遥感数字图像处理复习

遥感数字图像处理复习 第一章 遥感信息获取 遥感：是通过某种传感器装臵，在不直接接触研究对象的情况下来测量、分析并判定目标性质的一门科学和技术。

特点：视域广阔、信息丰富、可定时定位观测。 基本原理：根据不同地物的不同波谱特征区分和判断地物。 遥感数据：成像区域内地物的电磁波辐射能。 电磁波谱：将各种电磁波按其波长（或频率）的大小依次排列所构成的图谱 大气窗口：电磁辐射能够透过大气层而未被完全反射、散射和吸收的波谱范围。 地物波谱特征：不同地物波长与反射率之间的关系不同，这种关系称为物体的光谱特性。 （水——低反射率、土——做作、石——随意、植被——戏剧化）

时间效应：同一地点的相同地物，由于时间推移而导致的地物电磁波谱特征的变化。 空间效应：在同一时刻的同一类地物，由于空间位臵不同而导致同类地物之间波谱特的变化。 遥感系统：由 遥感平台、遥感传感器、遥感地面站 组成。 地物——传感器——星上处理记录传送——中继卫星——地面站——专用数据处理系统——投影处理

遥感平台（卫星）和传感器 Landsat上的TM传感器，遥感影像包含7个波段，其中前3个为可见光波段，4-5是近红外波段，6是热红外波段，7是中红外波段。 （30米） 法国SPOT卫星上搭载HRV传感器， SPOT1、2、3为多光谱图像（20米），全色波段pan图像（10米）。 快鸟，目前世界上商业卫星中分辨率最高、性能最优的一个卫星。(mul 2.44m，pan 0.61m)

多元图像：同一地区随时间、波段和极化不同而获得的多个图像的组合。 多波段图像、多时相图像、多极化图像

第二章 统计特征 遥感图像的信息内容：波谱信息、空间信息、时间信息。（信息即使差异） 空间分辨率：分辨率是衡量信息丰富程度的一种量度。 空间分辨率反映，图像分辨具有不同反差并相距一定距离的相邻目标的能力， 包括影像分辨率和地面分辨率。 数字矩阵：遥感图像的数字表示形式，即通过采样和量化将遥感图像数字化后所得的矩阵。 商用遥感数据的级别： 0级—原始图像、1级—初步辐射校正、2级—系统级的几何校正及存储方式 （发布部门） 3级—几何精校正 （用户自己处理） 存储方式：BSQ格式——按波段顺序依次排列，第1波段、第2波段……第K波段 BIL格式——按波段行交式，第一行（1至K波段）、第二行……第M行 基本统计分析量

均值: MNjiffMiNj1010, 中值: 灰度众数: 图像中出现最多次数的灰度值

灰度方差: 值域: 反差 :、、

协方差 ： 相关系数 ： 直方图：图像中所有灰度值的概率分布，即概率密度的离散化图形

第三章 图像恢复 遥感图像的降质：辐射失真、几何畸变 大气校正：散射产生邻近像元间的辐射干扰和形成天空光，消除大气散射对辐射失真的影响。原理：对天空光的反射与波长成反比，长波段受大气散射影响较小 回归分析法：以长波段灰度值信息为标准，将其他波段与其做回归分析。 直方图法：以TM4波段为不受大气影响的标准值，对其余个波段灰度值进行矫正。

照度校正 ：太阳高度角校正：sin,,jifjif 不同像幅的照度校正：

条纹和斑点的判定和消除

几何畸变的原因：遥感传感器、遥感平台、地球本身等方面 （系统性畸变、随机性畸变） 几何粗校正：对于由于卫星的滚翻、俯仰、偏航，以及传感器的线速不均匀等引起的系统性畸变，通过公式反演进行校正。

MNfjifSMiNj102102,

ggfffgfgSS

S2

gjigfjifMNSSMiNjfggf,,1101

022

SC3rangefC2

minmax1

/ffC

jifjifjifrange,,,minmax

2,,,minmaxjifjifjifmed



10sin

sin,,jifjif几何精校正：利用地面控制点（GCP）对由各种因素引起的遥感图像的几何畸变的校正。 GCP 选取原则：1、选择在研究区中容易精确定位的特征点 2、永久性不变的地物。 3、GCP分布均匀。 4、GCP数量足够多。

原理：首先利用地面控制点数据确立一个模拟几何畸变的数学模型，以此来建立原始畸变图像空间与标准空间（如地理制图空间）的某种对应关系；其次是利用这种对应关系把畸变空间中的全部元素变换到标准空间（即校正图像空间）中去，从而实现图像的几何精校正

实现方法：1、图象空间像元位臵的变换。 多项式拟合法校正模型 2、变换后图象各像元亮度值的确定。 ①直接成图法 ②重采样成图法 A、最近邻点法重采样。(就近) > B、双线性内插法重采样。（按距离赋予权重）

C、三次褶积法重采样(保留高频成分,准确)

步骤：（1）建立原始图像与校正后图像的坐标系。 （2）确定GCP （3）选择畸变数学模型，并进行几何精校正。 （4）几何精校正的精度分析。

遥感图像的匹配 ：相对匹配——对不同来源的图像进行相互匹配 绝对匹配——针对某一标准空间，将所有不同来源的图像与之匹配。

第四章 数字镶嵌 镶嵌原因：研究区处于几幅图像的交界处。 研究区较大需多幅图像才能覆盖时。 数字镶嵌过程： 1、准备工作--选取原始数据：选择成像时间和成像条件接近的遥感图像 分像幅检阅数据： 数据质量、原始差异

2、图象数据预处理：辐射校正；去条纹和斑点；几何校正。 3、确定实施方案：确定标准像幅； 确定镶嵌的顺序（中央向四周辐射式和四周向中央收拢式）

4、重叠区确定---几何对准：位移匹配法；计算法 5、色调调整：方差均值法；直方图法——读取出灰度值对应点对，并进行分段拉伸 6、图象数字镶嵌（拼接）：接缝线——曲线两侧的亮度变化不显著或最小







niinjjiijynijiinjijxubuFyuauFx0000),(),(

 重叠区亮度的确定：取均值、取极值、线性相加，加权 第五章 图像变换 图像变换：指将图像从空间域转换到变换域的过程。 目的和作用：使图像的处理过程简化。简单、有效地实现增强处理；对图像进行特征抽取。 傅立叶变换的前提条件：狄里赫莱条件： f(X)满足（1）有有限个间断点，（2）有有限个极值点，（3）绝对可积，

傅立叶变换性质： 1、卷积定理：将空间域中的复杂的卷积运算转化为频率域的简单的乘积运算

快速傅立叶变换（FFT）依据的性质 2、变换域的周期性：设为整数，m、n=0，±1，±2，…，有),(),(uFnNmNuF 3、对称共轭性：),(),(*uFnNmNuF 4、可分离性：可以通过连续两次应用一维傅立叶变换或它的反变换来求得F(u,v)或f(x,y) 其它性质： 5、平均值:F(0,0)=N [f(x,y)均值] 6、平移性 7、分配性和比例性

K-L变换，也叫作主成分分析或主分量分析，是在统计特征基础上的多维正交线性变换。 几何意义上相当于进行空间坐标的旋转，第一主成分取波谱空间中数据散布最大的方向。

K-L变换的目的:把原来多波段图像中的有用信息集中到数目尽可能少的新的主成分图像中，并使这些主成分图像之间互不相关，也就是说各个主成分包含的信息内容是不重叠的。

K—L变换的实现 第一步，根据原始图像数据矩阵X，求出它的协方差矩阵S: nmijTslXXlXXnS][]][[1

第二步，求S矩阵的特征值和特征向量 U ，并组成变换矩阵T。0)(USI T为U的转臵矩阵。 Y=TX 经过K-L变换后，得到一组（m个）新的变量（即Y的各个行向量），它们依次被称为第一主成分、第二主成分、……第m主成分。这时若Y将矩阵的各行恢复为二维图像时，即可以得m到个主成分图像。

K-L变换的性质和特点 （1）由于K-L变换是正交线性变换，所以变换前后的方差总和不变，变换只是把原来的方差不等量的再分配到新的主成分图像中。 （2）第一主成分包含了总方差的绝大部分。 （3）变换后各主成分之间的相关系数为零。

)1,,1,0;1,,1,0(),(),(),(*),(),(1010NyMxnymxgnmfyxgyxfyxzMmNn（4）第一主成分相当于原来各波段的加权和，而且每个波段的加权值与该波段的方差大小成正比。 （5）K-L变换的第一主成分不仅包含的信息量大，而且降低了噪声，有利于细部特征的增强和分析 （6）K-L变换是一种数据压缩和去相关技术 （7）可以在图像中局部地区或者选取的训练区的统计特征基础上作整个图像的K-L变换，以重点增强主要的研究对象。 （8）可以把所有波段分组进行K-L变换，然后由每一组里选取一个适当的主成分图像参加假彩色合成或其它处理。

定向变换：利用图像之间的相关性，在图像特征空间进行转轴变换，以便分离和消除干扰信息达到提取专题信息的目的。

定向变换原理： 在研究的图像中包含专题信息和干扰信息，)()()(2211VfxVfTfx为了提取专题信息， 可通过求

得的旋转方向上的单位向量及其方向角进行转轴变换，求得主要反映专题信息的图像。

典型成分变换目的：通过选择恰当的投影方向（即变换），减少各类的类内亮度（灰度）方差的同时，增大类间亮度方差以提高分类精度。

典型成分变换原理：ITWTDTATTT

首先，通过即坐标变换或坐标轴旋转，使得在新的坐标轴上最大限度地体现类与类之间的差异，而且坐标轴之间互不相关（即正交关系）；——类间协方差矩阵或为对角阵，

其次，在变换中还需对坐标轴进行适当调整，以使得同一类在每个新的坐标轴上的方差都相同。——类内协方差矩阵化为单位阵

典型成分变换的实现过程:1．训练样本的选取；2．计算类内及类间的协方差矩阵W和A 3．构成特征向量矩阵 4．计算变换矩阵T 5．最后用矩阵T进行典型成分变换

缨帽变换:一种反映农作物和植被生长过程的多波段图像的正交线性变换。植被信息的波谱数据点随时间变化的轨迹是一个缨帽形状，且具有较明显的三维结构，而缨帽的底面恰好反应了土壤信息的数据特征，称为土壤面，其与植被的波谱征互不相关。

MSS图像变换后四个波段含义：对应于R1的特征量称为“亮度”，反映了地物总的电磁波辐射水平；对应于R2的特征称为“绿色物”，反映了植被的生长状况；对应于R3的特征叫做“黄色物”；对应于R4的特征叫做“其它”。