮度的最大值与最小值的比值），改善图像的显示效果。2）图像校正（恢复/复原）：为了去除和压抑成像过程中由各种因素影响而导致的图像失真。注意：图像校正包括辐射和几何校正，前者通过辐射定标和大气校正等处理将像素值由灰度级改变为辐照度或反射率，后者利用已有的参照系修改像素坐标，使得图像能够与地图匹配或多景图像之间可以相互匹配。3）信息提取：从校正后的遥感数据中提取各种有用的地物信息。包括图像分割、分类等。图像分割：用于从背景中分割出感兴趣的地物目标。分割的结果可作为监督分类的训练区。图像分类：按照特定的分类系统对图像中像素的归属类别进行划分。3、 遥感数字图像处理系统：硬件系统（输入、存储、处理、显示、输出），软件系统。4、 数字图像处理的两种观点：离散方法（空间域）、连续方法（频率域）第二章 遥感图像的获取和存储1、 遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程。遥感的实施依赖于遥感系统2、 遥感系统是一个从地面到空中乃至整个空间，从信息收集、储存、传输、处理到分析、判读、应用的技术体系，主要包括遥感试验、信息获取（传感器、遥感平台）、信息传输、信息处理、信息应用等5个部分。3、 传感器按是否具有人工辐射源，可分为被动方式和主动方式；按数据记录方式，可分为成像方式（摄影成像、扫描成像）和非成像方式。按成像原理分为摄影成像和扫描成像两类。a) 摄影成像：其传感器主要为摄影机，其基本特点是在快门打开后的一瞬间几乎同时收集目标上所有的反射光，聚焦到胶片上成为一幅影像，并记录下来。b) 扫描成像：其特点逐点逐行地收集信息。4、 传感器分辨率指标主要有4个：辐射分辨率、光谱分辨率、空间分辨率和时间分辨率。A. 辐射分辨率：是传感器区分反射或发射的电磁波辐射强度差异的能力。高辐射分辨率意味着可以区分信号强度的微小差异。在可见、近红外波段用噪声等效反射率表示，在热红外波段用噪声等效温差、最小可探测温差和最小可分辨温差表示。B. 光谱分辨率：是传感器记录的电磁光谱中特定波长的范围和数量。波长范围越窄，光谱分辨率越高；波段数越多，光谱分辨率越高。C. 空间分辨率：是指遥感图像上能够详细区分的最小单元的尺寸或大小，即传感器能把两个目标物作为清晰的实体记录下来的两个目标物之间最小的距离。它是表征图像分辨地面目标细节能力的指标。通常用像素大小、解像力或视场角来表示。D. 时间分辨率：对同一目标进行重复探测时，相邻两次探测的时间间隔称为时间分辨率。5、 数字化包括两个过程：采样和量化。6、 采样：将空间上连续的图像变换成离散点的操作称为采样。采样间隔越小，图像越接近真实，但所需存储空间也越大；采样间隔越大，细节损失越多，图像的棋盘化效果越明显。7、 量化：将像素灰度值转换成整数灰度级的过程。*图像所需的存储空间=M*N*g / 8字节，M N为图像数据的行列，g为图像的量化位数*。量化影响着图像细节的可分辨程度，量化位数越高，细节的可分辨程度越高；保持图像大小不变，降低量化位数减少灰度级会导致假轮廓的出现。8、 遥感图像的类型根据传感器选用的波长范围不同分为：相干图像、不相干图像。a) 不相干图像 光学遥感属于被动遥感，图像受大气状况影响很大。b) 相干图像 微波遥感属于主动遥感，其穿透能力强，不受天气影响，可以全天时全天候工作。9、 遥感数字图像数据级别：0级产品：未经过任何校正的原始图像数据；1级产品：经过初步辐射校正的图像数据；2级产品：经过系统级的几何校正；3级产品：经过几何精校正。10、 通用遥感图像数据格式：BSQ、BIL、BIP（详细解释见教材P30-32）A. BSQ：是像素按波段顺序依次排列的数据格式。即先按照波段顺序分块排列，在每个波段内，再按照行列顺序排列。B. BIL：像素先以行为单位分块，在每个快内，按扎波段顺序排列像素。C. BIP：以像素为核心，像素的各个波段数据保存在一起，打破了像素空间位置的连续性。11、 特殊遥感图像数据格式：陆地资源卫星L5的数据格式、HDF数据格式、TIFF图像格式、GeoTIFF图像格式。第三章 遥感图像的表示和统计描述1、 遥感图像的数字表示：确定性表示（图像的矩阵表示、图像的向量表示）、统计性表示。注意：二值图像：每个像素的取值为0或1的图像。2、 单波段图像的统计特征：a) 反映像素值平均信息的统计参数：均值、中值、众数；b) 反映像素值变化信息的统计参数：方差、变差、反差；3、 直方图：是灰度级的函数，描述的是图像中各个灰度级像素的个数。Hi=ni/Na) 性质：1）反映了图像灰度的分布规律2） 任何一幅特定的图像都有唯一的直方图与之对应，但不同的图像可以有相同的直方图。3） 如果一幅图像仅包括连个不相连的区域，并且每个区域的直方图已知，则整幅图像的直方图就是这两个区域的直方图之和。4） 直方图的形态与正态分布的曲线形态类似。b) 应用：根据直方图的形态可以大致推断图像的反差，然后可通过有目的地改变直方图形态来改善图像的对比度。（如果图像的直方图形态接近正太分布，则这样的图像反差适中）4、 多波段图像的统计特征（考虑了波段间存在的关联）协方差、相关系数、直方图匹配5、 窗口：对于图像中的任一像素(x,y)，以此为中心，按上下左右对称所设定的像素范围。6、 滤波：指从含有干扰的接受信号中提取有用信号的一种技术。主要应用在频率域图像处理中。在空间域，滤波即为卷积运算。7、 传统的纹理特征描述方法：统计方法（包括空间自相关函数法和灰度共生矩阵法等）、结构方法。a) 空间自相关函数法：可用来对纹理的粗糙度进行描述b) 灰度共生矩阵法：对图像中所有像素进行统计，以描述其灰度分布。它不但用于纹理的识别，而且用于图像分割 第四章 图像的显示和拉伸1、 颜色模型：RGB颜色模型、CMY颜色模型、YIQ颜色模型、HIS颜色模型。2、 彩色的3个基本属性：色调、亮度、饱和度。3、 图像的彩色合成目的：为了充分利用色彩在遥感图像判读中的优势。4、 图像的彩色合成分为3中：伪彩色合成（将单波段灰度图像变换成彩色图像密度分割）、真彩色合成（用波长与红绿蓝相同或相似的波段来进行彩色合成）、假彩色合成（用多波段图像合成的彩色图像）和模拟真彩色合成a) 植被在近红外波段有较高的反射率，其次是在绿色波段。进行真彩色合成时，绿色分量（对应于植被在绿色波段的反射）在整个像素的3个分量中占得比重最大，所以该像素表现为绿色；而进行假彩色合成时，红色分量（对应于植被在近红外波段的反射）在整个像素的3个分量中占得比重最大，所以该像素表现为红色。假彩色增强图像可以有效地突出植被要素，有利于植被的判读。b) TM图像中，波段2为绿波段，波段3为红波段，波段4为近红外波段，对4、3、2波段分别赋予红、绿、蓝色合成的假彩色图像称为标准假彩色图像。对于MSS图像，选择波段4、2、1分别赋予红、绿、蓝色合成可得标准假彩色图像。SPOT图像的标准假彩色合成方案为3(红)、2（绿）、1（蓝）。在标准假彩色图像中，突出了植被、水体、城乡、山区、平原等特征，植被为红色，水体为黑色或蓝色，城镇为深色，地物类型信息丰富。5、 拉伸：以波段为处理对象，它通过处理波段中单个像素值来实现增强的效果。图像直方图是选择拉伸具体方法的基本依据。6、 灰度拉伸分为线性拉伸（全域线性拉伸、分段线性拉伸、灰度窗口切片）和非线性拉伸（指数变换、对数变换）外加多波段拉伸7、 图像图像均衡化：使图像灰度的动态范围增加，使原图像的灰度直方图修正为均匀分布的直方图，从而提高图像的对比度。但它也同时增加了图像的颗粒感。8、 直方图均衡化得特点：a) 各灰度级中像素出现的频率近似相等。b) 原图像上像素出现频率小的灰度级被合并，实现压缩；像素出现频率高的灰度级被拉伸，突出了细节信息。9、 直方图规定化（匹配）：修改一幅图象的直方图，使得它与另一幅图象的直方图匹配或具有一种预先规定的函数形状。作用：通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的色调差异，从而可以降低目视解译的错误。 第五章 图像校正1、 辐射误差产生的原因：传感器的响应特征和外界（自然）环境，其中后者包括大气（雾和云）和太阳辐射等。2、 根据辐射的波长与散射微粒的大小之间的关系，按散射作用可分为三种：瑞利散射、米氏散射和非选择性散射。3、 消除条纹常用的方法：平均值法、直方图法及在垂直扫描线方向采用最近邻点法或三次褶积法等。4、 斑点的校正：校正后的斑点亮度值取其邻域像素亮度值的平均值或用三次褶积法进行修正。5、 红外波段的总辐射组成：通过大气向上传输的直接地面辐射、大气自身向上传输的辐射、大气向下辐射到地面再经地面反射后通过大气向上传输的辐射。6、 大气校正主要有3种方法：统计学方法（通常将野外实地光谱测试获得的无大气影像的辐射值与卫星传感器同步观测结果进行回归分析计算，确定校正量）；辐射传递方程计算法（测量大气参数，按理论公式求得大气干扰辐射量）；波段对比法（在特殊条件下，利用某些不受大气影响或影响很小的波段校正其他波段）。A. 统计学方法主要有内部平均法、平场域法、经验线性法、实测光谱回归法。B. 波段对比法一般通过两种方法进行计算：回归分析法和直方图法。7、 太阳辐射校正，主要校正由太阳高度角导致的辐射误差，即将太阳光线倾斜照射时获取的图像校正为太阳光 线垂直照射时获取的图像。主要方法有：公式法、波段比值法。8、 地面辐射校正，需要有地区的DEM数据，通过公式I=I0*COS进行校正。9、 遥感图像的几何误差分为静态误差（传感器相对地球呈静止状态时所具有的各种误差，可分为内部误差和外部误差两类）和动态误差（由于成像过程中地球的旋转所造成的图像误差）两大类。10、 几何精纠正又称为几何配准，主要步骤有：准备工作、输入原始数字图像、确定工作范围、选择地面控制点、选择地图投影、匹配地面控制点和像素位置、评估纠正精度、坐标变换、重采样、输出纠正后图像。*具体步骤请看教材P111-12111、 常用的纠正方程有多项式（K阶多项式的控制点数目最小应为：(k+1)(k+2)/2）和共线方程两种12、 重采样过程包括两步：像素位置变换和像素值变换。13、 重采样方法有：最近邻方法、双线性内插方法和三次卷积内插方法。14、 多图像的几何配准：将多图像（多时相图像）的同名图像通过几何变换实现重叠。第六章 图像变换1、 图像变换的目的：简化图像处理；便于图像特征提取；图像压缩；从概念上增强对图像信息的理解。图像变换包括两个过程：正变换和逆变换。2、 图像变换常用的方法有五种：傅里叶变换：针对特定波段图像的频率特征进行分析处理，常用于周期性噪声的去除。如图像特征提取、频率域滤波、周期性噪声的去除、图像恢复、纹理分析；主成分变换（K-L变换）：针对多波段图像进行的数学变换方法，常用于数据的压缩或噪声的去除； 缨帽变换（K-T变换）：适用于LANDSAT图像的多波段经验性变换方法，变换结果可以比较好的突出主体地物特征。变换后的前三个分量为 亮度、绿度、湿度；代数运算：通过简单的代数运算产生新的波段，以增强特定的地物信息；主要的代数运算有：加法运算、差值运算、乘法运算、比值运算、归一化指数（公式：B=(B1-B2)/(B1+B2)）、植被指数。其中植被指数有以下四种（IR为近红外，R为红外）：A. 比值植被指数（RVI）RVI=IR/RB. 归一化植被指数（NDVI）NDVI=(IR-R)/(IR+R)C. 差值植被指数（DVI）DVI=IR-RD. 正交植被指数（PVI）PVI=1.6225(IR)-2.2978(R)+11.0656或PVI=0.939(IR)-0.344(R)+0.09色彩变换：将图像从RGB色彩空间转换到其他色彩空间显示，以突出RGB色彩空间难以表示的内容。如HIS变换，Hue(色调)，Intensity(强度)，Saturation(饱和度)3、 彩色变换的主要应用：1进行不同分辨率图像的融合；2增强合成图像的饱和度；3通过对强度I成分的处理进行图像增强；4多源数据综合显示；5其他应用 第七章 图像滤波1、 图像滤波可分为空间域滤波和频率域滤波两种方法。2、 空间域图像滤波称为平滑和锐化处理，强调像素与其周围相邻像素的关系，常用的方法是卷积运算。3、 在频率域滤波中，保留图像的低频部分抑制高频部分的处理称为低通滤波，起到平滑的作用；保留图像的高频部分抑制低频部分的处理称为高通滤波，起到锐化的作用4、 遥感图像中常见的噪声：高斯噪声、脉冲噪声、周期噪声。5、 图像平滑：为了抑制噪声、改善图像的质量所做的处理6、 图像平滑的方法a) 均值滤波：是最常用的线性低通滤波器，对高斯噪声比较有效。常用的邻域有4-邻域和8-邻域。b) 中值滤波：是一种常用的非线性平滑滤波器。可以用来减弱随机干扰和脉冲干扰。c) 高斯低通滤波：对高斯噪声的去除非常有效，平滑程度越高，滤波后的图像越模糊。d) 梯度倒数加权法：平滑后图像的边沿和细节不会受到明显的损害。e) 选择式掩模平滑：旨在追求既完成滤波操作，又不破坏区域边界的细节。7、 图像锐化：为了突出图像中的地物边缘、轮廓或线状目标的操作8、 图像锐化方法：线性锐化滤波器、梯度法、罗伯特梯度、Prewitt和Sobel梯度、Laplacian算子*9、 定向检测：为了有目的的提取某一特定方向的边缘或线性特征。常用的模板有：检测垂直线、检测水平线、检测对角线10、 频率域滤波：理想低通滤波器、理想高通滤波器；Butterworth低通滤波、Butterworth高通滤波；指数低通滤波、指数高通滤波；梯形低通滤波、梯形高通滤波；高斯低通滤波、高斯高通滤波；同态滤波。第八章 图像分割1、 图像分割是：指把图像分成各具特征的区域并提取出感兴趣的目标的技术和过程。2、 图像分割的目的：是将一幅图像分为几个区域，这几个区域之间具有不同的属性，同一区域中各像素具有某些相同的性质。3、 分割的原则：由于图像的复杂性和应用的多样性，图像分割并没有一个统一的标准和方法，一般可以依据以下两个原则对图像进行分割：a) 依据像素灰度值的不连续性进行分割。b) 依据同一区域内部像素的灰度值具有相似性进行分割。4、 灰度阈值法：全局阈值法、自适应阈值法、最佳阈值的选择（直方图方法、自适应阈值方法、分水岭算法）5、 边缘检测：常用的算法有Robers算子、Prewitt边缘算子、拉普拉斯算子等。6、 边缘连接：是将近邻的边缘点连接起来从而产生一条闭合的连通边界的过程。7、 开运算：先腐蚀后膨胀；闭运算：先膨胀后腐蚀第九章 遥感图像的分类1、 分类方法：根据是否需要分类人员事先提供已知类别及其训练样本，对分类器进行训练和监督，可将遥感图像分类方法划分为监督分类和非监督分类；根据分类使用的统计数学方法可以分为随机统计方法（K-均值分类、最大相似性分类）和模糊数学方法分类。2、 绝对距离：式中，dik 为当前像素i到类k的距离；p为波段数；xij为像素i在j波段的像素值；Mjk为类k在波段j的均值。3、 欧式距离：是平面两点之间的直线距离4、 马氏距离：是一种加权的欧式距离，它通过协方差矩阵来考虑变量的相关性。5、 相似系数：又称为余弦距离。6、 遥感图像分类的基本工作流程：图像预处理、选择分类方法、特征选择和提取、选择合适的分类参数进行分类、分类后处理、成果输出。7、 预处理：确定工作范围、多源图像的几何配准、噪声处理、辐射校正、几何精校正、多图像融合。8、 良好的特征应具备四个特点：可分性（对属于不同类别的对象来说，它们的特征值应具有明显的差异）、可靠性（对同类的对象，特征值应比较相近）、独立性（所有的各特征之间应彼此不相关）、数量少（分类的复杂度随特征的个数迅速增长）。9、 非监督分类 初始类别参数的选择：光谱特征比较法、直方图法、最大最小距离法、局部直方图峰值法10、 非监督分类K-均值算法：其基本思想是，通过迭代，逐次移动各类的中心，直到满足收敛条件为止。11、 监督分类方法：平行管道方法、最小距离方法、最大似然方法、光谱角方法12、 其他分类方法：模糊聚类方法、人工神经网络方法、决策树方法13、 分类后处理：碎斑处理、类别合并、分类结果统计、类间可分离性分析第十章 地物成分分析和信息提取1、 .不同光谱波段的遥感应用：a) 蓝色水，土地利用，植被特性，泥沙b) 绿色健康植被c) 红色红色，叶绿素吸收的植被判别d) 全色制图，土地利用，立体像片e) 反射红外生物量，作物判别，土壤作物，陆地水域的边界f) 中红外植物，干旱，云，雪，冰的判别g) 远红外地质学应用，岩石h) 热红外相对温度，热流量，植被分类，含水量研究，热惯量i) 微波、短波积雪，雪深，植物含水量j) 微波、长波融雪，土壤含水量，水域、陆地的边界，穿透植被专心-专注-专业