遥感数字图像处理-课件内容

1 遥感数字图像处理 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

遥感图像、遥感数字图像、遥感图像的数据量 遥感图像：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像 遥感数字图像：是指以数字化形式表述的遥感影像。 遥感图像的数据量：H=M×N×b×n（bit）M、N为行列数，b为波段数，n=lnG/ln2

遥感图像的数字化、采样和量化 遥感图像的数字化：指光学图像（物理图像）到数字图像的转换过程，包括采样和量化两个过程 采样：将空间上连续的图像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

遥感图像的模型：多光谱空间 多光谱空间：对于n个波段的多光谱图像，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像中的位置信息，它没有图像空间的几何意义。

遥感图像的信息内容： 波谱信息：指遥感图像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: 通过图像亮度值在空间上的变化反映出来的信息 时间信息: 指不同时相遥感图像的光谱信息与空间信息的差异

遥感数字图像处理、遥感数字图像处理的内容 遥感数字图像处理: 利用计算机对遥感数字图像进行一系列操作，以求达到预期目的 遥感数字图像处理的内容：图像增强、图像校正、信息提取  遥感图像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像的存储空间大小? 2

 遥感图像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？  与通用图像处理技术比较，遥感数字图像处理有何特点？  遥感数字图像处理包括那几个环节？各环节的处理目的是什么？

2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 概念：用来描述图像中每一灰度级与其出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出现频率（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出现频率（像元数） 性质： 直方图反映表示不同灰度像元的出现频率，不包含像元的位置信息 同一图像的直方图唯一，同一直方图可以对应不同的图像 一幅图像的直方图等于其各部分图像直方图之和 同类地物的直方图接近正态分布 应用： 1.直方图是图像分析的重要工具。通过分析直方图可以了解图像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像对比度

最大值、最小值、均值、方差的意义 最大值、最小值、变差：反映图像的动态范围 均值：反映图像的总体亮度 方差：指各波段亮度值的方差，反映图像信息量的大小

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排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 反映了两个波段图像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排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，不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。 3

 主要遥感图像的统计特征量的意义  两个重要的图像分析工具：直方图、散点图

3.遥感数字图像增强处理 图像增强：概念、方法 概念：用于改善图像质量或突出图像中感兴趣的信息，加强图像判读和识别效果的图像处理方法 方法：图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像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：直接对图像象素灰度值进行处理 频率域增强：将图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像，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像中象元的亮度值来改变图像的对比度，从而改善图像质量的处理方法 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：用以描述图像变换前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：图像直方图修正是指通过修改影像直方图来改善图像对比度。图像直方图修正是通过指定原始图像与新图像象元值间的变换关系来实现的 线性变换：在曝光不足或过度的情况下，图像灰度会局限在一个很小的范围，是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像每一个像素灰度作线性拉伸，可有 4

效地改善图像视觉效果。 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：将原图像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像 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：图像镶嵌

3.2空间增强 邻域、邻域运算、模板、模板运算 邻域：对于图像中的任一象元(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像处理运算 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 。 图像卷积运算：在图像的左上角开一个与模板同样大小的活动窗口，图像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：用于去除遥感图像中的噪声或减小图像灰度变化幅度。 也称低通滤波，用于抑制图像中的高频分量，模糊图像细节 均值滤波：对图像边缘的影响较大 适合用于去除零均值的随机噪声 随着邻域的加大，图像的模糊程度也愈加严重 中值滤波：处理结果为图像窗口中象元值按大小顺序排列的中间数 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模糊度，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分，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 5

• 计算图像经过下列操作后，其中心象元的值： – 3×3中值滤波 – 采用3×3平滑图像的减平滑边缘增强 – 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分；低频对应亮度变化平缓部分 图像的傅里叶频谱 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

频率域增强的一般过程

频率域低通滤波 • 低通滤波通过衰减 F(u,v)中的高频成分来实现 – 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

Vertical 6

– 巴特沃思（Butterworth）滤波器 由于高频部分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像，但是会导致边缘损失，使图像边缘模糊

频率域高通滤波 • 对F(u,v)的高频成分的衰减可以使图象模糊 • 反之对高频成分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分 • 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 由于高频部分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像

同态滤波的应用 应用：采用图像同态滤波方法，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分灰度级扩展，从而使图像清晰

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两种色彩模式可以相互转换。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：分别调整图像的色调、饱和度和亮度时，其它成分不受影响 不同空间分辨率图像融合

4.多光谱变换 图像运算：加法运算、差值运算、比值运算的概念及应用 图像运算：是指对两幅或两幅以上的输入图像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像 加法运算：指两幅或多幅同样大小的图像对应象元的灰度值相加。可用于削弱图像的加性噪声。 差值运算：指两幅同样大小的图像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 可以消除或减弱地形阴影、云影影响和植被干扰以及显示隐伏构造等