第四章 遥感图像处理

遥感图像处理 主成分分析：对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，产生了一组新的多光谱图像Y。Y=AX,从几何意义上看，变换后的主分量空间坐标系与变化前的多光谱坐标系相比旋转了一个角度，而且新坐标系的坐标轴一定指向数据信息量大的方向。（一种除去波段之间的多余信息，将多波段的图像压缩到比原来波段更有效的少数几个转换波段的方法） 低通滤波：用滤波方法将频率域中一定范围的高频成分滤掉，而保留其低频成分已达到平滑图像的目的。 高通滤波：“高通滤波”是一种提高多波段数据空间分辨率的方法。它对高空间分辨率图像（如SPOT-P）用一个小的高通滤波器处理，以生成与空间特征信息相关的高频（成分）数据，这种数据按像元对像元地被加到低分辨率波段（如TM数据）中。这种融合图像既有高分辨率数据的空间信息，又有低分辨率数据的高光谱分辨率信息。 控制点：以一定精度测定其位置为其他测绘工作提供依据的固定点。 缨帽变换：根据MSS数据研究多光谱信息与自然景观要素特征间的关系而建立的一种特定变换，通过一个变换矩阵来实现的。 均值平滑:是将每个象元以其为中心的区域内取平均值来代替该像元值,以达到去掉尖锐”噪声”和平滑图像目的.具体计算时常用3*3的模板作卷积运算. 多源信息复合:多种遥感平台、多时相遥感数据以及遥感数据与非遥感数据之间的信息组合匹配技术。可以发挥多种信息源的各自优势，弥补某一种信息源的不足之处，提高遥感信息的应用范围。 植被指数：选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值。 主成分分析：对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，产生了一组新的多光谱图像Y。Y=AX,从几何意义上看，变换后的主分量空间坐标系与变化前的多光谱坐标系相比旋转了一个角度，而且新坐标系的坐标轴一定指向数据信息量大的方向。 归一化植被指数（ )：近红外波段与可见光红色波段数值之差和这两个波段数值之和的比值，即 直方图：以统计图的形式表示图像亮度值与象元数之间的关系，在二维平面坐标系中，横坐标表示象元的亮度值，纵坐标表示每一亮度值或亮度间隔象元数与总象元数的百分比。 对比对增强：是一种通过改变图像象元的亮度值来改变图像象元对比度，从而改善图像质量的图像处理方法。常用的方法有对比度线性变换和非线性变换。 图像增强：图像增强和变换则是为了突出相关的专题信息，提高图像的视觉效果，使分析者能更容易地识别图像内容，从图像中提取更有用的定量化信息。 直方图均衡化：直方图均衡化是广泛应用的非线性拉伸方法。这种算法根据原图像各亮度值出现的频率，使输出图像中亮度都有相同的频率。这种算法和其他对比度增强方法有很大的不同住于图像中亮度根据其累积频率而重新分配。 光学图像和数字图像：前者是指不能直接被计算机存储、处理和使用的遥感图像。后者是指能够被计算机存储、处理和使用的图像。 真彩色合成：根据彩色合成原理，可选择同一目标的单个多光谱数据合成一幅彩色图像，当合成图像的红绿蓝三色与三个多光谱段相吻合，这幅图像就再现了地物的彩色原理，就称为真彩色合成。 假彩色合成：根据彩色合成原理，由于原色的选择与原来遥感波段所代表的真实颜色不同，因此合成的颜色不是地物的真实颜色，此种合成叫做假彩色合成。 补充： 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 假彩色合成：在彩色合成中，若将TM4，3，2对应R，G，B，则称为标准假彩色成。即将近红外波段对应红色，红光波段对应于绿色，绿光波段对应于蓝色得到的假彩色合成图像称为标准假彩色图像。 反差扩展：直接对图像像元值(灰度)进行变换,改变图像灰度的分布或动态范围的反差增强方法。按变换函数的性质可分为线性扩展、分段线性扩展、非线性扩展、局部反差扩展、平衡反差扩展等。 彩色数字图像：是由红绿蓝三个数字层构成的图像。在每一数字层中，每个像素用一个字节记录地物亮度值，数字范围一般介于0-255。 遥感图像数据融合：是一个对多遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定的规则（或算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。它不仅仅是数据间的简单复合，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增加解译的可靠性，减少模糊性（即多义性、不完全性、不确定性和误差）、改善分类、扩大应用范围和效果。 数字图像处理和信息提取：前者是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术； 辐射畸变：指遥感传感器在接收来自地物的电磁波辐射能时，电磁波在大气层中传输和传感器测量中受到遥感传感器本身特性、地物光照条件（地形影响和太阳高度角影响）以及大气作用等影响，而导致的遥感传感器测量值与地物实际的光谱辐射率的不一致。 辐射校正：是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。 多光谱变换：由于一些波段的遥感数据之间都有不同程度的相关性，存在数据冗余，可以通过变换函数，达到保留主要信息，降低数据量，增强或提取有用信息的目的，其实质是对遥感图像实行线性变换，使多光谱空间的坐标系按一定规律进行旋转。 补充：多光谱空间：一个n维坐标系，每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。像元点在坐标系中的位置可以表示为一个n维向量。 密度分割：又叫单波段彩色变换，指对单波段黑白遥感影像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。每层所包含的亮度值范围可以不同。 彩红外像片：又称假彩色像片。指用彩色红外摄影拍摄的像片。记录景物反射的绿、红、近红外光，并在像片上呈现由蓝、绿、红3色组成的假彩色影像。本质上也是一种多波段摄影像片。具有色彩鲜艳、信息丰富的特点，是一种具有良好判读性能的遥感影像资料 图像锐化：又叫图像增强，是增强图像中的高频成分，突出图像的边缘信息，提高图像细节的反差，图像锐化处理有空间域与频率域处理两种。 补充：图像平滑：图像在获取或传输的过程中，由于传感器的误差及大气的影响，会在图像上产生一些噪声，或者图像中出现亮度变化过大的区域，为了抑制噪声改善图像质量或减少变化幅度，使图像亮度变化平缓所做的处理称为图像平滑。 哈达玛变换：利用哈达玛矩阵作为变换矩阵新实施的遥感多光谱域变换，哈达玛矩阵为一个对称的正交的矩阵。 直方图正态化和直方图均衡化：前者是把非正态化的直方图变换为具有正态化的直方图；后者是指把原图像的直方图变换为各灰度值频率相同德直方图。 伪彩色、假彩色、真彩色遥感影像：伪彩色：把黑白图像的灰度分成若干层，在每次上赋予颜色，此方法为伪彩色。 遥感影像镶嵌和配准：前者为当感兴趣的研究区域在不同的图像文件时，需要将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像。后者是是指依据一些相似性度量决定图像间的变换参数使从不同传感器不同视角不同时间获取的同一场景的两幅或多幅图像变换到同一坐标系下在像素层上得到最佳匹配的过程。（同一区域里一幅图像对另一幅图像的校准，以使两幅图像中同名象元配准） 全景畸变：全景摄影机的像距不变，物距随扫描角增大而增大，由此所产生影像由中心到两边比例尺逐渐缩小的畸变。 辐射校正：是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。 三次卷积法：取与计算点周围相邻的16个点，可先在某一方向上内插如先在x方向上，每4个值依次内插4次，并求出值，再根据这个四个计算结果在y方向上内插，得到结果。实际上是一种卷积运算，基本思想是增加邻点获取最佳插值函数。 重采样：由于数字影像是客观连续世界或相片的离散化采样，当欲知非采样点上的灰度值时，就需要由采样点内插。重采样时，附近的采样点的灰度值对被采样点的影响的大小合一用采样函数来表达。 简述造成遥感数据辐射畸变的因素。 传感器本身的性能引起的辐射误差；例如多个检测器之间灵敏度存在差异，以及仪器系统工作时产生的误差，导致接收的图像不均匀，产生条纹和“噪声”。 地形影响和光照条件的变化引起的辐射误差；由于太阳高度角的影响，在图像上会产生阴影，阴影会覆盖阴坡地物，对图像的定量分析和自动识别产生影响；地形坡度的地面，对进入传感器的太阳光线的辐射亮度有影响。 大气的散射和吸收引起的辐射误差；主要是因为大气吸收和散射目标物和阳光的辐射。 2、论述辐射校正所包括的内容 辐射误差来源： 传感器本身的性能引起的辐射误差；例如多个检测器之间灵敏度存在差异，以及仪器系统工作时产生的误差，导致接收的图像不均匀，产生条纹和“噪声”。 地形影响和光照条件的变化引起的辐射误差；由于太阳高度角的影响，在图像上会产生阴影，阴影会覆盖阴坡地物，对图像的定量分析和自动识别产生影响；地形坡度的地面，对进入传感器的太阳光线的辐射亮度有影响。 大气的散射和吸收引起的辐射误差；主要是因为大气吸收和散射目标物和阳光的辐射。 校正过程： 在数据生产过程中，由生产单位根据传感器的参数进行校正，主要是辐射定标处理，不需要用户自己校正； 对于太阳高度角的影响，通常做法是用两个波段图像的比值产生一个新的图像以消除地形影响；地形坡度引起的辐射亮度校正可以利用该地区的数字地面模型，还可以采用比值图像来消除其影响； 可以利用直方图最小值去除法或回归分析法处理。 补充：传感器接收的电磁波能量包括： 太阳经大气衰减后照射到地面，经地面反射后，又经大气第二次衰减后进入传感器的能量； 地面本身辐射的能量经大气进入传感器的能量； 大气散射、反射和辐射的能量； 3、最小值去除法的思想 直方图指以统计图的形式表示图像亮度值和象元数之间的关系，在二维坐标系中，横坐标表示象元的亮度值，纵坐标表示每一亮度值或亮度间隔的象元数占总象元数的百分之，从直方图中可以找到一幅图像的最小亮度值。 在一幅遥感图像中总可以找到某种或某几种地物，其辐射亮度或反射率为0，例如地面起伏的山区的阴影面，反射率极低的深海水，在这些的象元值应该为0，但实测表明，这些象元值不为0，这个值就是大气散射引起的程辐射值，通过直方图，可以得到该程辐射值，将每个波段象元值减去该最小值，改善亮度值范围，提高对比度，提高图像质量 4、导致遥感图像几何形变的因素 (1)遥感平台位置和运动形态的变化的影响,其中包括外部形态和内部形态两种 外部形态如航高\航速\翻转\俯仰\偏航,内部形态有传感器的影响 (2)大气层的折射,是辐射不是直线,而是曲线,导致像点位移 (3)地面高度,由于地面高度的影响,是原来在地面上的像点被同一位置某高点代替,是像点发生位移 (4)地球曲率变化的影响,是像点位移和象元大小对应不同地面宽度大小 (5)地球自转的影响,是影像发生形变 5、遥感影像几何精纠正的步骤和影响几何精纠正的因素。 准备工作。包括影像数据、地图资料、大地测量成果、仪器参数的收集和分析，所需控制点的选择和量测等。如果影像为胶片影像，需要将其数字化。 原始数字影像输入。按规定的格式将遥感数字影像用专门的程序读入计算机。 建立纠正变换函数。纠正变换函数用来建立影像坐标与地图坐标间的数学关系，可以利用数学模型构成。 确定输出影像范围。输出影像范围定义不恰当时，会造成纠正后的影像未被全部包括或输出影像空白过多，所以需要定义合适的范围。 像元几何位置变换。利用纠正变换函数把原始的数字影像逐个像元地变换到输出影像相应的位置上，通常采用反解法进行纠正。 像元的灰度重采样。可以采用最邻近像元法、双线性内插法和三次卷积法进行重采样。 输出纠正数字影像。经过逐个像元的几何位置变换和灰度重采样得到的输出影像数据按需要的格式写入纠正后的输出影像文件。 影像几何纠正的因素： 地面控制点的位置、数量和选择； 6、简述遥感数字图像增强处理的目的，举例一个增强方法，说明原理和步骤 目的：改变图像的灰度等级，提高图像对比度；消除边缘和噪声，平滑图像；突出边缘或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息。 直方图均衡化(Histogram Equalization)：直方图均衡化实质上是对图像进行非线性拉伸，重新 分配图像像元值，使一定灰度范围内像元的数量大致相等；这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较小的话，会产生粗略分类的视觉效果。 步骤： （1）统计原图像每一灰度级的像元个数和累积像元个数。 （2）根据变换函数计算每一灰度级均衡化后对应的新值，并对其四舍五入取整，得到新灰度级。 （3）以新值替代原灰度值，形成均衡化后的新图像。 （4）根据源图像像元统计值对应找到新图像像元统计值，作出新直方图。 7、图像融合及举例说明意义 图像融合就是对多种遥感平台、多时相遥感数据以及遥感数据与非遥感数据之间的数据组合匹配技术，该方法发挥了各种遥感数据源的优势互补，弥补其中某一种遥感数据的不足之处，提高了遥感数据的应用性，在仅用遥感数据难以解决问题的情况下，引入非遥感数据的辅助，可进行更深入的分析，也为下一步地理信息系统打下基础。 以spot图像和TM图像为例，TM图像有7个波段，波谱信息丰富，而spot图像没有，但spot图像全色波段的空间分辨率比TM图像的全色和多光谱空间分辨率高，将这两种图像融合，不仅具有丰富的光谱信息，而且有很高的空间分辨率。 8、以Landsat中TM影像和SPOT影像为例，分析不同遥感数据复合的意义，并说明步骤和方法 (1)主要目的： ①提高图像空间分辨率，改善图像几何精度，增强特征显示能力，改善分类精度，提供变化检测能力，替代或修补图像数据的缺陷等。 ②发挥不同遥感数据源的优势，弥补某一种遥感数据的不足，提高遥感数据的可应用性。 PS：若题目为“信息融合”，则需再答上下面一条： ③在仅用遥感图像难以解决问题的时候，加入非遥感数据进行补充，使更综合、更深入的分析得以进行，为进一步应用地理信息系统技术打下基础。 (2)常用方法： ①彩色变换： 指采用不同的彩色坐标系统，把不同的遥感器数据或不同性质的数据融合起来，产生彩色合成图像。常用的彩色变换有RGB彩色合成和HIS变换。 ②图像运算： 两幅或多幅单波段影像完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息或去掉某些不需要信息的目的。 常用的图像运算方法有差值运算、比值运算和混合运算。 ③图像变换： 常用的图像变换方法有主成分分析、相关统计分析(又称相关系数法)、空间滤波分析、回归变量代换(RVS-Regression Variable Substitution)、小波变换等。 (3)例如将TM与SPOT复合，选取TM三个波段4、3、2和SPOT全色波段，共4个波段，复合过程如下： ①空间配准： 采用几何校正分别在SPOT和TM图像上选取控制点，以高空间分辨率的SPOT全色图像为基础，用双线性内插或三次卷积内插运算对TM图像进行重采样，完成几何空间配准。 ②图像复合： 每幅TM图像均与SPOT图像做逐点运算，生成三幅图像，进行假彩色合成，生成复合图像。 通过以上图像融合既保留了多光谱图像较高的光谱分辨率，又保留了全色图像较高的空间分辨率。 9、结合植被光谱特征解译比值运算突出植被覆盖的原因 比值植被指数RVI=NIR/R，式中NIR、R分别为遥感图像中近红外波段与红光波段的反射值。 对于由绿色植物叶肉组织引起的近红外强反射和由叶绿素引起的红光吸收，使其NIR与R值有较大的差异，RVI值高，色调较浅。而对于无植被的地面因不显示这种特殊的光谱响应则RVI值低，色调较深。因此，比值植被指数能增强植被与土壤背景之间的辐射差异。一般土壤有近于1的比值，而植被则会表现出高于2的比值，从而能够突出植被覆盖。 10、数字图像镶嵌的关键是什么？ 如何在几何上将多幅不同的图像连接在一起，因为在不同时间用相同的传感器以及在不同时间用不同的传感器获得的图像，其几何位置和变形是不同的；采用几何纠正解决。 如何保证拼接后的图像反差一致，色调相近，没有明显的接缝。 11、设计一个遥感图像处理系统的框图，说明各自功能，并举一应用实例 遥感图像处理系统的结构框图如下 输入设备：把遥感数据输入计算机。 输出设备：将遥感数据输出到显示器上或者打印出来。 系统操作平台：遥感图像处理系统的核心，决定处理速度的快慢及处理效果的好坏。 存储设备：存储遥感影像数据。 图像文件管理模块：对图像文件进行输入、输出、存储和管理。 图像处理模块：对遥感影像进行增强、滤波、纹理分析和目标检测等处理。 图像校正模块：对影像进行辐射校正和几何校正。 多影像处理模块：进行图像运算、图像变换和图像信息融合。 图像信息获取模块：包括直方图统计、特征向量计算、图像分类特征统计等等。 图像分类模块：包括监督分类、非监督分类和混淆矩阵等。 专题图制作模块：主要是4D产品的制作。 接口模块：如和GIS数据库建立接口等。 常见的遥感图像处理系统有：ENVI、ERDAS、Idris、Er-mapper、PCI等。 输出 纠正 数字 图像 像元 的灰 度重 采样 像元 几何 位置 变换 确定 输出 影像 范围 建立 纠正 变换 函数 输入原始 数字 图像 准 备工作 _1234567890.unknown _1234567891.unknown