下载文档原格式
第八章（4） 遥感图像增强处理一、彩色增强处理彩色合成变换：加色法密度分割：单波段的彩色：密度分割IHS 变换（一）彩色合成多波段彩色合成：利用计算机将同一地区三个波段的影像，分别赋予红、绿、蓝三原色，进行单基色变换（色阶），然后使各影像准确套合叠置显示，依照彩色合成原理，构成彩色合成影像。
分类：假彩色合成、真彩色合成真彩色合成：当三幅影像的工作波段分别为红、绿、蓝时，同时分别对应赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。
假彩色合成：（重点看）各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成标准假彩色合成：1、近红外波段赋予红色、红光波段赋予绿色，绿光波段赋予蓝色。
2、针对TM 影像的7个波段：第2波段是绿色波段、第3波段是红色波段、第4波段是近红外波段当4、3、2波段分别赋予红、绿、蓝色时，这一合成方案称为标准假彩色合成（二）假彩色密度分割单波段的假彩色密度分割：将单波段影像的像元值从小到大按照某种标准划分等级，每一级别赋予一种颜色，最终影像表现为彩色，这些色彩是人为加上的，与地物的天然色彩不一定相同，称为假彩色密度分割。
等密度分割：对像元数值从小到大划分为n 级，各级内含有的像元数大致相等时，称为等密度分割。
（三）IHS 变换HSI 代表色调、饱和度和明度（hue ，saturation,intensity ）。
色彩模式可以用近似的颜色立体来定量化。
定义：IHS 变换是RGB 颜色系统与HIS 颜色系统之间的变换。
具体方法 ：令IRIGIB ,下标max 为R ，G ，B 中最大值，下标min 为R ，G ，B 中最小值， IRIGIB 和Ｓ均为0-1的实数，Ｈ为0-360的实数。
则有明度： 2/)(min max I I I +=饱和度：5.0≤I )/()(min max min max S S S S S +-=5.0>I )11/()(min max min max S S S S S -+--=色调：min max H H H -=∆如果max H H R =，则]/)[(60H H H H B G ∆-=，位于黄和品红之间如果max H H G =，则]/)(2[60H H H H R B ∆-+=，位于青和黄之间如果max H H B =，则 ]/)(4[60H H H H G R ∆-+=，位于品红和蓝之间二 、光谱增强处理（一）反差增强线性变换，非线性变换，直方图增强⏹ 通过修改各种像元值来改善影像对比度，从而改变影像质量的处理方法。
信息光学习题答案第一章 线性系统分析1.1 简要说明以下系统是否有线性和平移不变性. （1）()();x f dxdx g =（2）()();⎰=dx x f x g （3）()();x f x g = （4）()()()[];2⎰∞∞--=αααd x h f x g（5）()()απξααd j f ⎰∞∞--2exp解：（1）线性、平移不变； （2）线性、平移不变； （3）非线性、平移不变； （4）线性、平移不变； （5）线性、非平移不变。
1.2 证明)()ex p()(2x comb x j x comb x comb +=⎪⎭⎫ ⎝⎛π证明：左边＝∑∑∑∞-∞=∞-∞=∞-∞=-=⎥⎦⎤⎢⎣⎡-=⎪⎭⎫ ⎝⎛-=⎪⎭⎫ ⎝⎛n n n n x n x n x x comb )2(2)2(2122δδδ∑∑∑∑∑∑∞-∞=∞-∞=∞-∞=∞-∞=∞-∞=∞-∞=--+-=-+-=-+-=+=n nn n n n n n x n x n x jn n x n x x j n x x j x comb x comb )()1()()()exp()()()exp()()exp()()(δδδπδδπδπ右边当n 为奇数时，右边＝0，当n 为偶数时，右边＝∑∞-∞=-n n x )2(2δ所以当n 为偶数时，左右两边相等。
1.3 证明)()(sin x comb x =ππδ 证明：根据复合函数形式的δ函数公式0)(,)()()]([1≠''-=∑=i ni i i x h x h x x x h δδ式中i x 是h(x)=0的根，)(i x h '表示)(x h 在i x x =处的导数。
于是)()()(sin x comb n x x n =-=∑∞-∞=πδπππδ1.4 计算图题1.1所示的两函数的一维卷积。
解：设卷积为g(x)。
当-1≤x ≤0时，如图题1.1(a)所示， ⎰+-+=-+-=xx x d x x g 103612131)1)(1()(ααα图题1.1当0 < x ≤1时，如图题1.1(b)所示， ⎰+-=-+-=13612131)1)(1()(xx x d x x g ααα 即 ⎪⎪⎪⎩⎪⎪⎪⎨⎧≤<+-≤≤--+=其它,010,61213101,612131)(33x x x x x x x g 1.5 计算下列一维卷积。
信息光学习题答案第一章 线性系统分析1.1 简要说明以下系统是否有线性和平移不变性. （1）()();x f dxdx g =（2）()();⎰=dx x f x g （3）()();x f x g = （4）()()()[];2⎰∞∞--=αααd x h f x g（5）()()απξααd j f ⎰∞∞--2exp解：（1）线性、平移不变； （2）线性、平移不变； （3）非线性、平移不变； （4）线性、平移不变； （5）线性、非平移不变。
1.2 证明)()ex p()(2x comb x j x comb x comb +=⎪⎭⎫ ⎝⎛π证明：左边＝∑∑∑∞-∞=∞-∞=∞-∞=-=⎥⎦⎤⎢⎣⎡-=⎪⎭⎫ ⎝⎛-=⎪⎭⎫ ⎝⎛n n n n x n x n x x comb )2(2)2(2122δδδ∑∑∑∑∑∑∞-∞=∞-∞=∞-∞=∞-∞=∞-∞=∞-∞=--+-=-+-=-+-=+=n nn n n n n n x n x n x jn n x n x x j n x x j x comb x comb )()1()()()exp()()()exp()()exp()()(δδδπδδπδπ右边当n 为奇数时，右边＝0，当n 为偶数时，右边＝∑∞-∞=-n n x )2(2δ所以当n 为偶数时，左右两边相等。
1.3 证明)()(sin x comb x =ππδ 证明：根据复合函数形式的δ函数公式0)(,)()()]([1≠''-=∑=i ni i i x h x h x x x h δδ式中i x 是h(x)=0的根，)(i x h '表示)(x h 在i x x =处的导数。
于是)()()(sin x comb n x x n =-=∑∞-∞=πδπππδ1.4 计算图题1.1所示的两函数的一维卷积。
解：设卷积为g(x)。
当-1≤x ≤0时，如图题1.1(a)所示， ⎰+-+=-+-=xx x d x x g 103612131)1)(1()(ααα图题1.1当0 < x ≤1时，如图题1.1(b)所示， ⎰+-=-+-=13612131)1)(1()(xx x d x x g ααα 即 ⎪⎪⎪⎩⎪⎪⎪⎨⎧≤<+-≤≤--+=其它,010,61213101,612131)(33x x x x x x x g 1.5 计算下列一维卷积。
空间频谱与空间滤波一， 实验背景：阿贝成像原理认为：透镜成像过程可分为两步，第一步是通过物体衍射的光在系统的频谱面上形成空间频谱，这是衍射引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相互叠加而形成物体的像，这是干涉引起的“合成”作用。
这两步从本质上对应着两次傅里叶变换。
如果这两次傅里叶变换完全理想，则像和物应完全一样。
如果在频谱面上设置各种空间滤波器，当去频谱中某一频率的成分，则将明显地影响图像，此即为空间滤波。
二， 实验目的：1， 掌握光具座上光学调整技术；2， 掌握空间滤波的基本原理，理解成像过程中“分频” 与“合成”作用。
3， 掌握方向滤波，高通滤波，低通滤波等滤波技术，观察各种滤波器产生的滤波效果，加深对光学信息处理实质的认识。
三， 实验原理：1， 傅立叶变换近代光学中，对光的传播和成像过程用傅立叶变换来表达，形成了傅立叶光学，可以处理一些无法用经典光学理论解决的问题。
傅立叶变换时处理振荡和波这类问题的有力工具。
对振动和波的傅立叶分析一般在时域和频域中进行，而对光的传播与成像分析是在空间和倒数空间中进行的。
不考虑时域，单色平面光波的表达式如下：0()[()]f r Aexp i k r ϕ=⋅+ （1）直角坐标系中，k 的方向余弦为(cos ,cos ,cos )αβγ，r 为（x ，y ，z ）2(cos cos ,cos )k r x y z παβγλ⋅=+ （2） 波矢量的物理意义可以理解为平面波的空间频率，在x ，y ，z 方向上三个分量分别为222cos , cos , cos x y z f f f πππαβγλλλ=== （3）在傅立叶光学中，将物光作为一个输入函数（物函数），研究其经过具有傅立叶变换作用的光学元件后在接收面上得到的输出函数（像函数）。
以物是平面图像为例，物函数g （x ，y ）可以表示成一系列不同空间频率的单色平面波的线性叠加，即(,)(,)exp[2()]x y x y x y g x y G f f i xf yf df df π∞-∞=+⎰⎰ (4)其中(,)x y G f f 被称为物函数的空间频谱函数。
空间滤波名词解释
空间滤波是指在图像处理中，通过改变像素周围的邻域像素值来改善图像质量或提取图像特征的一种处理方法。
其原理是通过对图像中每个像素点周围邻域的像素值进行加权平均或非线性操作，从而改变该像素点的像素值，进而达到图像增强、去噪、边缘检测等目的。
常见的空间滤波方法包括线性滤波和非线性滤波。
线性滤波是指根据像素周围邻域的加权平均运算来得到滤波后的像素值，常用的方法包括均值滤波、高斯滤波、中值滤波等。
非线性滤波则通过非线性运算来改变像素值，如边缘保留滤波、形态学滤波等。
空间滤波在图像处理中应用广泛，能够改善图像的质量、增强图像的细节信息、去除图像中的噪声等，有助于提高图像的视觉感受性和实际应用效果。
简述空间滤波在光信息处理中的实际应用空间滤波是光信息处理领域中常用的一种处理方法。
它采用一定的滤波器对图像的空间域或频域进行处理，从而去除图像中的噪声和干扰，提高图像质量。
在实际应用中，空间滤波有着广泛的应用，以下将从多个方面介绍它的应用。
1. 去除图像噪声在光学成像过程中，由于各种因素的影响会导致图像中出现噪声，从而影响图像的质量。
空间滤波可以对图像进行均值滤波、中值滤波等操作，从而可以消除图像中的噪声，提高图像的质量。
这在医学图像处理中特别重要，因为医生需要清晰地看到患者身体的各种器官和组织，以确保正确的诊断。
2. 图像融合光信息处理中另一个重要的应用是图像融合。
这种方法通过将多张图像混合在一起，制作一张具有完整信息的图像。
利用空间滤波技术，可以消除不同图像之间的噪声和异常值，从而更好地合并图像。
这种方法广泛应用于卫星遥感和气象学领域。
3. 像素恢复和图像增强空间滤波在像素恢复和图像增强方面也有广泛的应用。
在这些应用中，滤波器能够增强图像中不同元素的对比度，并恢复部分被损坏的像素，从而提高图像的质量。
例如，在航空、医学、工业和安全监控中，空间滤波可以用于图像增强，帮助操作员识别重要的信息。
4. 图像分割图像分割是光信息处理领域的一项重要任务，它可以将图像中的不同区域分离开来。
这种方法广泛应用于医疗图像分析、遥感和涉及图像分类的应用。
空间滤波技术可以有效地进行图像分割，帮助区分不同区域之间的边界和轮廓，使图像在分类和识别上更加精确。
综上所述，空间滤波在光信息处理中的应用有着广泛的应用，它可以消除噪声和干扰，提高图像质量，还可以进行图像融合、像素恢复和图像增强，以及图像分割。
通过这些应用，空间滤波技术在医学、工业、军事、航空、气象和环境保护等领域中发挥着重要作用。
