遥感数字图象处理1．概论遥感、遥感过程遥感：一种在远离目标，不与目标直接接触的情况下，通过传感器获取其特征信息，并对这些信息进行处理、分析和应用的综合性探测技术遥感过程：遥感过程是指遥感信息的获取、传输、处理，以及分析判读和应用的全过程遥感图象、遥感数字图象、遥感图象的数据量遥感图象：是指遥感传感器通过检测、度量地物的电磁波辐射能并进行记录所得到的图象遥感数字图象：是指以数字化形式表述的遥感影像。
遥感图象的数据量：H=M ×N ×b ×n ( bit ) M、N 为行列数， b 为波段数， n=lnG/ln2遥感图象的数字化、采样和量化遥感图象的数字化：指光学图象(物理图象)到数字图象的转换过程，包括采样和量化两个过程采样：将空间上连续的图象变换为离散的点的操作量化：将测量的灰度值用一个整数表示通用遥感数据格式(BSQ、BIL、BIP)BSQ，波段序列格式BIL，波段行交替格式BIP，波段像元交替格式遥感图象的模型：多光谱空间多光谱空间：对于 n 个波段的多光谱图象，这 n 个波段构成一个 n 维多光谱空间，多光谱空间就是一个 n 维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。
描述像素在各个波段中亮度值的分布。
多光谱空间中，像元点在坐标系中的位置可以表示成一个 n 维向量，其中每一个分量 xi 表示该点在第 i 个坐标轴上的投影，即亮度值。
多光谱空间只表示各波段光谱之间的关系，而不包括任何该点在原图象中的位置信息，它没有图象空间的几何意义。
遥感图象的信息内容：波谱信息：指遥感图象上不同地物之间的亮度值差异及同一地物在不同波段上的亮度值差异空间信息: 通过图象亮度值在空间上的变化反映出来的信息时间信息: 指不同时相遥感图象的光谱信息与空间信息的差异遥感数字图象处理、遥感数字图象处理的内容遥感数字图象处理: 利用计算机对遥感数字图象进行一系列操作，以求达到预期目的遥感数字图象处理的内容：图象增强、图象校正、信息提取遥感图象的获取方式主要有哪几种?摄影成像、扫描成像、雷达成像如何估计一幅遥感图象的存储空间大小?遥感图象的信息内容包括哪几个方面？多光谱空间中，像元点的坐标值的含义是什么？与通用图象处理技术比较，遥感数字图象处理有何特点？遥感数字图象处理包括那几个环节？各环节的处理目的是什么？2.遥感图象的统计特征2.1 图象空间的统计量灰度直方图：概念、类型、性质、应用概念：用来描述图象中每一灰度级与其浮现频率间的关系的图表类型：直方图：横坐标为的灰度级，纵坐标为等于各个灰度级像元的浮现频率(像元数)累计直方图：横坐标为的灰度级，纵坐标为小于等于各灰度级的像元的浮现频率 (像元数) 性质：直方图反映表示不同灰度像元的浮现频率，不包含像元的位置信息同一图象的直方图惟一，同向来方图可以对应不同的图象一幅图象的直方图等于其各部份图象直方图之和同类地物的直方图接近正态分布应用： 1.直方图是图象分析的重要工具。
通过分析直方图可以了解图象的质量及其它相关信息 2.通过调整直方图形态可以改善图象对照度最大值、最小值、均值、方差的意义最大值、最小值、变差：反映图象的动态范围均值：反映图象的总体亮度方差：指各波段亮度值的方差，反映图象信息量的大小2.2 多光谱空间的统计特征均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义均值向量：描述象元矢量 x 在多光谱空间中的平均 (中心)位置协方差矩阵：N 个波段相互间的协方差罗列在一起所组成的矩阵意义：描述象元矢量 x 在均值向量 m 附近的分布情况描述影像波段间的相关性相关系数：描述影像波段间的相关程度的统计量反映了两个波段图象所包含信息的重叠度相关矩阵：N 个波段相互间的相关系数罗列在一起所组成的矩阵反映了波段间包含信息的重叠度波段散点图概念及分析概念：散点图是表示两个变量之间关系的图，又称相关图。
通过作散点图对数据的相关性进行直观地观察，非但可以得到定性的地论，而且可以通过观察剔除异常数据。
通过观察相关图主要是看点的分布状态，概略地估计两因素之间有无相关关系，从而得到两个变量的基本关系。
主要遥感图象的统计特征量的意义两个重要的图象分析工具：直方图、散点图3.遥感数字图象增强处理图象增强：概念、方法概念：用于改善图象质量或者突出图象中感兴趣的信息，加强图象判读和识别效果的图象处理方法方法：图象增强的方法是通过一定手段对原图象附加一些信息或者变换数据，有选择地突出图象中感兴趣的特征或者抑制 (掩盖)图象中某些不需要的特征，使图象与视觉响应特性相匹配。
空间域增强、频率域增强空间域增强：直接对图象象素灰度值进行处理频率域增强：将图象经傅立叶变换后的频谱成份进行处理，然后逆傅立叶变换获得所需的图象，达到增强的目的3.1 辐射增强：概念、实现原理概念：一种直接通过改变图象中象元的亮度值来改变图象的对照度，从而改善图象质量的处理方法实现原理：点运算：逐个象元进行处理，处理结果与邻近象元无关查找表：用以描述图象变换先后象元亮度值关系的图表影响直方图：是影像灰度值的函数，是描述影像中各灰度值象元个数的图表，其横坐标表示象元的灰度，纵坐标表示象元的个数直方图修正，线性变换、分段线性变换算法原理直方图修正：图象直方图修正是指通过修改影像直方图来改善图象对照度。
图象直方图修正是通过指定原始图象与新图象象元值间的变换关系来实现的线性变换：在暴光不足或者过度的情况下，图象灰度会局限在一个很小的范围，是一个含糊不清、似乎没有灰度层次的图象。
采用线性变换对图象每一个像素灰度作线性拉伸，可有效地改善图象视觉效果。
分段线性变换算法：不同亮度范围采用不同线性变换函数直方图均衡化、直方图匹配的应用直方图均衡化：将原图象的直方图通过变换变为均匀直方图，从而得到一幅灰度均匀分布的图象直方图匹配：将原直方图修正到指定的结果(形状) -直方图规定化应用：图象镶嵌3.2 空间增强邻域、邻域运算、模板、模板运算邻域：对于图象中的任一象元 (i,j)，把象元集合{i+p,j+q}(p,q 为任意整数)叫该象元的邻域邻域运算：基于输入像素的一个邻域的像素灰度确定该像素输出灰度的图象处理运算模板：是一个大小为 M ×N 的数值矩阵，如 3 × 1、2 ×2、3 × 3、5 ×5 等。
模板运算：用于实现邻域运算，其数学涵义是一种卷积运算，运算结果称为模板响应。
图象卷积运算：在图象的左上角开一个与模板同样大小的活动窗口，图象窗口与模板像元的亮度值相乘再相加，得到新像元的灰度值。
空间增强的概念概念：或者称几何增强、空间滤波，是一种基于邻域运算的影像处理技术，主要用于实现图像空间几何特征的增强处理，包括平滑和锐化平滑 (均值滤波、中值滤波)原理、特点、应用平滑：用于去除遥感图象中的噪声或者减小图象灰度变化幅度。
也称低通滤波，用于抑制图象中的高频分量，含糊图象细节均值滤波：对图象边缘的影响较大适合用于去除零均值的随机噪声随着邻域的加大，图象的含糊程度也愈加严重中值滤波：处理结果为图象窗口中象元值按大小顺序罗列的中间数能较好地保持大多数边缘特征适合用于去除脉冲噪声锐化、边缘增强概念锐化：通过增强高频分量来减少图象中的含糊度，因此又称为高通滤波。
主要用于增强图像的边缘和灰度跳变部份，又称边缘增强方法主要有空间梯度法和方向模板方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点方向模板：用于增强与模板方向一致的边缘。
据方向，分为三类：垂直(Vertical)模板水平(Horizontal)模板对角 (Diagonal)模板Vertical计算图象经过下列操作后，其中心象元的值：3 × 3中值滤波采用 3 × 3 平滑图象的减平滑边缘增强域值为 2 的 3 × 1 平滑模板Sobel 边缘检测Roberts 边缘检测模板3.3 频率域处理高频和低频的意义高频和低频是频率域中的概念高频对应亮度快变部份；低频对应亮度变化平缓部份图象的傅里叶频谱傅里叶变换是把一个信号分解为许多不同频率正弦波之和频率域增强的普通过程频率域低通滤波低通滤波通过衰减 F(u,v)中的高频成份来实现基本模式： G(u,v)=F(u,v)H(u,v)主要是选择滤波函数 H(u,v)低通滤波器：理想低通滤波器巴特沃思(Butterworth)滤波器由于高频部份包括大量噪声和边缘信息，因此理想低通过滤器处理后可平滑图象，但是会导致边缘损失，使图象边缘含糊频率域高通滤波对 F(u,v)的高频成份的衰减可以使图象含糊反之对高频成份的通过可以使图象锐化频率域的这种处理不会影响低频成份高通和低通的关系可以表示为Hhp(u,v) = 1 - Hlp(u,v)即低通阻塞的频率是能够通过高通的三种高通滤波器：理想高通滤波器巴特沃思(Butterworth)高通滤波器由于高频部份包括大量噪声和边缘信息，因此理想高通过滤器处理后可锐化图象同态滤波的应用应用：采用图象同态滤波方法，如果使用合适的滤波特性函数，可以达到既压缩灰度动态范围，又能让感兴趣的物体部份灰度级扩展，从而使图象清晰3.4 彩色增强彩色影像的类型：真彩色、假彩色、伪彩色真彩色 (true color)：红绿蓝三波段合成假彩色(false color)：真彩色之外的其它彩色合成方案伪彩色(pseudo color)：灰度图象的彩色显示将不同的灰度值赋予不同的颜色显示标准假彩色影像彩色变换的概念及应用概念：RGB 和 HIS 两种色采模式可以相互转换。
把 RGB 系统变换为 HIS 系统称为 HIS 正变换；HIS 系统变换成RGB 系统称为 HIS 逆变换。
应用：分别调整图象的色调、饱和度和亮度时，其它成份不受影响不同空间分辨率图象融合4.多光谱变换图象运算：加法运算、差值运算、比值运算的概念及应用图象运算：是指对两幅或者两幅以上的输入图象的对应像元逐个地进行和、差、积、商的四则运算，以产生有增强效果的图象加法运算：指两幅或者多幅同样大小的图象对应象元的灰度值相加。
可用于削弱图象的加性噪声。
差值运算：指两幅同样大小的图象对应象元的灰度值相减。
用于动态监测、运动目标检测和跟踪及目标识别等比值运算：两个波段对应像元的灰度值之比或者几个波段组合的对应像元灰度值之比。
应用：可以扩大不同地物的光谱差异，区分在单波段中容易发生混淆的地物可以消除或者减弱地形阴影、云影影响和植被干扰以及显示隐伏构造等植被指数植被指数：是基于植被在红光波段(R)的强吸收和近红外波段(IR)的强反射，通过这两个波段影像的比值或者线性组合来表达植被信息(如叶面指数、植被覆盖度、生物量等)的参考量差值植被指数DVI IR R比值植被指数RVI IR R归一化差值植被指数NDVI (IR R) (IR R)绿度植被指数： KT 变换中的绿度主成份变换的目的和特点即主成份分析(PCA)、卡夫林－列夫变换(KL 变换) ，是根据各波段之间的协方差或者相关系数构建的一种正交线性变换方法目的：把原来多波段图象中的实用信息集中到数目尽可能少的新的主成份图象中，并使这些主成份图象之间互不相关，也就是说各个主成份包含的信息内容是不重叠的，从而大大减少总的数据量并使图象信息得到增加特点：( 1 ) 由于是正交线性变换，所以变换先后的方差总和不变，变换只是把原来的方差(方差大说明信息量大)不等量的再分配到新的主成份图象中( 2 ) 第一主成份包含了总方差的绝大部份(普通在 80%以上)，信息最丰富，图象对比度大，其余各主成份的方差挨次减小( 3)变换后各主成份之间的相关系数为零，也就是说各主成份间的内容是不同的，是“正交”的(4)是一种数据压缩和去相关技术，即把原来的多变量数据在信息损失至少的前提下，变换为尽可能少的互不相关的新的变量，以减少数据的维数，便于显示和分析。
