遙感圖像增強處理一彩色增強處理

二、光譜增強處理2020/11/291一、彩色增強處理彩色合成變換加色法密度分割單波段的彩色：密度分割I(lǐng)HS變換2020/11/292精品資料3你怎么稱呼老師？如果老師最后沒有總結(jié)一節(jié)課的重點的難點，你是否會認為老師的教學(xué)方法需要改進？你所經(jīng)歷的課堂，是講座式還是討論式？教師的教鞭“不怕太陽曬，也不怕那風(fēng)雨狂，只怕先生罵我笨，沒有學(xué)問無顏見爹娘……”“太陽當(dāng)空照，花兒對我笑，小鳥說早早早……”4（一）彩色合成多波段彩色合成利用計算機將同一地區(qū)三個波段的影像，分別賦予紅、綠、藍三原色，進行單基色變換（色階），然后使各影像準(zhǔn)確套合疊置顯示，依照彩色合成原理，構(gòu)成彩色合成影像。分為：假彩色合成、真彩色合成2020/11/2952020/11/296真彩色合成：當(dāng)三幅影像的工作波段分別為紅、綠、藍時，同時分別對應(yīng)賦予紅色、綠色、藍色，合成后的影像十分接近自然界的色彩，稱為真彩色合成。例如：例如：TM：Band3、2、1displayasRGB，稱為真彩色合成。假彩色合成：各工作波段被賦予的顏色，與波段所代表的真實顏色不同，合成色不是地物真實的顏色，因此這種合成叫做假彩色合成2020/11/297標(biāo)準(zhǔn)假彩色合成：近紅外波段賦予紅色、紅光波段賦予綠色，綠光波段賦予藍色。針對TM影像的7個波段：第2波段是綠色波段、第3波段是紅色波段、第4波段是近紅外波段當(dāng)4、3、2波段分別賦予紅、綠、藍色時，這一合成方案稱為標(biāo)準(zhǔn)假彩色合成2020/11/298（二）假彩色密度分割單波段的假彩色密度分割將單波段影像的像元值從小到大按照某種標(biāo)準(zhǔn)劃分等級，每一級別賦予一種顏色，最終影像表現(xiàn)為彩色，這些色彩是人為加上的，與地物的天然色彩不一定相同，稱為假彩色密度分割。等密度分割：對像元數(shù)值從小到大劃分為n級，各級內(nèi)含有的像元數(shù)大致相等時，稱為等密度分割。2020/11/2992020/11/291011（三）IHS變換HSI代表色調(diào)、飽和度和明度（hue，saturation,intensity）。色彩模式可以用近似的顏色立體來定量化。顏色立體曲線錐形改成上下兩個六面金字塔狀。2020/11/2911（三）IHS變換IHS變換是RGB顏色系統(tǒng)與HIS顏色系統(tǒng)之間的變換。具體方法：令I(lǐng)RIGIB,下標(biāo)max為R，G，B中最大值，下標(biāo)min為R，G，B中最小值，IRIGIB和Ｓ均為0-1的實數(shù)，Ｈ為0-360的實數(shù)。則有明度：飽和度2020/11/2912（三）IHS變換色調(diào)如果則，位于黃和品紅之間如果則，位于青和黃之間如果則，位于品紅和藍之間2020/11/2913RGB----HISRGB圖像HIS圖像2020/11/2914二、光譜增強處理（一）反差增強線性變換，非線性變換，直方圖增強（二）空間濾波處理模板計算，卷積計算（三）圖像運算加、減、乘、除（四）多光譜變換主成分變換、纓帽變換2020/11/2915（一）反差增強通過修改各種像元值來改善影像對比度，從而改變影像質(zhì)量的處理方法。表現(xiàn)為：影像的視覺效果的提高例如：一幅(256*256)的影像有65536個像元，但是有50000個像元的值在0-50之間，使得影像過暗，這些像元對應(yīng)的地物之間的差異過小，地物彼此之間不容易分開。因此可用一些合理方法改變它們的像元值（如：等比例放大，像元值都乘上4）。這50000個像元的值分布在0-200之間，距離拉大。2020/11/2916數(shù)學(xué)表示：原始影像灰度值Z，變換后的值為Z’，新舊值之間的轉(zhuǎn)換用函數(shù)f表示。Z′=f（Z）2020/11/2917對比度增強的方法?全局線性變換?分段線性變換?高斯變換?直方圖均衡化?指數(shù)變換、對數(shù)變換……非線形變換線形變換2020/11/2918線性拉伸2020/11/2919分段線性拉伸將圖像灰度值劃分為若干區(qū)段[a1,a2]、[a2,a3]、[a3,a4]…,分別對應(yīng)[b1,b2]、[b2,b3]、[b3,b4]?分段用不同的線性函數(shù)進行變換，把每段拉伸到指定的亮度顯示范圍。2020/11/29202020/11/2921線性變換又分為：最大最小值線性變換：用一個比例進行擴大或縮小分段線性變換：不同范圍的像元值采用不同的比例進行擴大和縮小，說明采用的是分段線性函數(shù)關(guān)系。即有多組[a1,a2]和[b1，b2]。線性飽和變換:最大和最小像元值，稱為飽和點，變換時：小于最小值的變?yōu)?，大于最大值的變?yōu)?55，中間部分采用線性關(guān)系。2020/11/2922非線性變換變換函數(shù)z’=f(z)為非線性時，即為非線性變換直方圖均衡化:產(chǎn)生一幅各種像元值的數(shù)量基本一致的影像，即變換后影像的灰級概率p（Z′）等于常數(shù)指數(shù)變換、對數(shù)變換：新舊像元值之間滿足指數(shù)關(guān)系、對數(shù)關(guān)系。亮度值較高部分拉伸（壓縮），亮度值較低部分壓縮（拉伸）高斯分布：將直方圖變?yōu)檎龖B(tài)分布，稱之為高斯分布。即中間亮度的像元占大多數(shù)，特別暗和特別亮的像元較少，較符合實際情況2020/11/2923非線性拉伸I對數(shù)拉伸與人眼的視覺特性相匹配，擴張低的灰度，壓縮高的灰度區(qū)。

2020/11/2924非線性拉伸ii指數(shù)拉伸

擴展高灰度區(qū)間。

2020/11/29252020/11/2926將影像中像元值分布范圍過于集中的部分拉開擴展，擴大影像反差的對比度；將影像中像元值分布范圍過于分散的部分壓縮；通過拉大或縮小像元數(shù)值之間的距離，增強影像表現(xiàn)的層次性。對直方圖進行形狀的拉伸或壓縮來改變像元數(shù)值的分布情況，使對比度合理，突出信息2020/11/2927直方圖增強1）直方圖的概念2）直方圖拉伸3）直方圖均衡4）直方圖規(guī)定化2020/11/29282）直方圖均衡將每個灰度區(qū)間等概率分布，代替了原來的隨機分布，即增強后的每個灰度級內(nèi)有大致相同的象元數(shù)；通過改變灰度區(qū)間來實現(xiàn)；使得面積最大的地物細節(jié)得以增強，而面積小的地物與其灰度接近的地物進行合并，形成綜合地物。減少灰度等級換取對比度的增大。原直方圖：均衡后直方圖：:k級灰度的像元數(shù)；N:總的像元數(shù)

2020/11/292930原始的直方圖均衡化后的直方圖2020/11/29302）直方圖均衡2020/11/29312020/11/29322020/11/2933直方圖均衡化（HistogramEqualization）2020/11/2934HistogramEqualizationStretchFirstband（Green）forsampleSPOTimage直方圖均衡化實例2020/11/2935Threebandcombination:Band1（spectralgreen）displayedasblueBand2（spectralred）displayedasgreenBand3（spectralNIR）displayedasred直方圖均衡化實例直方圖均衡化（HistogramEqualization）Threebandcombination:Band1（spectralgreen）displayedasblueBand2（spectralred）displayedasgreenBand3（spectralNIR）displayedasred2020/11/29362020/11/29372020/11/2938３直方圖匹配（histogrammatching）把原圖像的直方圖變換為某種指定形狀的直方圖或某一參考圖像的直方圖，然后按照已知的指定形態(tài)的直方圖調(diào)整原圖像各象元的灰級，最后得到一個直方圖匹配的圖像使用的模板有正態(tài)拉伸匹配、暗區(qū)拉伸匹配、亮區(qū)拉伸匹配主要應(yīng)用于有一幅很好的圖像作為標(biāo)準(zhǔn)的情況下，對另一圖像進行匹配，以改善被處理圖像的質(zhì)量應(yīng)用于數(shù)字鑲嵌各種拉伸以后雖然對于感興趣的地物提高了分辨能力，但同時也造成了信息損失。

2020/11/2939直方圖匹配條件原始圖像和參考圖像兩個圖像的直方圖的總體形態(tài)應(yīng)相似圖像中相對亮和暗的特征應(yīng)相同對某些應(yīng)用，圖像的分辨率應(yīng)相同（但可不同）圖像中的地物類型的相對分布應(yīng)相同，無論兩幅圖像是否覆蓋同一地區(qū)。如一幅有云，另一幅沒有云，應(yīng)先將云去掉（覆蓋），然后再進行直方圖匹配2020/11/2940（二）圖像濾波處理濾波：增強圖像的空間頻率特征，即改善目標(biāo)與其鄰域間像元的對比關(guān)系?？臻g域濾波：局部卷積運算簡單，精度較差，增強易過渡，圖像不協(xié)調(diào)2020/11/2941基于窗口的濾波··窗口band1band22020/11/2942原影像模板P1P2P3K1K2K3P4P5P6×K4K5K6P7P8P9K7K8K9P’5=P1K1+P2K2+P3K3+P4K4+P5K5+P6K6+P7K7+P8K8+P9K9（二）圖像濾波處理2020/11/2943空間域濾波采取鄰域處理方法進行影像增強鄰域處理：新影像像元值由原影像上對應(yīng)像元及相鄰像元的值來確定空間濾波的作用平滑：消除各種干擾噪聲，使影像中高頻成分消退，平化掉影像的細節(jié)，表現(xiàn)為影像模糊。銳化：突出影像邊緣、線性目標(biāo)或某些亮度變化率大的部分，提高影像的細節(jié)，常表現(xiàn)為邊緣增強。（二）圖像濾波處理2020/11/2944平滑

模糊化

2020/11/2945銳化

突出邊緣部分

2020/11/2946空間濾波的種類起平滑作用（低通濾波）?中值濾波、均值濾波等起銳化作用（高通濾波）?檢測水平邊界濾波、檢測垂直邊界濾波、非定向邊緣檢測濾波、羅伯特梯度、拉普拉斯邊緣增強（二）圖像濾波處理2020/11/2947均值平滑將每個像元在以其為中心的區(qū)域內(nèi)，取平均值來代替該像元值，以達到去掉尖銳“噪聲”和平滑影像的目的。中值濾波將每個像元在以其為中心的鄰域內(nèi)，取中間亮度值來代替該像元值，以達到去掉尖銳“噪聲”和平滑影像的目的。（二）圖像濾波處理2020/11/2948均值平滑2020/11/2949中值濾波2020/11/29502020/11/29512020/11/2952銳化濾波的種類：羅伯特梯度（二）圖像濾波處理2020/11/2953索伯爾梯度羅伯特梯度的改進（二）圖像濾波處理2020/11/2954拉普拉斯算子（二）圖像濾波處理2020/11/2955定向濾波常見的模板：

-12-1-1-1-1-12-1222-12-1-1-1-1-1-122-1-1-12-1-12-12-1-1-1-12

對角線方向垂直方向水平方向（二）圖像濾波處理2020/11/2956高通濾波2020/11/2957低通濾波2020/11/295845度方向邊緣檢測2020/11/2959水平邊緣檢測2020/11/2960拉普拉斯算子2020/11/2961（三）數(shù)字影像的代數(shù)運算影像代數(shù)運算差值運算比值運算指數(shù)運算2020/11/2962影像代數(shù)運算對兩幅（或兩幅以上）影像的對應(yīng)像元逐個進行和、差、積、商的四則運算，產(chǎn)生具有信息增強效果的影像。常見為：差值運算與比值運算（三）數(shù)字影像的代數(shù)運算2020/11/2963差值運算差值運算兩幅行列數(shù)相等的影像，對應(yīng)像元值相減F(x,y)=f1(x,y)-f2(x,y)差值運算的作用反映了地物的時間變化地物在不同波段上的反射率差異2020/11/296465TM432TM4-TM31）、差值運算2020/11/2965

比值運算比值運算兩幅同樣行、列數(shù)的影像，對應(yīng)像元的亮度值相除（除數(shù)不為0）。對應(yīng)像元的亮度值相除（除數(shù)不為0）F(x,y)=f1(x,y)/f2(x,y)比值運算的作用可以消除地形及云影影響擴大不同地物的光譜差異影像亮度不再具有反射意義；放大了噪聲2020/11/296667植被指數(shù)有許多不同的表達公式：SR=NIR/R（simpleratio）（比值植被指數(shù)）NDVI=（NIR-R）/(NIR+R)（歸一化差值植被指數(shù)）SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指數(shù)）2）、比值運算2020/11/2967波段指數(shù)NDVI綠色植被在近紅外光處為高反射，紅光處為低反射NDVI：（近紅外波段-紅光波段）/（近紅外波段+紅光波段）對于TM（TM4-TM3）/(TM4+TM3)突出植被在紅光、近紅光上的反射差異特征。植被在近紅外波段的像元值大于可見光波段的像元值，因此植被的NDVI值必定是正值，并且大于其它非植被地物的NDVI值，因此可以通過確定一個閾值來區(qū)分植被和非植被。用于提取植被類別、估算植被生物量、估算農(nóng)作物產(chǎn)量、森林蓄積量2020/11/296869假彩色合成圖象NDVI圖象2）、比值運算2020/11/296970太陽光砂巖陰坡陽坡2）、比值運算2020/11/2970（四）多光譜變換處理１、K-L變換（主成份變換）Y＝A·XY：變換后像元;X：變換前像元A：變換矩陣，即X空間協(xié)方差矩陣的特征向量矩陣。特點：變換后各分量相關(guān)性最?。恢鞒煞莘至啃畔⒁来螠p小效果：數(shù)據(jù)壓縮；圖像增強2020/11/297172步驟：計算原始圖象的協(xié)方差矩陣；Cov（