第四章遙感圖像處理4.1

數(shù)字圖像基礎(chǔ)知識(shí)4.2

圖像輻射校正4.3圖像幾何校正4.4

遙感圖像增強(qiáng)處理

4.1

數(shù)字圖像基礎(chǔ)知識(shí)一、光學(xué)圖像與數(shù)字圖像（一）基本概念

早期的遙感技術(shù)通過(guò)攝影成像方法得到的像片稱(chēng)之為光學(xué)圖像。能在計(jì)算機(jī)里存儲(chǔ)、運(yùn)算、顯示和輸出的圖像稱(chēng)為數(shù)字圖像。

遙感圖像可以看成是由無(wú)數(shù)個(gè)很小的單元（像元）組成的，每個(gè)像元的明暗程度記錄了成像瞬間的物體的電磁輻射強(qiáng)度。圖像的表示：O圖像xy(x,y)表示像元的位置；f(x,y)表示（x,y)位置上的對(duì)應(yīng)地物電磁輻射強(qiáng)度。O圖像xy1234213456Pixel遙感影像經(jīng)過(guò)“離散化”取樣才能變成計(jì)算機(jī)可存儲(chǔ)和運(yùn)算的數(shù)字圖像。函數(shù)f(x,y)的取值：離散整數(shù)取樣是根據(jù)需要，將灰度空間分成2n級(jí)（目前n的取值有1、4、7、8，甚至更多），然后根據(jù)方格內(nèi)電磁輻射強(qiáng)弱取其平均值整數(shù)作為函數(shù)f(x,y)的值。一幅圖像表示為數(shù)字圖像其實(shí)質(zhì)是一個(gè)數(shù)字矩陣。數(shù)字矩陣可以計(jì)算機(jī)里進(jìn)行存儲(chǔ)和運(yùn)算。像元：坐標(biāo)數(shù)值行、列定義像元位置數(shù)值通常用8bits記錄28=256灰度值范圍為0-255每個(gè)像元是圖像的基本元素遙感影像的表現(xiàn)（二）圖像數(shù)字化

一幅光學(xué)圖像經(jīng)過(guò)離散取樣，轉(zhuǎn)化為數(shù)字圖像的過(guò)程即圖像數(shù)字化。

圖像數(shù)字化內(nèi)容：（1）圖像空間位置的數(shù)字化，即圖像的空間取樣。（2）圖像灰度的數(shù)字化，即指從圖像灰度的連續(xù)變化中進(jìn)行離散的采樣，目前經(jīng)常使用的灰度量度有2級(jí)，64級(jí)，128級(jí)，256級(jí)。除光學(xué)圖像可以數(shù)字化為數(shù)字圖像外，更多的遙感圖像源于傳感器獲得后直接的數(shù)字產(chǎn)品，如：SPOT,MSS,TM,ETM等航天遙感數(shù)字。（三）灰度直方圖

表示一幅數(shù)字圖像像元灰度分布狀態(tài)。橫軸表示灰度級(jí)，縱軸（Pi=mi/M)表示灰度級(jí)為gi的像元個(gè)數(shù)mi占像元總數(shù)Ｍ的百分比。將2n個(gè)Pi繪于圖上，所形成的統(tǒng)計(jì)直方圖叫灰度直方圖。通過(guò)灰度直方圖可以直觀地了解圖像增強(qiáng)的效果。二、遙感圖像處理的主要內(nèi)容1.圖像校正：輻射校正、幾何校正等；2.增強(qiáng)處理：彩色增強(qiáng)、直方圖增強(qiáng)、圖像運(yùn)算、多源信息融合等；3.圖像變換：消除干擾、濾掉噪聲、提高圖像的質(zhì)量，如Ｋ－Ｌ變換等；4.圖像分類(lèi)：非監(jiān)督分類(lèi)、監(jiān)督分類(lèi)等。4.2

圖像輻射校正一、圖像輻射校正（一）光學(xué)攝影機(jī)內(nèi)部輻射誤差校正光學(xué)攝影機(jī)內(nèi)部輻射誤差主要是由鏡頭中心和邊緣的透射光的強(qiáng)度不一致造成的，它使得在圖像上不同位置的同一類(lèi)地物有不同的灰度值。設(shè)原始圖像灰度值g，校正的圖像灰度g’,則有g(shù)’=g/cosα

α為像點(diǎn)成像時(shí)光線(xiàn)與主光軸夾角。（二）光電掃描儀內(nèi)部輻射誤差的校正

兩類(lèi)誤差：（1）光電轉(zhuǎn)換誤差；（2）探測(cè)器增益變化引起的誤差。消除方法：楔校準(zhǔn)處理方法二、大氣校正消除由大氣散射引起的輻射誤差的處理過(guò)程。（一）公式法與衛(wèi)星掃描同步進(jìn)行野外波譜測(cè)試，將地面測(cè)量結(jié)果與衛(wèi)星影像對(duì)應(yīng)像元亮度值進(jìn)行回歸分析，回歸方程為：式中，LAi為衛(wèi)星觀測(cè)值；Ri為地面反射率；

a和b為回歸系數(shù)；系數(shù)a為大氣散射引起對(duì)輻射的干擾部分a=SiLBiSi為系統(tǒng)增益因素；Lbi為大氣路徑輻射率；b表示輻射率Lai隨地面反射率Ri遞增而增長(zhǎng)的程度大?。籘i為大氣透射率；Hi為太陽(yáng)輻照度；θ為太陽(yáng)天頂角；計(jì)算方法是對(duì)各個(gè)波段分別進(jìn)行，i代表各波段的序號(hào)。計(jì)算Lai時(shí)需要獲得當(dāng)時(shí)具體氣象參數(shù)。由前面的公式可得：

L’Ai即為校正后圖像灰度值；a為大氣附加輻射部分。將上式代入可得：（二）回歸分析法用長(zhǎng)波數(shù)據(jù)來(lái)校正短波數(shù)。在不受大氣影響的波段（如TM5）和待校正的某一波段圖像中，選擇由最亮至最暗的一系列目標(biāo)，將每一目標(biāo)的兩個(gè)待比較的波段灰度值提取出來(lái)進(jìn)行回歸分析。為T(mén)M5波段的亮度均值；為T(mén)M1亮度均值；a1,b1計(jì)算如下：T1、T5表示TM1與TM5波段灰度值，為T(mén)M1波段校正后的灰度值。輻射回歸分析圖：（三）直方圖校正法

通過(guò)灰度直方圖對(duì)比找出校正量。

4.3圖像幾何校正一、遙感圖像幾何畸變來(lái)源（1）遙感平臺(tái)位置和運(yùn)動(dòng)狀態(tài)變化（2）地形起伏影響（3）地球表面曲率的影響

（4）大氣折射的影響（5）地球自轉(zhuǎn)的影響二、遙感圖像幾何校正原理包括光學(xué)校正和數(shù)字糾正兩種方法。數(shù)字糾正是對(duì)圖像每個(gè)像元逐個(gè)地解析糾正處理，其包括兩方面：一是像元坐標(biāo)變換；二是像元灰度值重新計(jì)算（重采樣）。（一）坐標(biāo)變換首先要確定原始圖像和糾正后圖像之間的坐標(biāo)變換關(guān)系。包括：從原始圖像陣列出發(fā)，依次對(duì)其中每一個(gè)像元分別計(jì)算其在輸出（糾正后）圖像的坐標(biāo)，即：),(),(yxFXFYxyxy==(二）輸出圖像的邊界大小1、先求出原始圖像四個(gè)角點(diǎn)（1,2,3,4）在糾正后圖像中的對(duì)應(yīng)點(diǎn)（1’,2’,3’,4’）的坐標(biāo)（X1’,Y1’）(X2’,Y2’)(X3’,Y3’)(X4’,Y4’)。),(),(yxFXFYxyxy==2、求出最大值和最小值（Xb、Yb和Xa、Ya）；3、令地面上坐標(biāo)（Yb、Xa）和(Ya、Yb)的點(diǎn)（圖像左上角點(diǎn)）為輸出圖像的第一行第一列像元，以dx和dy劃分網(wǎng)格，每個(gè)網(wǎng)格代表輸出圖像的一個(gè)像元，在它輸出圖像陣列中的位置為：

X，Y為地面某網(wǎng)格中心的坐標(biāo)值；I，J為該網(wǎng)格位于輸出圖像陣列中的行列序號(hào)；dx,dy為輸出圖像陣列像元的地面尺寸。（三）數(shù)字圖像灰度值的重采樣校正前后圖像的分辨率變化、像元點(diǎn)位置相對(duì)變化引起輸出圖像陣列中的同名點(diǎn)灰度值變化。重采樣：P’的灰度值取決于周?chē)嘘圏c(diǎn)上像元的灰度值對(duì)其所作的貢獻(xiàn)，這就是灰度值重采樣。1、最近鄰法從周?chē)膫€(gè)點(diǎn)中用距離投影點(diǎn)最近像元灰度值代替輸出像元灰度值。2、雙線(xiàn)性?xún)?nèi)插法

投影點(diǎn)周?chē)?個(gè)相鄰像元灰度值，利用X方向和Y方向進(jìn)行三次插值。3、雙三次卷積法取與投影點(diǎn)鄰近的16個(gè)象元灰度值（4*4），計(jì)算輸出象元的灰度值。三、數(shù)字圖像幾何校正方法有多項(xiàng)式糾正法和共線(xiàn)方程糾正法。前者較常用。多項(xiàng)式糾正法的基本思想：回避成像的空間幾何過(guò)程，而真接對(duì)圖像變形的本身進(jìn)行數(shù)學(xué)模擬。常用的二元齊次多項(xiàng)式糾正變換方程為：式中，x,y為某像元的原始圖像坐標(biāo)；X,Y為糾正后同名點(diǎn)的地面（或地圖）坐標(biāo)；ai,bi為多項(xiàng)式系（i=0,1,2…多項(xiàng)式系數(shù)求出后，根據(jù)上述公式可以求解原始圖像任一像元的坐標(biāo)，并對(duì)圖像灰度進(jìn)行內(nèi)插，獲取某種投影的糾正圖像。一般選擇最小控制點(diǎn)的數(shù)量為:(n+1)(n+2)/2,為多項(xiàng)式次數(shù)。4.4遙感圖像增強(qiáng)處理一、彩色增強(qiáng)處理二、反差增強(qiáng)三、空間濾波四、彩色變換五、圖像運(yùn)算六、多光譜變換七、多源信息復(fù)合一、彩色增強(qiáng)處理

假彩色合成選取同一目標(biāo)的三個(gè)多光譜數(shù)據(jù)合成一幅彩色圖像。二、反差增強(qiáng)又稱(chēng)對(duì)比度變換、對(duì)比度擴(kuò)展。對(duì)比度變換直方圖拉伸直方圖均衡直方圖匹配線(xiàn)性變換（分段線(xiàn)性）非線(xiàn)性變換1、直方圖拉伸（1）線(xiàn)性變換增強(qiáng)前后灰度函數(shù)關(guān)系符合線(xiàn)性關(guān)系式：

x’=kx+bx’增強(qiáng)后的灰度值,x增強(qiáng)前的灰度值,b常數(shù),k斜率InputDNOutputDNb1255255a1a2b2xaxb（2）分段線(xiàn)性變換原始圖象變換后圖象（3）非線(xiàn)性變換2、直方圖均衡化非線(xiàn)性的增強(qiáng)方法。將每個(gè)灰度區(qū)間等概率分布，代替了原來(lái)的隨機(jī)分布，即增強(qiáng)后的每個(gè)灰度級(jí)內(nèi)有大致相同的象元數(shù)；通過(guò)改變灰度區(qū)間來(lái)實(shí)現(xiàn)。根據(jù)灰度值的出現(xiàn)頻率來(lái)分配它們的亮度顯示范圍，頻率高的部分被增強(qiáng)了,頻率低的部分被壓縮。增強(qiáng)了峰值處的對(duì)比度，而減弱兩端（最亮和最暗）的對(duì)比度。原始的直方圖均衡化后的直方圖3、直方圖匹配把原圖象的直方圖變換為某種指定形狀的直方圖或某一參考圖象的直方圖，然后按照已知的指定形態(tài)的直方圖調(diào)整原圖象各象元的灰級(jí)，最后得到一個(gè)直方圖匹配的圖象。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象作為標(biāo)準(zhǔn)的情況下，對(duì)另一圖象進(jìn)行匹配，以改善被處理圖象的質(zhì)量應(yīng)用于數(shù)字鑲嵌。三、空間濾波（鄰域增強(qiáng)）對(duì)比度變換：點(diǎn)增強(qiáng)，是單個(gè)像元的運(yùn)算，從整體上改善圖像質(zhì)量；空間濾波：中心像元與周?chē)噜徬裨g的運(yùn)算，用于去噪聲、圖像平滑、銳化和相關(guān)運(yùn)算。1、圖像卷積運(yùn)算模板圖像窗口作用：抑制噪聲，增強(qiáng)地物的某些特征2、平滑圖像中某些亮度變化過(guò)大的區(qū)域，或出現(xiàn)不該有的亮點(diǎn)（噪聲）時(shí)，采用平滑的方法可以減小變化，使亮度平緩或去掉“噪聲”點(diǎn)。

均值平滑（濾波）：每個(gè)像元在以其為中心的鄰域內(nèi)取平均值來(lái)代替該像元值。中值濾波：每個(gè)像元在以其為中心的鄰域內(nèi)取中間亮度值來(lái)代替該像元值。

均值平滑模板原始圖像均值濾波圖像3、銳化為了突出圖像的邊緣、線(xiàn)狀目標(biāo)或某些亮度變化率大的部分，可采用銳化方法。銳化后的圖像不再具有原圖像的特征，成為邊緣圖像。

（1）羅伯特(Roberts)梯度r(i,j)r(i,j+1)r(i+1,j)r(i+1,j+1)意義在于用交叉的方法檢測(cè)出像元與其鄰域在上下之間或左右之間或斜方向之間的差異。（2）索伯爾(Sobel)梯度（3）Laplace算法算法意義是檢測(cè)亮度變化率的變化率，相當(dāng)于二階微分。

（4）定向檢測(cè)垂直定向檢測(cè)水平定向檢測(cè)Laplace算法1、單波段彩色變換單波段彩色變換是灰度圖像的彩色表示或顯示。又稱(chēng)密度分割。密度分割：將連續(xù)的灰度值轉(zhuǎn)換為少量的灰度區(qū)間，并用不同的顏色表示，增強(qiáng)了圖像的目視解譯效果四、彩色變換TM3密度分割（5級(jí)）粗略顯示水體、植被、裸地/城鎮(zhèn)等HLS變換2、多波段彩色變換五、圖像運(yùn)算兩幅或多幅單波段圖像，空間配準(zhǔn)后可進(jìn)行算術(shù)運(yùn)算，實(shí)現(xiàn)圖像的增強(qiáng)。

1、差值運(yùn)算：兩幅同樣行、列數(shù)的圖像，對(duì)應(yīng)像元的亮度（灰度）值相減。差值圖像提供了不同波段或不同時(shí)相圖像間的差異信息。2、比值運(yùn)算：兩幅同樣行、列數(shù)的圖像，對(duì)應(yīng)像元的亮度（灰度）值相除（除數(shù)不為0）。比值圖像，像元的亮度反映了兩個(gè)波段光譜比值的差異，常用來(lái)檢測(cè)植被，消除“同物異譜”現(xiàn)象。1、差值運(yùn)算TM4-3-2TM4-TM32、比值運(yùn)算1）除數(shù)為零2）像元灰度值大于255。植被指數(shù)：是基于植被葉綠素在紅色波段的強(qiáng)烈吸收以及在近紅外波段的強(qiáng)烈反射，通過(guò)紅和近紅外波段的比值或線(xiàn)性組合實(shí)現(xiàn)對(duì)植被信息狀態(tài)的表達(dá)。植被指數(shù)有許多不同的表達(dá)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)）如對(duì)TM數(shù)據(jù)：

NDVI=（TM4-TM3）/（TM4+TM3）六、多光譜變換1、n維多光譜空間2、K-L變換又稱(chēng)主成分變換，主成分分析（PCA,PrincipalComponentAnalysis）作用：去除相關(guān)性、突出地物特征壓縮數(shù)據(jù)剔除噪聲基本原理：求出一個(gè)變換矩陣，經(jīng)變換形成一組新的主分量波段。公式為：Y=AXY為變換后的主分量空間像元矢量X為變換前的多光譜空間像元矢量A為變換矩陣。是X空間協(xié)方差矩陣Σx的特征向量矩陣的轉(zhuǎn)置矩陣。步驟：計(jì)算原始圖象的協(xié)方差矩陣；計(jì)算的特征值和特征向量；生成主成分原始圖象TM1-5，7主成分圖象PC1-63、K-T變換[（Kauth-Thomas）變換]是一種線(xiàn)性變換，使坐標(biāo)軸發(fā)生旋轉(zhuǎn)，旋轉(zhuǎn)之后坐標(biāo)軸的方向與地物，特別是和植被生長(zhǎng)及土壤有密切的關(guān)系。Y=BX七、多源信息復(fù)合將多種遙感平臺(tái)，多時(shí)相遙感數(shù)據(jù)之間以及遙感數(shù)據(jù)與非遙感數(shù)據(jù)之間的信息組合匹配的技術(shù)。遙感信息復(fù)合遙感與非遙感信息復(fù)合不同傳感器的遙感信息復(fù)合不同時(shí)相的遙感信息復(fù)合1、遙感信息復(fù)合1）不同傳感器的遙感信息復(fù)合（以TM與SPOT圖像為例）步驟（1）配準(zhǔn)（2）復(fù)合