第六章圖像增強馬龍home218@126.comQQ：917675964Fotor遙感圖像增強是為特定目的，突出遙感圖像中的某些信息，削弱或除去某些不需要的信息，使圖像更易判讀。圖像增強的實質(zhì)是增強感興趣目標(biāo)和周圍背景圖像間的反差。它不能增加原始圖像的信息，有時反而會損失一些信息。它也是計算機自動分類一種預(yù)處理方法。圖像增強的目的：一方面為了提高圖像的目視效果；另一方面便于圖像的后續(xù)處理。

第一節(jié)數(shù)字圖像及其直方圖第二節(jié)灰度變換第三節(jié)空間濾波第四節(jié)多光譜圖像四則運算第五節(jié)主成分變換第六節(jié)圖像融合第一節(jié)數(shù)字圖像及其直方圖數(shù)字圖像：遙感數(shù)據(jù)有光學(xué)圖像和數(shù)字圖像之分。數(shù)字圖像是能被計算機存儲、處理和使用的用數(shù)字表示的圖像。數(shù)字化：將連續(xù)的圖像變化，作等間距的抽樣和量化。通常是以像元的亮度值表示。數(shù)字量和模擬量的本質(zhì)區(qū)別：連續(xù)變量，離散變量。數(shù)字圖像的表示：矩陣函數(shù)數(shù)字圖像直方圖:以每個像元為單位，表示圖像中各亮度值或亮度值區(qū)間像元出現(xiàn)的頻率的分布圖。（a）圖像直方圖靠近低灰度區(qū)，該圖像屬于低反射率景物圖像；（b）圖像為高反射率景物圖像；（c）圖像直方圖標(biāo)準差偏小，為低反差景物圖像；（d）圖像直方圖的標(biāo)準差較大，為高反差景物的圖像；（e）圖像直方圖呈現(xiàn)出多峰，圖中有多種地物出現(xiàn)的頻率較高；（f）圖像直方圖呈現(xiàn)出雙峰，并且高亮度地物（如云、白色背景等）出現(xiàn)頻率高。圖像直方圖是描述圖像質(zhì)量的可視化圖表。在圖像處理中，可以通過調(diào)整圖像直方圖的形態(tài)，改善圖像顯示的質(zhì)量，以達到圖像增強的目的。第二節(jié)灰度變換灰度變換是一種簡單而實用的方法。它可使圖像動態(tài)范圍增大，圖像對比度擴展，圖像變清晰，特征明顯，它是圖像增強的重要手段之一。1.線性拉伸（linearcontrastenhancement）左圖可以看到原始圖像的灰度范圍為：4-105，而顯示設(shè)備的灰度范圍0-225。為了取得比較好的目視效果，需要利用顯示設(shè)備的整個亮度范圍。對比度拉伸將原始圖像的亮度值范圍擴大0-255灰度范圍（即充分利用顯示設(shè)備的亮度范圍）。最小最大值拉伸（minimum-maximumcontraststretch）

百分比和標(biāo)準差線性拉伸（percentagelinearandstandarddeviationcontraststretching）百分比和標(biāo)準差線性拉伸（percentagelinearandstandarddeviationcontraststretching）originalMinimum-maximum±1standarddeviation百分比和標(biāo)準差線性拉伸（percentagelinearandstandarddeviationcontraststretching）originalMinimum-maximum±1standarddeviation分段線性拉伸（piecewiselinearcontraststretch）

分段線性拉伸（piecewiselinearcontraststretch）Savannahthermalplume的像素值主要從81-170。為了強調(diào)plume，我們需要對這個部分進行對比度拉伸。0-80設(shè)置為255，81-170進行線性拉伸至0-255，171-255設(shè)置為255。非線性拉伸（nonlinearcontrastenhancement）直方圖均衡是將隨機分布的圖像直方圖修改成均勻分布的直方圖，其實質(zhì)是對圖像進行非線性拉伸，重新分配圖像像元值，使一定灰度范圍內(nèi)的像元的數(shù)量大致相等。2.直方圖均衡亮度值分為0to7區(qū)間，按頻數(shù)計算公式將其歸入相關(guān)的區(qū)間直方圖均衡直方圖均衡特點是：（1）各灰度級所占圖像的面積近似相等。（2）原圖像上頻率小的灰度級被合并。（3）增強圖像上大面積地物與周圍地物的反差，同時也增加圖像的可視粒度。（4）如果輸出數(shù)據(jù)分段級較小，則會產(chǎn)生一個初步分類的視覺效果。（5）具體增強效果不易控制，只能全局均衡。直方圖均衡前后的影像直方圖均衡前后的彩色影像3.直方圖正態(tài)化直方圖正態(tài)化是將隨機分布的原圖像直方圖修改成高斯分布，修改直方圖的方法與直方圖均衡類似，采用累加方法4.直方圖匹配英文：histogrammatching，又叫直方圖歸一化（HistogramNormalization）。將圖像直方圖以標(biāo)準圖像的直方圖為標(biāo)準作變換，使兩圖像的直方圖相同和近似，從而使兩幅圖像具有類似的色調(diào)和反差。在遙感圖像處理中，直方圖匹配應(yīng)用于：①圖像鑲嵌中圖像的灰度調(diào)節(jié)，通過直方圖匹配使相鄰兩幅圖像的色調(diào)和反差趨于相同。②多時相圖像處理中以一個時相的圖像為標(biāo)準，調(diào)節(jié)另一幅圖像的色調(diào)與反差，以便作進一步的運算。③以一幅增強后色調(diào)和反差比較滿意的圖像為標(biāo)準，對另一幅圖像作處理，期望得到類似的結(jié)果。為了使圖像直方圖匹配獲得好的結(jié)果，兩幅圖像應(yīng)有相似的特性：（1）圖像直方圖總體形狀應(yīng)類似；（2）圖像中黑與亮特征應(yīng)相同；（3）對某些應(yīng)用，圖像的空間分辨率應(yīng)相同；（4）圖像上地物分布應(yīng)相同，尤其是不同地區(qū)的圖像匹配。如果一幅圖像里有云，而另一幅沒有云，那么在直方圖匹配前，應(yīng)將其中一幅里的云去掉。待匹配的影像匹配后的影像標(biāo)準影像相應(yīng)的直方圖5.密度分割6.亮度反轉(zhuǎn)處理灰度反轉(zhuǎn)是指圖像灰度范圍進行線性或非線性取反，產(chǎn)生一幅與輸入圖像灰度相反的圖像，其結(jié)果是原來亮度的地方變暗，原來暗的地方變亮。第三節(jié)空間濾波（spatialfiltering）遙感圖像一個重要的特征是空間頻率（spatialfrequency）（definedasthenumberofchangesinbrightnessvalueperunitdistanceforanyparticularpartofanimage）。如果亮度變化小，那么這個區(qū)域就稱為低頻區(qū)域。反之，稱為高頻區(qū)域。從本質(zhì)上來說，空間頻率描述了空間區(qū)域的亮度值，因此有必要采用空間方法來提取定量的空間信息。通常，對于空間信息的分析，往往不是局限于單個獨立的像素，而是對一個局地區(qū)域的像素進行分析。遙感圖像的空間頻率，可以通過兩種方法得到加強或者降低。一個是空間卷積濾波，主要利用空間算子，來提高或降低圖像的空間頻率。另一個是傅立葉變換，將圖像變換到頻率域，對某個范圍的頻率進行分析。一、空間卷積濾波一個線性空間濾波器（linearspatialfilter），其輸出影像i、j位置的像素是輸入圖像相應(yīng)位置出周圍像元的加權(quán)平均值。這個過程叫做二維卷積濾波。線性空間濾波器可以通過加強高頻信息來增強圖像中的邊緣信息。也可以通過加強低頻信息來減少圖像噪聲。111111111

c1xBV1c2xBV2c3xBV3Masktemplate=c4xBV4c5xBV5c6xBV6

c7xBV7c8xBV8c9xBV9其中BV1=BVi-1，j-1，

BV2=BVi-1，jBV3=BVi-1，j+1BV4=BVi，j-1BV5=BVi，jBV6=BVi，j+1BV7=BVi+1，j-1BV8=BVi+1，jBV9=BVi+1，j+1

c1c2c3Masktemplate=c4c5c6

c7c8c9111111111低通濾波（low-frequencyfilteringintheSpatialDomain）低通濾波

0.25

0.50

0.25MaskB=0.50

1.00

0.50

0.25

0.50

0.25

1.00

1.00

1.00

MaskC=1.00

2.00

1.00

1.00

1.00

1.00前面介紹的最簡單的濾波算子容易造成圖像模糊，特別是目標(biāo)的邊緣。如果卷積模版增大，這種情況會更加嚴重，因此發(fā)展了如下的兩種模版高通濾波（high-frequencyfilteringintheSpatialDomain）高通濾波用于去除變化緩慢的量，增強高頻局地信息。

-1

-1

-1MaskD=-1

9

-1

-1

-1

-1

1

-2

1

MaskE=-2

5

-2（見圖f）

1

-2

1下面兩個模版可以突出或者銳化目標(biāo)的邊緣中值濾波器（medianfilter）中值濾波器適于去除圖像中的槍擊噪音（快門噪音）。同低通濾波不一樣，中值濾波將鄰近像元按其值的大小順序進行排列，選擇中間值的像元，作為中心像元的值。同低通濾波相比，其優(yōu)點在于：1）不會移動邊界的位置；2）對邊界的退化（degradation）影響最小。缺點：當(dāng)圖像中的線狀元素小于領(lǐng)域像元或者拐角的一半寬度時，這時，這些像元可能會被去除。為了解決這個問題，提出了edge-preservingmedianfilter，求黑色像元的中值，灰色像元的中值，這兩個中值加上原始圖像的中心像元，三個值進行排序，再選取中值，賦予中心像元。自適應(yīng)濾波器（adaptiveboxfilter）對于去除圖像噪音非常有用，Eliason和McEwen（1990）開發(fā)了兩個自適應(yīng)濾波器：去除隨機噪聲（shotnoise）；平滑噪聲數(shù)據(jù)（pixelsrelatedtotheimagescenebutwithanadditiveormultiplicativecomponentofnoise）。這兩個方法都需要計算標(biāo)準偏差（不包括中心像元）。處于中心位置的像元，先假定它是噪聲，如果中心像元值偏離周圍像元均值超過標(biāo)準偏差一倍至兩倍，那么就認為該像元是噪音，其值由八個像元的均值代替；或者選取偏離中心像元值不超過標(biāo)準偏差一倍至兩倍的像元值，取其平均賦予中心像元。空間域邊緣增強很多遙感都離不開邊緣信息的提取，通過邊緣增強，可以容易地獲取圖像形狀，便于信息的分析和提取。視覺上，處于邊界處的像元，其像元值變化較大。可以利用線性和非線性邊緣增強算子來增強邊緣信息。線性邊界增強一階方向微分算法（directionalfirst-differencealgorithm），計算相鄰像元的一階導(dǎo)數(shù)（thefirstderivative）。算法計算水平、垂直和水平、垂直和對角線方向的結(jié)果可能為負或者為正，K一般取127。因此，對于像元值相近的像元，增強后其值處于127附近；反之，其值距離127較遠。通過這樣的運算后，利用最小最大對比度拉伸（min-maxcontrast），可以增強圖像的邊緣。我們也可以利用前面介紹卷積模板進行邊緣增強，用于邊緣提取的算子大小和地表粗糙度與太陽角度有關(guān)。Delta，△Smoothness/roughnessKernelsize≤±3Verysmooth9*9±4smooth±5semismooth7*7±6Smooth/rough±7Rough/smooth5*5±8Semirough±9Rough3*3≥±10Veryrough1*1根據(jù)前面討論的水平方向的一階微分，處理后的圖像其灰度圖反映了圖像中包含多少條邊界。計算一階微分圖的標(biāo)準偏差，并乘以2.3，即獲得△。Kernelsize=12—△結(jié)合上式和上表，就可以確定最優(yōu)的kernelsize。一旦卷積算子的大小確定了，就可以采用不同的系數(shù)來提高圖像的邊緣。00010-1000001000-100浮雕效果EmbossEastEmbossNW方向梯度算子（compassgradientmasks），從命名上可以看出，該算子可以最大地增強坡度方向的響應(yīng)。比如，向東梯度算子生成一個反映從西向東的水平亮度值變化最大的輸出。算子各個系數(shù)之和為零，因此對于沒有邊界存在的區(qū)域，相應(yīng)的輸出為零。1111-21-1-1-1北向

111-1-21-1-11東北向-111-1-21-111東向西南方向梯度算子，增強了plume；而向東方向梯度算子，增強了plume和河的西岸邊界。拉普拉斯算子（Laplacianconvolutionmask）可用于增強圖像邊緣。它計算鄰近像元的二階導(dǎo)數(shù)，對點、線、面的方向變化不敏感（itisinsensitivetothedirectioninwhichthediscontinuities(e.g.，points，lines，

edges)run）。0-10-14-10-10-1-1-1-18-1-1-1-11-21-24-21-21拉普拉斯算子一般可以增強圖像中的點線面，壓制均一變化的的區(qū)域（suppressesuniformandsmoothlyvaryingregions），這同人們觀察地物的方式是一致的。非線性邊界增強14782693order-101-202-101121000-1-2-1X=Y=Sobel邊緣探測器可以探測水平、垂直和對角線方向的邊緣。圖a可以看出，plume為白色的亮線所包圍。如果設(shè)定一個閾值，可以獲取邊緣圖。14782693order500001000-10000010-10X=Y=

二、傅立葉變換對于遙感圖像處理，需要解決二維空間的問題，因此，考慮離散情況（N表示x方向的像素數(shù)，M表示y方向的像素數(shù)）：反變換有：即其中

從左圖影像中，選擇了三處地區(qū)說明傅立葉變換。A處為質(zhì)地均勻、頻率低的水體；B處包含了低頻和中頻的地形信息，并具有水平和垂直分布；C處包含了低頻和中頻的地形信息，并具有對角線分布特征。

注意頻譜圖中明亮部分的走向，它反映了左圖中呈對角線分布的地物信息。左圖的斜紋條帶類似于我們之前課上介紹的striping。右圖中的亮點反映了斜條紋的頻率和方向。亮點同圖像原點的連線與原始圖像斜條紋的方向垂直。結(jié)合原始圖像和頻譜圖像可以看出，在頻率域噪音信息呈點狀或系列點狀分布，因此比較容易地發(fā)現(xiàn)噪音信息，并加以消除。然而我們在空間域消除這些噪音就比較困難。而在頻率域，通過手動或程序就很容易地消除這些噪音。這一幅某地區(qū)海岸帶附近的影像，可以看到非常明顯的條帶（striping），如果不消除這個噪音，我們就無法開展懸浮物質(zhì)遷移的研究頻率域的空間濾波我們已經(jīng)討論了在空間域利用卷積模板濾波的方法。在頻率域，我們可以通常對頻譜圖進行濾波，即利用頻率域濾波器。第四節(jié)多光譜圖像四則運算

比值圖像（除法運算）也可以增強某些地物之間的反差，如植物、土壤、水在紅色波段與紅外波段圖像上反射率是不同的，通過比值運算可以加以區(qū)分因此，比值運算是自動分類的預(yù)處理方法之一。類別紅波段紅外波段紅外波段/紅波段植被暗很亮更亮水體稍亮很暗更暗房屋較亮較亮不變

第五節(jié)主成分變換（principalcomponentsanalysis，PCA）它的基本原理是：對某一多光譜圖像實行一個線性變換，產(chǎn)生一組新的多光譜圖像，使變換后各分量之間具有最小的相關(guān)性。它是一種常用的數(shù)據(jù)壓縮方法，可以將具有相關(guān)性的多波段數(shù)據(jù)壓縮到完全獨立的前幾個主分量上；同時由于主成分變換后的前幾個主分量包含了主要的地物信息，噪聲較少，因而可以突出主要信息，抑制噪聲，達到圖像增強的目的；另外，它也可以用于分類前的預(yù)處理，減少分類的波段數(shù)并提高分類效果，即作為特征選擇的方法新的特征圖像組就是一個特征維數(shù)得到壓縮的n維特征矢量。原始數(shù)據(jù)經(jīng)過主成分變換后，其方差分布主要集中在前面幾個特征，方差的大小反映了模式的散布情況。如圖所示，第一分量方差分布最廣，集中最多信息，第二分量次之。第六節(jié)圖像融合

1.圖像融合定義將多源遙感圖像按照一定的算法，在規(guī)定的地理坐標(biāo)系，將不同傳感器獲取的遙感影像中所提供的各種信息進行綜合，

生成新的圖像的過程。融合目的：提高對影像進行分析的能力（通過融合既提高多光譜圖像空間分辨率，又保留其多光譜特性）。多源遙感圖像信息融合的關(guān)鍵（1）對多源遙感數(shù)據(jù)作出合理的選擇（2）影像精確配準解決