第四章 遥感图像处理优秀PPT.ppt

《第四章 遥感图像处理优秀PPT.ppt》由会员分享，可在线阅读，更多相关《第四章 遥感图像处理优秀PPT.ppt（49页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第四章第四章 遥感图像处遥感图像处理理第一页，本课件共有49页第四章第四章 遥感图像处理遥感图像处理本章提要本章提要:本章主要分析遥感本章主要分析遥感数据获取过程中产生的辐射数据获取过程中产生的辐射畸变、几何畸变的原因和校畸变、几何畸变的原因和校正的方法，多幅遥感数据的正的方法，多幅遥感数据的融合处理方法。这些都是遥融合处理方法。这些都是遥感数据的预处理。感数据的预处理。第二页，本课件共有49页09城规66人博东412，周一，第1，2，3第三页，本课件共有49页三、遥感图像增强处理三、遥感图像增强处理l图像目视效果不太好，或者有用的信息突出不够时，就需要作图像目视效果不太好，或者有用的信息突出

2、不够时，就需要作图像增强处理。常用的增强处理方法有对比度变换、空间滤波、图像增强处理。常用的增强处理方法有对比度变换、空间滤波、彩色变换、图像运算和多光谱变换。彩色变换、图像运算和多光谱变换。l图像增强和图像校正的区别：图像校正目的是消除伴随数据获图像增强和图像校正的区别：图像校正目的是消除伴随数据获取过程中的误差及变形，使传感器记录的数据更接近于真实值。取过程中的误差及变形，使传感器记录的数据更接近于真实值。而图像增强则是为了突出相关的专题信息，提高图像的视觉效而图像增强则是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果，使分析者能更容易地识

3、别图像内容，从图像中提取更有用的定量化信息。的定量化信息。第四页，本课件共有49页（一）对比度变换（一）对比度变换l概念：概念：是一种通过改变图像像元的亮度值来改变图像像元对比度，是一种通过改变图像像元的亮度值来改变图像像元对比度，从而改善图像质量的图像处理方法。将图像中过于集中的像元分从而改善图像质量的图像处理方法。将图像中过于集中的像元分布区域（亮度值分布范围）拉开扩展，增加图像反差。因为亮度布区域（亮度值分布范围）拉开扩展，增加图像反差。因为亮度值是辐射强度的反映，所以又叫辐射增强。值是辐射强度的反映，所以又叫辐射增强。l方法：方法：对比度线性变换和非线性变换。对比度线性变换和非线性变换

4、。线性变换：线性变换：在改善图像对比度时，如果采用线性或分段线性的函在改善图像对比度时，如果采用线性或分段线性的函数关系，那么这种变换就是线性变换。数关系，那么这种变换就是线性变换。第五页，本课件共有49页直方图形态与图像亮度直方图形态与图像亮度不同亮度的图像不同亮度的图像第六页，本课件共有49页线性变换线性变换l假定原图像假定原图像f(x,y)f(x,y)的灰度范围为的灰度范围为a,ba,b，希望增强后图像，希望增强后图像g(x,y)g(x,y)的灰度范围扩展到的灰度范围扩展到c,d,c,d,基本公基本公式为式为 g(x,y)=(d-c)/(b-a)(f(x,y)-a)+cl在遥感图像中，如

5、果在遥感图像中，如果a a取灰度级取灰度级的的2%2%，b b取灰度级的取灰度级的98%98%，则为，则为2%2%灰度拉伸灰度拉伸。这是一种常用的拉。这是一种常用的拉伸方法，可以明显增加图像的伸方法，可以明显增加图像的显示效果。显示效果。abcd0f(x,y)g(x,y)第七页，本课件共有49页 通过细心调整折线拐点的位置及控制分段直线的斜率，通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。可对任一灰度区间进行拉伸或压缩。为了突出感兴趣目标所在的为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性趣的灰度区

6、间，可采用分段线性变换。变换。设原图像设原图像f(x,y)f(x,y)在在00，M Mf f,感感兴趣目标的灰度范围在兴趣目标的灰度范围在a,b,a,b,欲欲使其灰度范围拉伸到使其灰度范围拉伸到c,d,c,d,则对则对应的分段线性变换表达式为应的分段线性变换表达式为分段线性拉伸分段线性拉伸第八页，本课件共有49页l非线性变换：非线性变换：变换函数为非线性函数时，即为非线性变换。变换函数为非线性函数时，即为非线性变换。常用的非线性拉伸函数有常用的非线性拉伸函数有指数函数指数函数、对数函数对数函数、高斯函数高斯函数、平方根平方根等。等。指数函数指数函数 指数函数曲线对于图像中的亮的部分，指数变换扩

7、大了灰度间隔，指数函数曲线对于图像中的亮的部分，指数变换扩大了灰度间隔，突出了细节；对于暗的部分，缩小了灰度间隔，弱化了细节。突出了细节；对于暗的部分，缩小了灰度间隔，弱化了细节。对数函数对数函数 对数函数与指数变换相反，对数变换主要用于拉伸图像中暗的部对数函数与指数变换相反，对数变换主要用于拉伸图像中暗的部分，而压缩亮的部分。分，而压缩亮的部分。第九页，本课件共有49页反差增强反差增强第十页，本课件共有49页A linear stretch involves identifying lower and upper bounds from the histogram(usually the m

8、inimum and maximum brightness values in the image)and applying a transformation to stretch this range to fill the full range.第十一页，本课件共有49页This graphic illustrates the increase in contrast in an image before(left)and after(right)a linear contrast stretch.第十二页，本课件共有49页（二）空间滤波（二）空间滤波l概念概念:又称邻域处理，重点突出图像

9、上的某些特征为目的，是又称邻域处理，重点突出图像上的某些特征为目的，是在被处理像元周围像元的参与下进行运算并且增强图像的处理在被处理像元周围像元的参与下进行运算并且增强图像的处理方法。方法。l目的：目的：根据需要，舍弃不需要的频率曲线，选择适宜和需要的根据需要，舍弃不需要的频率曲线，选择适宜和需要的频率波形曲线，重新构成新的图像，使一些地物或现象得到突频率波形曲线，重新构成新的图像，使一些地物或现象得到突出显示，以重点突出图像上某些特征。出显示，以重点突出图像上某些特征。l原理原理:任何一个复杂的波形曲线都可以分解成具有不同频率任何一个复杂的波形曲线都可以分解成具有不同频率（波长）的较为简单的

10、波形曲线。（波长）的较为简单的波形曲线。第十三页，本课件共有49页图像卷积运算图像卷积运算l 卷积是空间域上针对特定窗口进行的运算，是图像卷积是空间域上针对特定窗口进行的运算，是图像平滑、平滑、锐化锐化中使用的基本的计算方法。中使用的基本的计算方法。l 设窗口大小为设窗口大小为mn,(i,j)mn,(i,j)是中心像素，是中心像素，f(x,y)f(x,y)是图像像是图像像素值，素值，g(i,j)g(i,j)是运算结果，是运算结果，h(x,y)h(x,y)是窗口模板（或称为卷是窗口模板（或称为卷积核，积核，KernelKernel），那么卷积计算公式为），那么卷积计算公式为第十四页，本课件共有4

11、9页 窗口模板窗口模板是相邻像素对中心像素影响程度的表述，根据工作目是相邻像素对中心像素影响程度的表述，根据工作目的来选择，也可以根据问题的要求来创建，模板内像素值可以是固的来选择，也可以根据问题的要求来创建，模板内像素值可以是固定的，也可以是随着窗口变化的，像素值的总和为定的，也可以是随着窗口变化的，像素值的总和为0 0或或1 1，或根据需，或根据需要来确定。要来确定。对于整个图像从左上角开始，由左到右、由上到下按照窗口大对于整个图像从左上角开始，由左到右、由上到下按照窗口大小顺序进行遍历，即可完成整个图像的卷积计算小顺序进行遍历，即可完成整个图像的卷积计算。模模 板板-1-1-1-18-1

12、-1-1-1第十五页，本课件共有49页1 1、平滑、平滑-图像中出现某些亮度值过大的区域，或出现不该有的亮图像中出现某些亮度值过大的区域，或出现不该有的亮点点(“噪声噪声”)时，采用平滑方法可以减小变化，使亮度平缓或去掉时，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。不必要的亮点。（1 1）均值平滑：）均值平滑：将每个像元在以其为中心的区域内，取平均值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，以达到去掉尖锐来代替该像元值，以达到去掉尖锐“噪声噪声”和平滑图像的目的。和平滑图像的目的。（2 2）中值滤波：）中值滤波：将每个像元在以其为中心的邻域内，取中间亮度值将每个像元

13、在以其为中心的邻域内，取中间亮度值来代替该像元值，以达到去掉尖锐来代替该像元值，以达到去掉尖锐“噪声噪声”和平滑图像的目的。和平滑图像的目的。第十六页，本课件共有49页均值平滑均值平滑 均值平滑法是一种直接在空间域上进行平滑处理的技术。均值平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像内各像素的灰度平均值代替该像素原来的灰度值，实现图像的

14、平滑。的平滑。设有一幅设有一幅NNNN的图像的图像f(x,y)f(x,y)，若平滑图像为，若平滑图像为g(x,y),g(x,y),则则有有 式中式中x,y=0,1,x,y=0,1,N-1,N-1；s s为为（x,yx,y）邻邻域内像素坐域内像素坐标标的集合；的集合；M M表示集合表示集合s s内像素的内像素的总总数。数。可可见邻见邻域平均法就是将当前像素域平均法就是将当前像素邻邻域内各像素的灰度域内各像素的灰度平均平均值值作作为为其其输输出出值值的去噪方法。的去噪方法。第十七页，本课件共有49页(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1)(m,n)(m,n+1)(m+1,n

15、-1)(m+1,n)(m+1,n+1)例如，对图像采用例如，对图像采用3 333的邻域平均法，对于像素的邻域平均法，对于像素（m,n)m,n)，其邻域像素如下：，其邻域像素如下：则有：则有：这种算法简单，但它的主要这种算法简单，但它的主要缺点缺点是在降低噪声的同时使图是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。能力增强的同时模糊程度越严重。第十八页，本课件共有49页 中值滤波中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中

16、心像素的原来灰度值，因此它是一种非线性的图像平滑法。窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。例：采用例：采用1 133窗口进行中值滤波窗口进行中值滤波原图像为：原图像为：2 2 62 2 6 2 1 2 4 4 4 2 4 2 1 2 4 4 4 2 4处理后为：处理后为：2 2 2 2 2 2 2 2 4 4 4 4 2 2 2 2 4 4 4 4 4 4 它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不

17、太合适。却不太合适。对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。试验，再从中选取最佳的。中值滤波中值滤波第十九页，本课件共有49页 图图(a)(a)为原图像；图为原图像；图(b)(b)为加椒盐噪声的图像；图为加椒盐噪声的图像；图(c)(c)和图和图(d)(d)分别为分别为333 3、5555模板进行中值滤波的结果。模板进行中值滤波的结果。第二十页，本课件共有49页Smoothi

18、ngSmoothingsmoothing averages the values of the pixel and its neighbors.smoothing averages the values of the pixel and its neighbors.If there is If there is noisenoise in the image(random pixel with random values)in the image(random pixel with random values)the smoothing process will remove thesethe

19、 smoothing process will remove these.第二十一页，本课件共有49页2 2、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。突出图像的边缘、线性目标或某些亮度变化率大的部分。（1 1）罗伯特梯度：）罗伯特梯度：找到了梯度较大（像元间亮度变化较大）的位置，找到了梯度较大（像元间亮度变化较大）的位置，用不同的梯度计算值代替边缘处像元的值，实现突出边缘，锐化图像用不同的梯度计算值代替边缘处像元的值，实现突出边缘，锐化图像的效果。的效果。（2 2）索伯尔梯度：）索伯尔梯度：（3 3）拉普拉斯算法：）拉普拉斯算法：（4 4）定向检测：）定向检测：当有目的地检

20、测某一方向的边、线或纹理特征时，当有目的地检测某一方向的边、线或纹理特征时，可选择特定的模板卷积运算作定向检测。可选择特定的模板卷积运算作定向检测。第二十二页，本课件共有49页罗伯特梯度罗伯特梯度-1-111Roberts梯度算子模板0000 RobertsRoberts梯梯度度相相当当于于在在图图像像上上开开了了一一个个2222的的窗窗口口，用用两两个个模模板板计算后取绝对值后相加，将计算值作为中心像素计算后取绝对值后相加，将计算值作为中心像素(x,y)(x,y)的梯度值。的梯度值。这这种种算算法法的的意意义义在在于于用用交交叉叉的的方方法法检检测测像像素素与与其其在在上上下下之之间间或或左

21、左右右之之间间或或斜斜方方向向之之间间的的差差异异。采采用用RobertsRoberts梯梯度度对对图图像像中中的的每每一一个个像像素素计计算算其其梯梯度度值值，最最终终产产生生一一个个梯梯度度图图像像，达达到到突突出出边缘的目的。边缘的目的。第二十三页，本课件共有49页 Sobel Sobel模板中，第一个主模板中，第一个主要对水平方向的地物进行锐要对水平方向的地物进行锐化，第二个主要对垂直方向化，第二个主要对垂直方向的地物进行锐化（锐化效果的地物进行锐化（锐化效果如图）。在实际应用中要如图）。在实际应用中要注注意意的是，模板对于含有大量的是，模板对于含有大量噪声的图像是不适用的。噪声的图像

22、是不适用的。-1-2-1000121-101-202-101Sobel算子第二十四页，本课件共有49页 LaplacianLaplacian增强算子增强算子Laplacian Laplacian 算子是线性二阶微分算子。即算子是线性二阶微分算子。即 2f(x，y)=Laplacian Laplacian算子进行增强处理时有时候锐化结算子进行增强处理时有时候锐化结果会出现负值，而图像的灰度值应为非负数，因果会出现负值，而图像的灰度值应为非负数，因此增强算子避免了这种可能性，使锐化效果更好。此增强算子避免了这种可能性，使锐化效果更好。LaplacianLaplacian增强算子为：增强算子为：g(

23、xg(x，y)=f(xy)=f(x，y)-y)-2 2f(xf(x，y)y)=5f(x =5f(x，y)-f(x+1y)-f(x+1，y)+f(x-1y)+f(x-1，y)+f(xy)+f(x，y+1)+fy+1)+f(x(x，y-1)y-1)拉普拉斯算法的意义与前两种算法不同，它拉普拉斯算法的意义与前两种算法不同，它不检测均匀的亮度变化，而是监测变化率的变化，不检测均匀的亮度变化，而是监测变化率的变化，计算出的图像更加突出亮度值突变的位置。计算出的图像更加突出亮度值突变的位置。0101-41010Laplace算子0-10-15-10-10增强算子第二十五页，本课件共有49页 与梯度算子不同

24、，拉普拉斯算子是各向同性的。拉普拉斯与梯度算子不同，拉普拉斯算子是各向同性的。拉普拉斯与梯度算子不同，拉普拉斯算子是各向同性的。拉普拉斯与梯度算子不同，拉普拉斯算子是各向同性的。拉普拉斯锐化效果容易受图像中噪声的影响。因此，在实际应用中，经锐化效果容易受图像中噪声的影响。因此，在实际应用中，经锐化效果容易受图像中噪声的影响。因此，在实际应用中，经锐化效果容易受图像中噪声的影响。因此，在实际应用中，经常先进行常先进行常先进行常先进行平滑滤波平滑滤波平滑滤波平滑滤波，然后才进行拉普拉斯锐化。考虑到各向同，然后才进行拉普拉斯锐化。考虑到各向同，然后才进行拉普拉斯锐化。考虑到各向同，然后才进行拉普拉斯

25、锐化。考虑到各向同性的性质和平滑的特点，常选择高斯函数作为平滑滤波核（即性的性质和平滑的特点，常选择高斯函数作为平滑滤波核（即性的性质和平滑的特点，常选择高斯函数作为平滑滤波核（即性的性质和平滑的特点，常选择高斯函数作为平滑滤波核（即先进行先进行先进行先进行高斯低通滤波高斯低通滤波高斯低通滤波高斯低通滤波）。）。）。）。下面的图是使用下面的图是使用下面的图是使用下面的图是使用ENVIENVIENVIENVI软件进行处理得到的。原始图像中混有软件进行处理得到的。原始图像中混有软件进行处理得到的。原始图像中混有软件进行处理得到的。原始图像中混有噪声，使用噪声，使用噪声，使用噪声，使用3333333

26、3窗口的模板进行拉普拉斯锐化后，锐化的效果并不窗口的模板进行拉普拉斯锐化后，锐化的效果并不窗口的模板进行拉普拉斯锐化后，锐化的效果并不窗口的模板进行拉普拉斯锐化后，锐化的效果并不明显。但是，将原始图像使用明显。但是，将原始图像使用明显。但是，将原始图像使用明显。但是，将原始图像使用55555555的窗口进行高斯低通滤波后，然后的窗口进行高斯低通滤波后，然后的窗口进行高斯低通滤波后，然后的窗口进行高斯低通滤波后，然后以此数据为基础进行同样的拉普拉斯锐化操作，则具有明显的锐化效以此数据为基础进行同样的拉普拉斯锐化操作，则具有明显的锐化效以此数据为基础进行同样的拉普拉斯锐化操作，则具有明显的锐化效以

27、此数据为基础进行同样的拉普拉斯锐化操作，则具有明显的锐化效果。因此，只有选择合适的窗口大小，并综合应用不同的处理方法，果。因此，只有选择合适的窗口大小，并综合应用不同的处理方法，果。因此，只有选择合适的窗口大小，并综合应用不同的处理方法，果。因此，只有选择合适的窗口大小，并综合应用不同的处理方法，才能得到较好的锐化效果。才能得到较好的锐化效果。才能得到较好的锐化效果。才能得到较好的锐化效果。第二十六页，本课件共有49页 拉普拉斯不同滤波效果比较拉普拉斯不同滤波效果比较 （IKONOSIKONOS图像，全色波段）图像，全色波段）第二十七页，本课件共有49页A high-pass filter（高

28、通滤波）（高通滤波）does the opposite,and serves to sharpen the appearance of fine detail in an image.第二十八页，本课件共有49页定向检测定向检测常用的模板：l检测垂直边界时：l检测水平边界时：-12-1-12-1-12-1-101-101-101-1-1-1222-1-1-1-1-1-1000111第二十九页，本课件共有49页l检测对角线边界时：2-1-1-12-1-1-12-1-12-12-12-1-111010-10-1-1011-101-1-10第三十页，本课件共有49页Edge Enhancemente

29、dge enhancement mathematically manipulates an image to provide a edge enhancement mathematically manipulates an image to provide a new image in which edges are made to stand out.new image in which edges are made to stand out.第三十一页，本课件共有49页（三）彩色变换（三）彩色变换概念：概念：把数字图像组合转换成彩色图像，或者把各种增强或分把数字图像组合转换成彩色图像，或者

30、把各种增强或分类图像组合叠加，以彩色图像显示出来。（彩色的视觉分辨能类图像组合叠加，以彩色图像显示出来。（彩色的视觉分辨能力比黑白高）力比黑白高）方法：方法：单波段彩色变换单波段彩色变换 多波段彩色合成多波段彩色合成 HLSHLS变换变换1 1、单波段彩色变换（假彩色密度分割）、单波段彩色变换（假彩色密度分割）概念：概念：单波段黑白遥感图像可按亮度分层，对每层赋予不同的单波段黑白遥感图像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。这种方法又叫色彩，使之成为一幅彩色图像。这种方法又叫密度分割密度分割。第三十二页，本课件共有49页密度分割法密度分割法 密度分割法是把黑白图像的灰度级从

31、密度分割法是把黑白图像的灰度级从0 0（黑）到（黑）到M M0 0（白）（白）分成分成N N个区间个区间I Ii i(i=1(i=1，2 2，N),N),给每个区间给每个区间I Ii i指定一种彩色指定一种彩色C Ci i，这样，便可以把一幅灰度图像变成一幅彩色图像。，这样，便可以把一幅灰度图像变成一幅彩色图像。第三十三页，本课件共有49页输入图像输入图像显示直方图显示直方图确定分割的等级数，并计算分割的间距确定分割的等级数，并计算分割的间距像元亮度值转换像元亮度值转换为像元新值赋色为像元新值赋色第三十四页，本课件共有49页2 2、多波段色彩变换、多波段色彩变换概念：概念：利用计算机将同一地区

32、不同波段的图像存放在不同通道的存储器利用计算机将同一地区不同波段的图像存放在不同通道的存储器中，并依照彩色合成原理，分别对各通道的图像进行单基色变换，在中，并依照彩色合成原理，分别对各通道的图像进行单基色变换，在彩色屏幕上进行叠置，从而构成彩色合成图像。彩色屏幕上进行叠置，从而构成彩色合成图像。合成方案：合成方案：彩色合成图像分为彩色合成图像分为真彩色图像真彩色图像和和假彩色图像假彩色图像。第三十五页，本课件共有49页第三十六页，本课件共有49页第三十七页，本课件共有49页TM1TM2TM3TM4TM5TM6TM7LandsatTM5sub-sceneshowingtheregionaroun

33、dtheAlpinforschungszentrumRudolfshtte第三十八页，本课件共有49页TM7,4,1TM5,7,2TM5,4,3TM4,3,2第三十九页，本课件共有49页3 3、HLSHLS变换变换lRGBRGB模式与模式与HLSHLS模式模式l将将RGBRGB模式转换成模式转换成HLSHLS模式，对于定量地表示色彩特性，以及在模式，对于定量地表示色彩特性，以及在应用程序中实现两种表达方式的转换具有重要意义。应用程序中实现两种表达方式的转换具有重要意义。第四十页，本课件共有49页（四）图像运算（四）图像运算l概念：概念：两幅或多幅单波段影像，完成空间配准后，通两幅或多幅单波段影

34、像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不必要信息的目的。息或去掉某些不必要信息的目的。l原理：原理：地物不同波段的光谱差异。地物不同波段的光谱差异。l图像运算：图像运算：根据实际情况，采取加、减、乘、除四根据实际情况，采取加、减、乘、除四则运算。则运算。第四十一页，本课件共有49页1.1.差值运算：差值运算：两幅同样行、列数的图像，对应像元的亮度值相两幅同样行、列数的图像，对应像元的亮度值相减就是差值运算。减就是差值运算。2.2.比值运算：比值运算：两幅同样行、列数的图像，对应像元的亮度值相两幅同样行、列数

35、的图像，对应像元的亮度值相除（除数不为除（除数不为0 0）就是比值运算。该运算常用于突出遥感影像中）就是比值运算。该运算常用于突出遥感影像中的的植被特征、提取植被类型或估算植被生物量植被特征、提取植被类型或估算植被生物量，这种算法的结果，这种算法的结果称为称为植被指数植被指数。常用算法：近红外波段。常用算法：近红外波段/红波段红波段;或（近红或（近红外外-红）红）/（近红外（近红外+红）。对于区分和增强光谱亮度值虽不红）。对于区分和增强光谱亮度值虽不明显，而不同波段的比值差异较大的地物有明显效果。明显，而不同波段的比值差异较大的地物有明显效果。第四十二页，本课件共有49页（五）多光谱变换（五）

36、多光谱变换 多光谱变换多光谱变换:针对多光谱影象存在的一定程度上的相关性以及针对多光谱影象存在的一定程度上的相关性以及数据冗余现象，通过函数变换，达到保留主要信息，降低数数据冗余现象，通过函数变换，达到保留主要信息，降低数据量据量,增强或提取有用信息目的的方法。增强或提取有用信息目的的方法。1 1、K-LK-L变换变换 离散变换的简称，又称主成分变换。离散变换的简称，又称主成分变换。是一种除去波段之间的多余是一种除去波段之间的多余信息，将多波段的图像信息压缩到比原波段更有效的少数几个转换信息，将多波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。波段的方法。即利用波段之间的相互关系，

37、在尽可能不丢失信息的即利用波段之间的相互关系，在尽可能不丢失信息的同时，用几个综合性波段代表多波段的原图像，使处理的数据量减同时，用几个综合性波段代表多波段的原图像，使处理的数据量减少。少。第四十三页，本课件共有49页 主成分变换是基于变量之间的相关关系，在尽量不丢失信息的主成分变换是基于变量之间的相关关系，在尽量不丢失信息的主成分变换是基于变量之间的相关关系，在尽量不丢失信息的主成分变换是基于变量之间的相关关系，在尽量不丢失信息的前提下的一种线性变换方法。前提下的一种线性变换方法。前提下的一种线性变换方法。前提下的一种线性变换方法。这一变换是对某一多光谱图像这一变换是对某一多光谱图像这一变换

38、是对某一多光谱图像这一变换是对某一多光谱图像X X X X，利用，利用，利用，利用K-LK-LK-LK-L变换矩阵变换矩阵变换矩阵变换矩阵A A A A进行线性进行线性进行线性进行线性组合，而产生一组新的多光谱图像组合，而产生一组新的多光谱图像组合，而产生一组新的多光谱图像组合，而产生一组新的多光谱图像Y Y Y Y，表达式为，表达式为，表达式为，表达式为 Y=AXY=AXY=AXY=AX 式中，式中，式中，式中，X X X X为变换前的多光谱空间的象元矢量；为变换前的多光谱空间的象元矢量；为变换前的多光谱空间的象元矢量；为变换前的多光谱空间的象元矢量；Y Y Y Y为变换后的主为变换后的主为

39、变换后的主为变换后的主分量空间的象元矢量；分量空间的象元矢量；分量空间的象元矢量；分量空间的象元矢量；A A A A为变换矩阵。为变换矩阵。为变换矩阵。为变换矩阵。上式可以写作：上式可以写作：上式可以写作：上式可以写作：K-L变换变换第四十四页，本课件共有49页 主成分变换的原理：主成分变换的原理：主成分变换的原理：主成分变换的原理：设原始数据为二维数据，两个波段设原始数据为二维数据，两个波段设原始数据为二维数据，两个波段设原始数据为二维数据，两个波段B B B B3 3 3 3，B B B B1 1 1 1之间存在相关性，通过投影，各数据可表示为之间存在相关性，通过投影，各数据可表示为之间存

40、在相关性，通过投影，各数据可表示为之间存在相关性，通过投影，各数据可表示为y y y y轴上的一维轴上的一维轴上的一维轴上的一维点数据，从二维空间数据变成一维空间数据会产生信息损点数据，从二维空间数据变成一维空间数据会产生信息损点数据，从二维空间数据变成一维空间数据会产生信息损点数据，从二维空间数据变成一维空间数据会产生信息损失，为了使信息损失量小，必须按照使一维数据的信息量失，为了使信息损失量小，必须按照使一维数据的信息量失，为了使信息损失量小，必须按照使一维数据的信息量失，为了使信息损失量小，必须按照使一维数据的信息量最大的原则确定最大的原则确定最大的原则确定最大的原则确定y y y y1

41、 1 1 1轴的取向，新轴轴的取向，新轴轴的取向，新轴轴的取向，新轴y y y y1 1 1 1称作第一主成分（称作第一主成分（称作第一主成分（称作第一主成分（PC1PC1PC1PC1）。就变换后的新波段主分量而言，它们所包括的信息量）。就变换后的新波段主分量而言，它们所包括的信息量）。就变换后的新波段主分量而言，它们所包括的信息量）。就变换后的新波段主分量而言，它们所包括的信息量不同，呈逐渐减少趋势。事实上，第一主分量集中了最大不同，呈逐渐减少趋势。事实上，第一主分量集中了最大不同，呈逐渐减少趋势。事实上，第一主分量集中了最大不同，呈逐渐减少趋势。事实上，第一主分量集中了最大的信息量，常常占

42、的信息量，常常占的信息量，常常占的信息量，常常占80%80%80%80%以上。第二主分量（以上。第二主分量（以上。第二主分量（以上。第二主分量（PC2PC2PC2PC2）、第三主分）、第三主分）、第三主分）、第三主分量（量（量（量（PC3PC3PC3PC3）的信息量依次很快递减，到了第）的信息量依次很快递减，到了第）的信息量依次很快递减，到了第）的信息量依次很快递减，到了第n n n n分量，信息几乎分量，信息几乎分量，信息几乎分量，信息几乎为零。由于为零。由于为零。由于为零。由于K-LK-LK-LK-L变换对不相关的噪声没有影响，所以信息减变换对不相关的噪声没有影响，所以信息减变换对不相关的

43、噪声没有影响，所以信息减变换对不相关的噪声没有影响，所以信息减少时，便突出了噪声，最后的分量几乎全是噪声。所以这少时，便突出了噪声，最后的分量几乎全是噪声。所以这少时，便突出了噪声，最后的分量几乎全是噪声。所以这少时，便突出了噪声，最后的分量几乎全是噪声。所以这种变换又可分离出噪声。种变换又可分离出噪声。种变换又可分离出噪声。种变换又可分离出噪声。主成分变换以后保留的主成分量通常是主成分变换以后保留的主成分量通常是主成分变换以后保留的主成分量通常是主成分变换以后保留的主成分量通常是85%85%85%85%以上。以上。以上。以上。第四十五页，本课件共有49页 基于上述特点，在遥感数据处理时常常运

44、用基于上述特点，在遥感数据处理时常常运用基于上述特点，在遥感数据处理时常常运用基于上述特点，在遥感数据处理时常常运用K-LK-LK-LK-L变换做数变换做数变换做数变换做数据分析前的预处理，以实现：据分析前的预处理，以实现：据分析前的预处理，以实现：据分析前的预处理，以实现：数据压缩数据压缩数据压缩数据压缩：以：以：以：以TMTMTMTM影响为例，共有影响为例，共有影响为例，共有影响为例，共有7 7 7 7个波段（去除分辨率低的个波段（去除分辨率低的个波段（去除分辨率低的个波段（去除分辨率低的第第第第6 6 6 6波段，经常使用波段，经常使用波段，经常使用波段，经常使用TM1-5TM1-5TM

45、1-5TM1-5和和和和7 7 7 7共共共共6 6 6 6个波段）处理起来数据量很大。进个波段）处理起来数据量很大。进个波段）处理起来数据量很大。进个波段）处理起来数据量很大。进行行行行K-LK-LK-LK-L变换后，变换后，变换后，变换后，7 7 7 7维的多光谱空间变换成维的多光谱空间变换成维的多光谱空间变换成维的多光谱空间变换成7 7 7 7维的主分量空间，这时亮维的主分量空间，这时亮维的主分量空间，这时亮维的主分量空间，这时亮度不再与地物光谱值直接关联，但第一，或前二或三个主分量，已度不再与地物光谱值直接关联，但第一，或前二或三个主分量，已度不再与地物光谱值直接关联，但第一，或前二或

46、三个主分量，已度不再与地物光谱值直接关联，但第一，或前二或三个主分量，已包含了绝大多数的地物信息，足够分析使用，同时数据量却大大地包含了绝大多数的地物信息，足够分析使用，同时数据量却大大地包含了绝大多数的地物信息，足够分析使用，同时数据量却大大地包含了绝大多数的地物信息，足够分析使用，同时数据量却大大地减少了。应用中常常只取前三个主分量作假彩色合成，数据量可减减少了。应用中常常只取前三个主分量作假彩色合成，数据量可减减少了。应用中常常只取前三个主分量作假彩色合成，数据量可减减少了。应用中常常只取前三个主分量作假彩色合成，数据量可减少到少到少到少到43%43%43%43%，既实现了数据压缩，也可

47、作为分类前的特征选择。，既实现了数据压缩，也可作为分类前的特征选择。，既实现了数据压缩，也可作为分类前的特征选择。，既实现了数据压缩，也可作为分类前的特征选择。图像增强图像增强图像增强图像增强：K-LK-LK-LK-L变换后的前几个主分量，信噪比大，噪声相变换后的前几个主分量，信噪比大，噪声相变换后的前几个主分量，信噪比大，噪声相变换后的前几个主分量，信噪比大，噪声相对小，因此突出了主要信息，达到了增强图像的目的。此外将其他增对小，因此突出了主要信息，达到了增强图像的目的。此外将其他增对小，因此突出了主要信息，达到了增强图像的目的。此外将其他增对小，因此突出了主要信息，达到了增强图像的目的。此

48、外将其他增强手段与之结合使用会收到更好的效果。强手段与之结合使用会收到更好的效果。强手段与之结合使用会收到更好的效果。强手段与之结合使用会收到更好的效果。第四十六页，本课件共有49页本图是本图是本图是本图是2001200120012001年年年年LANDSAT7LANDSAT7LANDSAT7LANDSAT7的的的的TMTMTMTM图像中的南京市玄武湖部分主成分变换的结果，使用的图像中的南京市玄武湖部分主成分变换的结果，使用的图像中的南京市玄武湖部分主成分变换的结果，使用的图像中的南京市玄武湖部分主成分变换的结果，使用的图像波段为图像波段为图像波段为图像波段为1 1 1 15 5 5 5，7

49、7 7 7。对于本图像，选择。对于本图像，选择。对于本图像，选择。对于本图像，选择3 3 3 3个成分已经包括了原始图像中的绝大多个成分已经包括了原始图像中的绝大多个成分已经包括了原始图像中的绝大多个成分已经包括了原始图像中的绝大多数信息（数信息（数信息（数信息（98.9%98.9%98.9%98.9%）.从主成分从主成分从主成分从主成分1 1 1 16 6 6 6的图像也可以看到，自第四主成分起，图像中出现的图像也可以看到，自第四主成分起，图像中出现的图像也可以看到，自第四主成分起，图像中出现的图像也可以看到，自第四主成分起，图像中出现了明显的噪声。了明显的噪声。了明显的噪声。了明显的噪声。

50、第四十七页，本课件共有49页2 2、Kauth-ThomasKauth-Thomas变换（变换（)，简称，简称K-TK-T变换变换，又形象地称为，又形象地称为“缨缨帽变换帽变换”。这种变换着眼点在于农作物生长过程而区别于。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。目前对这个变换的研究主要集中在目前对这个变换的研究主要集中在MSSMSS与与TMTM两种遥感数据的应两种遥感数据的应用分析方面。用分析方面。19761976年，年，KauthKauth和和ThomasThomas发现了一种线性变换，它