第4章 遥感图像分析与处理

1、 第一章第一章 遥感数字图像处理基础遥感数字图像处理基础 第二章第二章 遥感数据预处理遥感数据预处理 第三章第三章 遥感图像的增强处理遥感图像的增强处理 第四章第四章 遥感图像计算机分类遥感图像计算机分类1 1 遥感数字数据存储格式遥感数字数据存储格式2 2 遥感数字图像基础遥感数字图像基础3 3 遥感图像处理软件遥感图像处理软件 本章主要介绍遥感数字图像数据一些基本知识，包括本章主要介绍遥感数字图像数据一些基本知识，包括数数字图像的主要存储格式、统计特征、输入输出的方式字图像的主要存储格式、统计特征、输入输出的方式，最，最后介绍几种常用的遥感图像处理软件和主要功能。后介绍几种常用的遥感图像处

2、理软件和主要功能。 一、遥感数字图像存储的方法一、遥感数字图像存储的方法 以一系列以一系列二进制的形式二进制的形式记录图像的亮度值，并以适合数字计记录图像的亮度值，并以适合数字计算的格式存储在电子存储设备上。算的格式存储在电子存储设备上。 1、BSQ格式格式 BSQ（Band sequential ）是是按波段顺序按波段顺序记录记录遥感影像数据的格式，每个波段的图像数据遥感影像数据的格式，每个波段的图像数据文件单独形成一个影像文件。文件单独形成一个影像文件。 每个影像中的数据文件按照其扫描成像时的每个影像中的数据文件按照其扫描成像时的次序以行为一个记录顺序存放，存放完第一次序以行为一个记录顺序

3、存放，存放完第一波段，再存放第二波段，一直到所有波段数波段，再存放第二波段，一直到所有波段数据存放完为止据存放完为止 。BIP（Band Interleaved by Pixel）格式是格式是按像元顺序按像元顺序记录数据记录数据，即首先存储第一个像元的所有波段数据，即首先存储第一个像元的所有波段数据，接着存储第二个接着存储第二个此格式便于图像波谱分析。此格式便于图像波谱分析。2 2、BIPBIP格式格式 BIL (band interleaved by line)：按波段分行记录数据按波段分行记录数据，先存储第一先存储第一波段的第一行，接着第二波段的第一波段的第一行，接着第二波段的第一行行；再

4、记录各波段的第二行；再记录各波段的第二行 此方式介于上述二者之间。此方式介于上述二者之间。 HDF是一种不需转换格式就能用的新型数据格式。是一种不需转换格式就能用的新型数据格式。 用在用在MODIS、ASTER等数据中。等数据中。 HDF文件包括一个头文件、一个文件包括一个头文件、一个/多个数据对象多个数据对象 。 一、图像输入与输出一、图像输入与输出 一般要利用一般要利用专业遥感图像处理软件专业遥感图像处理软件的输入输出功能。的输入输出功能。 图像文件分为基本遥感图像格式（图像文件分为基本遥感图像格式（BIL、BSQ、BIP等）、等）、通用标准图像格式（通用标准图像格式（JPEG、BMP、T

5、IF等）和商业软件格等）和商业软件格式（式（PIX、IMG、ENVI等）。等）。 1、直方图：、直方图：描述描述了图像中每个像元了图像中每个像元亮度值的像元数量亮度值的像元数量的统计分布。的统计分布。 2、峰值、峰值 3、中值、中值 4、均值、均值 5、亮度范围、亮度范围 6、方差、方差 7、协方差、协方差 8、相关系数、相关系数 目前国内常用的遥感图像处理软件有：目前国内常用的遥感图像处理软件有： Erdas：美国：美国ERDAS公司集遥感和公司集遥感和GIS于一身的软件于一身的软件 Envi：美国：美国ITTVIS 公司开发的遥感图像处理软件公司开发的遥感图像处理软件 Idris：美国：美

6、国Diamond Consulting Services Ltd开发开发 Er-mapper：澳大利亚：澳大利亚 Earth Resource公司开发的图像处理软件公司开发的图像处理软件PCI：加拿大：加拿大PCI公司的产品，处理遥感图像公司的产品，处理遥感图像 图像文件管理图像文件管理 图像操作功能图像操作功能 基本图像处理功能基本图像处理功能 遥感图像处理功能遥感图像处理功能 矢量、栅格混合处理以及与地理信息系统的接口矢量、栅格混合处理以及与地理信息系统的接口1 1 特征提取特征提取2 2 辐射预处理辐射预处理3 3 几何校正几何校正4 4 数据融合数据融合 特征提取（特征选择）特征提取（

7、特征选择）：即信息提取，从多光谱：即信息提取，从多光谱数据中提取出能表示图像基本要素的主要成分，数据中提取出能表示图像基本要素的主要成分，压缩多波段海量遥感数据压缩多波段海量遥感数据。 常用主成分分析法（常用主成分分析法（PCAPCA）来压缩数据）来压缩数据 主成分分析后的主成分分析后的123RGB123RGB合成图像合成图像原图像原图像432RGB432RGB合成合成 子集是整个遥感影像中显示研究区域的部分。子集是整个遥感影像中显示研究区域的部分。 子集的选择要和其他数据进行配准。保证预备子集的精度子集的选择要和其他数据进行配准。保证预备子集的精度 遥感图像预处理遥感图像预处理又称为影像恢复

8、（又称为影像恢复（Marsh et al，1983），是设法去除大气干扰、系统噪声、传感），是设法去除大气干扰、系统噪声、传感器的姿态等对影像造成的影响。器的姿态等对影像造成的影响。 一、一、辐射预处理（辐射校正）辐射预处理（辐射校正）： 是通过调整影像的亮度值来校正因传感器工作不正是通过调整影像的亮度值来校正因传感器工作不正常和大气衰减作用等所造成的误差。常和大气衰减作用等所造成的误差。辐射过程及辐射过程及传感器接收传感器接收信号示意图信号示意图 传感器本身误差传感器本身误差传感器本身误差大气对辐射影响大气对辐射影响大气对辐射影响辐射畸变辐射畸变辐射畸变是由于探测器的不正常功能是由于探测器的

9、不正常功能或不同敏感度、地形因素和大气因素等造成的。或不同敏感度、地形因素和大气因素等造成的。仪器所引起仪器所引起的条带噪声的条带噪声大气引起的辐射变化大气引起的辐射变化 1、物理模型法、物理模型法 ： 根据辐射通过大气层时的物理原理进行建模。根据辐射通过大气层时的物理原理进行建模。 优点：具有严密、准确和适用广。优点：具有严密、准确和适用广。 缺点：模型复杂，而且需要大量难以获得的参数，所以可缺点：模型复杂，而且需要大量难以获得的参数，所以可操作性差。操作性差。 当图像上有当图像上有洁净且有一定深度和面积的水体或深暗地形阴影洁净且有一定深度和面积的水体或深暗地形阴影时，时，其直接反射能量应为

10、其直接反射能量应为0 0或接近于或接近于0 0。但因受大气影响，可见光各波。但因受大气影响，可见光各波段图像直方图的低端灰度值不为段图像直方图的低端灰度值不为0 0，而是使直方图产生漂移值，而是使直方图产生漂移值a a 波长越短，散射作用越强，波长越短，散射作用越强，a a值越大。值越大。此此a a值就是应减去的大气散值就是应减去的大气散射校正值。射校正值。移动直方图的最移动直方图的最小值小值a至至0值位置值位置 回归分析法是在影像目标地物亮度信息统计的基础回归分析法是在影像目标地物亮度信息统计的基础上，通过揭示各波段间相互关系的一种比较方法上，通过揭示各波段间相互关系的一种比较方法 以以如如

11、TM7TM7作为无散射影响的标准图像，作为无散射影响的标准图像，在待进行大气散射校正的在待进行大气散射校正的上，找出最上，找出最黑的影像（如高山阴影或其他暗黑色地物目标），然黑的影像（如高山阴影或其他暗黑色地物目标），然后把对应的后把对应的TM7TM7图像上的同一地物目标找出来，图像上的同一地物目标找出来，。 现以现以TM7TM7和和TM2TM2为例，把为例，把TM7TM7的灰度值作为的灰度值作为x x轴，轴，TM2TM2的值作为的值作为Y Y轴进轴进行点绘。点绘结果出现了许多离散的点，其行点绘。点绘结果出现了许多离散的点，其x x，y y坐标值分别表示坐标值分别表示红外红外(TM7)(TM7

12、)和可见光和可见光(TM2)(TM2)图像上对应像元的灰度值，基本呈线性图像上对应像元的灰度值，基本呈线性结构形式。可由一组点拟合其回归直线：结构形式。可由一组点拟合其回归直线： y ya+bxa+bx 式中式中x,yx,y分别是分别是TM7TM7和和TM2TM2的灰度值的灰度值,a,b,a,b是回归直线的截距和斜率是回归直线的截距和斜率 再利用所获得的地物目标数据，并再利用所获得的地物目标数据，并由最小二乘法做直线拟合，可得到由最小二乘法做直线拟合，可得到a a，b b值。值。 其中其中a a就是所要进行校正的数值，即就是所要进行校正的数值，即只需只需将将TM2TM2的灰度值减去的灰度值减去

13、a a就得出了就得出了消去散射影响的校正图像消去散射影响的校正图像。 同理，可求出其它可见光波段图像同理，可求出其它可见光波段图像的大气散射校正值的大气散射校正值a a，来进行校正。，来进行校正。 直方图最小值法直方图最小值法 回归分析法回归分析法 较大区域或整幅影像较大区域或整幅影像较小区域或局部影像较小区域或局部影像 原始遥感图像上常存在各种像元位置误差，使图像表现出旋原始遥感图像上常存在各种像元位置误差，使图像表现出旋转、中心偏离、偏扭、梯形变化、纵横向比例尺不一致、边转、中心偏离、偏扭、梯形变化、纵横向比例尺不一致、边缘与中心比例尺不一致等变形，因此需要进行几何校正。缘与中心比例尺不一

14、致等变形，因此需要进行几何校正。数学变换数学变换 遥感平台姿态变化、地球自转和球面弯曲、大气折遥感平台姿态变化、地球自转和球面弯曲、大气折射、地形起伏射、地形起伏等等外部外部因素综合作用导致几何变形。因素综合作用导致几何变形。 具体如下：具体如下：RR大气对辐射的传播产生折射。由于大气的密度分布从下到上越大气对辐射的传播产生折射。由于大气的密度分布从下到上越来越小，折射率不断变化，折射后的辐射传播不再是直线而是来越小，折射率不断变化，折射后的辐射传播不再是直线而是一条曲线，从而导致传感器接收的像点发射位移。一条曲线，从而导致传感器接收的像点发射位移。R1R2R3R4斜向斜向的电的电磁波磁波经历

15、经历的是的是一条一条弯曲弯曲的传的传输路输路线线aa0地球资源卫星在完成一景图像的扫描时，地球已经转过一定的地球资源卫星在完成一景图像的扫描时，地球已经转过一定的角度，所以，图像记录的并非是一个正方形的地面区域，而是角度，所以，图像记录的并非是一个正方形的地面区域，而是一个存在扭曲的四边形区域。一个存在扭曲的四边形区域。 1、几何粗校正、几何粗校正：根据产生畸变的原因，利用计算：根据产生畸变的原因，利用计算公式和取得的辅助数据进行的系统校正。公式和取得的辅助数据进行的系统校正。 上述工作常在卫星资料处理中心完成，那里有专门进行系统几何校正的软件包，但此过程很粗略；在正式应用前，用户还要做进一步

16、的工作，使图像的几何位置符合某种地理坐标系统，与地图配准，并调整亮度值。 2、几何精校正几何精校正：利用地面控制点进行校正。：利用地面控制点进行校正。 几何粗校正几何粗校正 几何精校正几何精校正 卫星运行和成像过程中引起卫星运行和成像过程中引起的几何畸变进行的校正的几何畸变进行的校正利用地面控制点进行的几何利用地面控制点进行的几何校正称为几何精校正校正称为几何精校正 几何精校正包括几何精校正包括2方面：一是图像像元空间位置方面：一是图像像元空间位置的变换，二是像元灰度值的内插。的变换，二是像元灰度值的内插。 因此，校正过程也分为因此，校正过程也分为2步：步： 第一步先做空间变换，第一步先做空间

17、变换， 第二步再做像元灰度值的内插。第二步再做像元灰度值的内插。 最常用方法最常用方法二元多项式重采样二元多项式重采样两个图像之间的关系，可用数学关系描述两个图像之间的关系，可用数学关系描述:x=fx=fx x(u,(u,v) v) y=fy=fy y(u,v)(u,v)首先寻找两个图像已知的对应点，称作首先寻找两个图像已知的对应点，称作控制点控制点GCPGCP，这些控制点，这些控制点在两个图像上的坐标分别已知，使用在两个图像上的坐标分别已知，使用最小二乘法最小二乘法和已知控制点坐和已知控制点坐标求出未知的系数标求出未知的系数aijaij和和b bij ij ，于是找到了两种图像间的数学关，于

18、是找到了两种图像间的数学关系。然后，依次代入校正后图像的每个像元点的坐标，求出相应系。然后，依次代入校正后图像的每个像元点的坐标，求出相应的的X X和和Y Y值，完成位置计算。值，完成位置计算。上述数学关系常表示为二元多项式（一次、二次、三次或更高上述数学关系常表示为二元多项式（一次、二次、三次或更高次）表达，其中二元二次多项式可以表示为：次）表达，其中二元二次多项式可以表示为：2022201101100020222011011000vbubuvbvaubbyvauauvavauaax 由于位置计算后找到的对应的由于位置计算后找到的对应的x和和y值，大多不在原来像元的值，大多不在原来像元的中心

19、，因此，必须重新计算新位置的亮度值中心，因此，必须重新计算新位置的亮度值. 一般地，新点的亮度值介于邻点亮度值最大和最小值之间，一般地，新点的亮度值介于邻点亮度值最大和最小值之间，常用常用最近邻法、双线性内插法和三次卷积法最近邻法、双线性内插法和三次卷积法进行重采样。进行重采样。 1）最近邻法）最近邻法：取被计算点周围相邻的：取被计算点周围相邻的4个点个点，比较，比较它们与被计算的点的距离，哪个点距离最近就取哪它们与被计算的点的距离，哪个点距离最近就取哪个点的亮度值最为被计算点的亮度值。个点的亮度值最为被计算点的亮度值。 特点：最近邻法特点：最近邻法计算简单，节省计算机机时。但原计算简单，节省

20、计算机机时。但原图像中的某些线性特征会被扭曲或变粗成块，影响图像中的某些线性特征会被扭曲或变粗成块，影响了精确度。了精确度。 通过输入图像上最邻近的通过输入图像上最邻近的4个像元的加权平均值来得个像元的加权平均值来得出像元值。出像元值。 它比最邻近法精确些，但对整个图像进行了平均化，使图像它比最邻近法精确些，但对整个图像进行了平均化，使图像产生了类似边缘平滑的模糊效应，降低了分辨率。产生了类似边缘平滑的模糊效应，降低了分辨率。 通过输入图像的邻近通过输入图像的邻近16个像元的像元值，计算权个像元的像元值，计算权重平均值。重平均值。 其效果较好，但计算量大，需要的地面控制点多。其效果较好，但计算

21、量大，需要的地面控制点多。 几何精校正主要是利用地面控制点和多项式内插模几何精校正主要是利用地面控制点和多项式内插模型进行校正，主要步骤有：型进行校正，主要步骤有： （1）调整像元的空间位置：选定几何校正的数学模）调整像元的空间位置：选定几何校正的数学模型；在卫星图象上选择均匀分布的明显地物型；在卫星图象上选择均匀分布的明显地物 点为校点为校正控制点（数量依所采用的校正模型有关）；由这正控制点（数量依所采用的校正模型有关）；由这些控制点求解校正系数，得出校正方程；用校正方些控制点求解校正系数，得出校正方程；用校正方程对全图象进行校正；程对全图象进行校正； （2）调整像元的亮度值：亮度重采样。）

22、调整像元的亮度值：亮度重采样。 影像配准影像配准是将同一地区的两幅影像重叠在一起，使是将同一地区的两幅影像重叠在一起，使其影像位置完全配准的处理。其影像位置完全配准的处理。 如：低精度图像与高精度图像配准如：低精度图像与高精度图像配准( (在高精度图像上选点在高精度图像上选点) ) 遥感影像与相应比例尺的地形图配准，遥感影像与相应比例尺的地形图配准，如：如：Landsat TMLandsat TM与与1:100,0001:100,000地形图配准。地形图配准。 1、地面控制点的选取方法、地面控制点的选取方法 控制点控制点分布均匀分布均匀，边界、四角要有，以避免图像校正不能满，边界、四角要有，以

23、避免图像校正不能满幅，地形起伏大的区域要多选；所选点在图像上要易辨认且幅，地形起伏大的区域要多选；所选点在图像上要易辨认且目标较小，如道路的交叉点、河流的分叉处或弯曲处、飞机目标较小，如道路的交叉点、河流的分叉处或弯曲处、飞机场等，而且这些特征在研究时间范围内没有变化。场等，而且这些特征在研究时间范围内没有变化。 道路交叉口道路交叉口河流和水体河流和水体 NUM (n+1)(n+2)/2 NUM (n+1)(n+2)/2 ，其中，其中n n为二元多项式的次数为二元多项式的次数 1）地面控制点的精确定位：控制点不容易确定）地面控制点的精确定位：控制点不容易确定 2）地面控制点的分布：尽量均匀分布

24、。）地面控制点的分布：尽量均匀分布。 控制点数量多一些。控制点数量多一些。 通过控制点的误差报告对配准的总体精度进行评估。通过控制点的误差报告对配准的总体精度进行评估。 一、数据融合的概念一、数据融合的概念 把不同分辨率的影像融合为一幅影像，如将高分辨率的全色把不同分辨率的影像融合为一幅影像，如将高分辨率的全色影像与低分辨率多光谱影像组合在一起影像与低分辨率多光谱影像组合在一起 。 二、数据融合的前提二、数据融合的前提 同一天或在很短的时间间隔内获得的不同影像之间是兼容的，同一天或在很短的时间间隔内获得的不同影像之间是兼容的，同时影像还必须进行相互同时影像还必须进行相互配准配准。 数据融合方法

25、较多，常用的是光谱域处理方法，如数据融合方法较多，常用的是光谱域处理方法，如色彩变换法（色彩变换法（IHS）和）和主成份变换技术（主成份变换技术（PCT）。 1 1、IHSIHS：亮度（亮度（Intensity）、色调（）、色调（Hue）、饱和度）、饱和度（Saturation） 2、主成份变换技术（、主成份变换技术（PCT）：）： 先对低分辨率图像进行主成份分析，将拉伸后的高分辨率先对低分辨率图像进行主成份分析，将拉伸后的高分辨率图像代替低分辨率图像的第一主成份，再进行逆变换。图像代替低分辨率图像的第一主成份，再进行逆变换。 TMTM数据空间分辨率低（数据空间分辨率低（30m30m），但光谱

26、信息丰富；而），但光谱信息丰富；而spotspot的空间分辨率（全色波段的空间分辨率（全色波段2.52.51010米米）高，但）高，但光谱信息差。可综合二者优势应用。光谱信息差。可综合二者优势应用。 步骤如下：步骤如下：用几何校正的方法对分辨率较小的图像进：用几何校正的方法对分辨率较小的图像进行重采样，完成配准。行重采样，完成配准。采用色彩变换法采用色彩变换法IHSIHS。 A A、对假彩色合成的三波段、对假彩色合成的三波段TMTM实行实行IHSIHS变换；变换； B B、为了使融合图像与、为了使融合图像与TMTM图像色彩一致，要对全色图图像色彩一致，要对全色图像和像和TMTM图像的图像的I

27、I分量进行分量进行直方图匹配直方图匹配； C C、用直方图匹配后的、用直方图匹配后的SPOTSPOT全色波段替代全色波段替代TMTM图像的明图像的明度成分度成分I I分量；分量； D D、将代换后的三个波段再做从、将代换后的三个波段再做从IHSIHS到到RGBRGB的反变换，的反变换，生成新的彩色图像。生成新的彩色图像。 两种信息源复合时，首先要解决的是两种信息源复合时，首先要解决的是匹配匹配问问题，不论采用何种处理方法，都需要包括题，不论采用何种处理方法，都需要包括配配准准和和复合复合2个步骤。个步骤。 1 1 彩色合成彩色合成2 2 对比度变换对比度变换3 3 密度分割密度分割4 4 邻域

28、增强处理邻域增强处理5 5 图像间的运算图像间的运算6 6 多波段压缩处理多波段压缩处理 当一幅图像的目视效果不太好，或者有用的信息当一幅图像的目视效果不太好，或者有用的信息突出不够时，就需要作图像增强处理。突出不够时，就需要作图像增强处理。 比如图像对比度不够，或希望突出的某些边缘看比如图像对比度不够，或希望突出的某些边缘看不清，就可以用计算机图像处理技术来改善图像不清，就可以用计算机图像处理技术来改善图像质量。质量。 常用的图像增强处理方法有常用的图像增强处理方法有: :对比度变换、空间滤对比度变换、空间滤波、彩色变换、图像运算和多光谱变换波、彩色变换、图像运算和多光谱变换等。等。 为了充

29、分利用色彩在遥感图像判读和信息提取中的为了充分利用色彩在遥感图像判读和信息提取中的优势，常利用优势，常利用彩色合成彩色合成的方法对多光谱图像进行处的方法对多光谱图像进行处理，以得到彩色图像。理，以得到彩色图像。 彩色图像可以分为彩色图像可以分为真彩色图像真彩色图像和和假彩色图像假彩色图像。绿色比重最大绿色比重最大红色比重最大红色比重最大 真彩色图像上影像的颜色与地物真彩色图像上影像的颜色与地物颜色基本一致。颜色基本一致。 利用数字技术合成真彩色图像时，利用数字技术合成真彩色图像时，是把红色波段的影像作为合成图是把红色波段的影像作为合成图像中的红色分量、把绿色波段的像中的红色分量、把绿色波段的影

30、像作为合成图像中的绿色分量、影像作为合成图像中的绿色分量、把蓝色波段的影像作为合成图像把蓝色波段的影像作为合成图像中的蓝色分量进行合成的结果。中的蓝色分量进行合成的结果。如如TM321合成的合成的RGB图像图像 假彩色图像是指图像上影像的色调与实假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。际地物色调不一致的图像。 遥感中最常见的假彩色图像是彩色红外遥感中最常见的假彩色图像是彩色红外合成的合成的标准假彩色图像标准假彩色图像。它是在彩色合。它是在彩色合成时，把近红外波段的影像作为合成图成时，把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作像中的红色分量、把红色波段的影像

31、作为合成图像中的绿色分量、把绿色波段为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行的影像作为合成图像中的蓝色分量进行合成的结果。合成的结果。 TM432TM432合成的合成的RGBRGB图像为标准假彩色图像图像为标准假彩色图像：根据信息识别的目的和传感器的光谱效：根据信息识别的目的和传感器的光谱效应，从多个波段中选取三个波段，分别赋以红、绿、应，从多个波段中选取三个波段，分别赋以红、绿、蓝，得到一幅彩色图像的方法。蓝，得到一幅彩色图像的方法。 模拟真彩色合成：模拟真彩色合成：TM3+TM2+TM1 TM3+TM2+TM1 （R R、G G、B B） 标准假彩色合成：标准假

32、彩色合成：TM4+TM3+TM2 TM4+TM3+TM2 （R R、G G、B B） 多波段彩色变换多波段彩色变换：以彩色合成原理为基础，选择遥：以彩色合成原理为基础，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种颜感影像的某三个波段，分别赋予红、绿、蓝三种颜色，合成彩色影像色，合成彩色影像。：通过：通过来改变图像像元对比度，来改变图像像元对比度，从而改变图像质量的图像处理方法。从而改变图像质量的图像处理方法。一、线性变换一、线性变换 二、非线性变换二、非线性变换线性变换线性变换分段线性变换分段线性变换 三、直方图调整三、直方图调整每一幅图都可以求出其像元亮度值的直方图，从直方图形态可每一幅

33、图都可以求出其像元亮度值的直方图，从直方图形态可判断图像质量。判断图像质量。 1、对比度变换主要是通过改变图像像元的、对比度变换主要是通过改变图像像元的亮度值亮度值来改善图像质量，属于来改善图像质量，属于辐射增强辐射增强的范畴。的范畴。 2、对比度变换是一种改变图像像元亮度值来改变、对比度变换是一种改变图像像元亮度值来改变像元对比度，从而改善图像质量的图像处理方法。像元对比度，从而改善图像质量的图像处理方法。常用的方法有常用的方法有线性变换线性变换和和非线性变换非线性变换 直方图直方图：统计每幅图像的各亮度的像元数而得到的随机分布统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直

34、方图。图，即为该幅图像的直方图。一般来说，包含大量像元的图像，像元的亮度随机分布应是一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布正态分布。直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，度过于集中，图像的对比度小，需要调整该直方图需要调整该直方图到正态分到正态分布，以改善图像的质量。布，以改善图像的质量。 一、线性变换一、线性变换 变换前图像的亮度范围与变换后图像亮度范围是直线关系，变换前图像的亮度范围与变换后图像亮度范围是直线关系，叫线性变换。叫线性变换。其数学式为：其数学式为： dij =

35、Adij + B 分段线性变换分段线性变换 二、非线性变换二、非线性变换 变换前图像的亮度范围与变换后图像亮度范围是非直线关系，变换前图像的亮度范围与变换后图像亮度范围是非直线关系，叫非线性变换。叫非线性变换。指数变换在亮度较高的部分指数变换在亮度较高的部分拉伸拉伸, ,在亮度较低的部分在亮度较低的部分压缩压缩；对数变换在亮度较高处对数变换在亮度较高处压缩压缩，在亮度较低处，在亮度较低处拉伸拉伸。其曲线形态可以调整，从而实现不同的拉伸比例。其曲线形态可以调整，从而实现不同的拉伸比例。 三、直方图变换三、直方图变换 1、直方图均衡化：将原图像的直方图通过变换函数变为各、直方图均衡化：将原图像的直

36、方图通过变换函数变为各亮度级均匀分布的直方图。亮度级均匀分布的直方图。 2、直方图特定化：将随机分布的原图像直方图修、直方图特定化：将随机分布的原图像直方图修改为特定形状的直方图。改为特定形状的直方图。图像密度分割原理可以按如下步骤进行：图像密度分割原理可以按如下步骤进行：（1 1）求图像的极大值）求图像的极大值d dmaxmax和极小值和极小值d dminmin；（2 2）求图像的密度区间）求图像的密度区间D D = = d dmaxmax- -d dmin min + 1+ 1；（3 3）求分割层的密度差）求分割层的密度差d d = =D Dn n ，其中，其中n n为为 需分割的层数；需

37、分割的层数；（4 4）求各层的密度区间；）求各层的密度区间；（5 5）定出各密度层灰度值或颜色。）定出各密度层灰度值或颜色。 单波段彩色变换单波段彩色变换: :单波段黑白遥感图像按亮度度值单波段黑白遥感图像按亮度度值分层，对每层赋予不同的色彩，使之成为一幅彩分层，对每层赋予不同的色彩，使之成为一幅彩色图像色图像, ,这种方法又称为这种方法又称为。 每层的色彩可以与地物的真实色彩不同，故称为每层的色彩可以与地物的真实色彩不同，故称为假彩色假彩色；每层亮度范围的确定尽可能与某类实际；每层亮度范围的确定尽可能与某类实际地物的亮度范围相一致；相邻亮度层的色彩，尽地物的亮度范围相一致；相邻亮度层的色彩，

38、尽可能区别鲜明。可能区别鲜明。 邻域增强处理是在邻域增强处理是在被处理像元周围的像元被处理像元周围的像元参与下参与下进行的运算处理进行的运算处理 。邻域处理又叫邻域处理又叫滤波处理滤波处理，邻域的范围取决于滤波，邻域的范围取决于滤波器的大小，如器的大小，如33或或55等。等。 邻域法处理用于邻域法处理用于去噪声、图像平滑、锐化和相关去噪声、图像平滑、锐化和相关运算运算。 是是。 卷积算子是一个卷积算子是一个，以特定的方法将每个像，以特定的方法将每个像元值与周围像元平均元值与周围像元平均（将整个图像按像元分块进行平均（将整个图像按像元分块进行平均处理，用于改变图像的空间特征）处理，用于改变图像的

39、空间特征） 。 通过卷积运算可以通过卷积运算可以实现图像的平滑和锐化处理实现图像的平滑和锐化处理。Integer(-18)（16） （16） （12）+（168）（）（16）（）（12）（）（12）（）（18）/（-1-1-1-1+16-1-1-1-1）11图像窗口与模板像元的亮度值图像窗口与模板像元的亮度值对应相乘再相加的总和对应相乘再相加的总和再除以卷积核中所有值的总和，再除以卷积核中所有值的总和，最后取整数。最后取整数。 平滑：平滑：图像中出现某些亮度变化过大的区域，或出现图像中出现某些亮度变化过大的区域，或出现不该有的亮点（噪声）时，采用平滑的方法可以减少不该有的亮点（噪声）时，采用平

40、滑的方法可以减少变化，使亮度平缓或去掉不必要的变化，使亮度平缓或去掉不必要的“噪声噪声”点。点。 具体方法有：具体方法有： 1 1、均值平滑、均值平滑 2 2、中值滤波、中值滤波 是将每个像元在是将每个像元在来代替该像来代替该像元值，以达到去掉尖锐元值，以达到去掉尖锐“噪声噪声”和平滑图像的目的。和平滑图像的目的。 区域范围取作区域范围取作时，求均值公式为：时，求均值公式为：具体计算时常用具体计算时常用模板做卷积运算，其模板有模板做卷积运算，其模板有2个：个：或或 是将每个像元是将每个像元，以达到去尖锐，以达到去尖锐“噪声噪声”和平滑图像目的。和平滑图像目的。 具体计算方法与模板卷积方法类似，

41、仍采用活动窗口的扫描具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。所以值作为中间像元的值。所以。 57586060646970125当图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显的多当图像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显的多锐化是平滑的相反增强处理方法，它使图像边缘、锐化是平滑的相反增强处理方法，它使图像边缘、线状目标地物，或某些亮度变化大的区域，更加突线状目标地物，或某些亮度变化大的区域，更加突出出来，也称出出来，也称边缘增强（检测

42、）边缘增强（检测）。 各种不同的模块（锐化）各种不同的模块（锐化） 罗伯特梯度罗伯特梯度索伯尔梯度索伯尔梯度拉普拉斯算法拉普拉斯算法 两幅或多幅单波段图像，空间配准后可进行算术两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强，运算，实现图像的增强， 加法运算加法运算KiiYXfKYXg11， 减法运算减法运算 乘法运算乘法运算 除法运算除法运算相同行、列数的图像相同行、列数的图像2 2幅同样行、列数的图像，对应像元的亮度值幅同样行、列数的图像，对应像元的亮度值相减就是相减就是。 差值运算差值运算可突出两波段差值大的地物，可突出两波段差值大的地物，如如TM4TM4为近红外波段，为近

43、红外波段，在植被区有较高的反射，而在植被区有较高的反射，而TM3TM3为红波段，对植被有较强的为红波段，对植被有较强的吸收，因此吸收，因此（）可以突出植被信息。可以突出植被信息。 差值运算还可用于同一地区不同时相的动态监测（火灾、水差值运算还可用于同一地区不同时相的动态监测（火灾、水灾、城镇用地变化等）灾、城镇用地变化等） 定义定义：2 2幅同样行、列数的图像，对应像元的亮幅同样行、列数的图像，对应像元的亮度值相除（度值相除（）就是）就是比值运算比值运算。 比值运算常用于比值运算常用于突出遥感影像中的植被信息突出遥感影像中的植被信息，对，对消除地形影响消除地形影响也非常有效，从而改善图像质量。

44、也非常有效，从而改善图像质量。 常用算法：常用算法：近红外波段近红外波段/ /红波段红波段 或者或者 （近红外波段红波段）（近红外波段红波段）/ /（近红外波段红波段）（近红外波段红波段） 如如TMTM数据，归一化植被指数数据，归一化植被指数NDVINDVI，对植被信息的提取很有用；，对植被信息的提取很有用； 该运算常用于突出遥感影像中的植被特征、提取植该运算常用于突出遥感影像中的植被特征、提取植被类别或估算植被生物量，这种算法结果称为被类别或估算植被生物量，这种算法结果称为植被植被指数指数。 另外，另外，TM5/TM4TM5/TM4可突出铁矿信息；可突出铁矿信息；TM5/TM7TM5/TM7

45、突出粘土突出粘土矿信息。矿信息。 多波段压缩的目的：多波段压缩的目的： 多波段压缩的主要方法：多波段压缩的主要方法：一、主成分分析（一、主成分分析（ K-L 分析）分析）二、缨帽变换（二、缨帽变换（ K-T变换）变换）可可实现数据压缩、图像增强实现数据压缩、图像增强的目的。的目的。 K-LK-L变换后，变换后，以后的主分量依次很快递减。以后的主分量依次很快递减。 因因K-LK-L变换对噪声没有影响，当信息减少时噪声就突出了，最变换对噪声没有影响，当信息减少时噪声就突出了，最后的分量几乎都是噪声，所以后的分量几乎都是噪声，所以。 因此，因此，。 着眼点在于地面景着眼点在于地面景物，特别是植被与土

46、壤在多光谱空间中的特征。物，特别是植被与土壤在多光谱空间中的特征。 一般一般K KT T变换只取前变换只取前3 3个分量，也实现了数据的压缩。个分量，也实现了数据的压缩。是一种特殊的主成份分析。是一种特殊的主成份分析。 1 1、仅适用于、仅适用于TMTM图像图像1 15 5、7 7波段的线性变换波段的线性变换; ; 2 2、线性变换矩阵为线性变换矩阵为6 66 6 的常数矩阵的常数矩阵, ,而且是经验矩阵而且是经验矩阵; ; 3 3、变换后依然得到、变换后依然得到6 6个图像。其中：第一个图像反映个图像。其中：第一个图像反映亮度特征，是原图像亮度的加权和；第二个图像表示亮度特征，是原图像亮度的

47、加权和；第二个图像表示绿度，反映绿色生物量特征；第三个图像表示湿度，绿度，反映绿色生物量特征；第三个图像表示湿度，反映土壤的湿度特征；其余三个分量与地物特征没有反映土壤的湿度特征；其余三个分量与地物特征没有明确的对应关系。明确的对应关系。实际上是实际上是TMTM的的6 6个波段的加权和，反映出图像总体的反射值。个波段的加权和，反映出图像总体的反射值。从变换矩阵从变换矩阵B B的第二行系数看，波长较长的红外波段的第二行系数看，波长较长的红外波段5 5和和7 7，有很明显的，有很明显的抵削，剩下的抵削，剩下的4 4与与l l、2 2、3 3波段，刚好是近红外与可见光部分的差值，反映了绿色波段，刚好

48、是近红外与可见光部分的差值，反映了绿色生物量的特征。生物量的特征。该分量反映了可见光与近红外波段该分量反映了可见光与近红外波段l l4 4与波长较长的红外与波长较长的红外5 5、7 7波段的波段的差值，而差值，而5 5、7 7两波段对土壤湿度和植被湿度最为敏感，易于反映出湿度特征。两波段对土壤湿度和植被湿度最为敏感，易于反映出湿度特征。 y4y4，y5y5，y6y6这三个分量没有与景物明确的对应关系。这三个分量没有与景物明确的对应关系。遥遥感感图图像像处处理理1 1 概述概述2 2 非监督分类非监督分类3 3 监督分类监督分类4 4 图像分类的有关问题图像分类的有关问题5 5 分类精度的评价分

49、类精度的评价 遥感影像分类遥感影像分类就是把像元归到某个类别的过程。就是把像元归到某个类别的过程。 数字影像（左）和分类影像（右）数字影像（左）和分类影像（右） 分类影像是通过分析数字影像确定的，分类影像是通过分析数字影像确定的，将数字影像上相似光谱将数字影像上相似光谱 值的像元集合成组，即构成分类影像值的像元集合成组，即构成分类影像。 如：如：“A”A”类由像元值类由像元值6 6，7 7，8 8和和9 9组成的，组成的，“B”B”类由像元值类由像元值0 0，1 1，2 2和和3 3组成。组成。分类分类数据数据信息信息 分类器分类器指按照一定方法进行影像分类的计算机程序。指按照一定方法进行影像

50、分类的计算机程序。 分类器有很多种，大致可分为分类器有很多种，大致可分为2 2大类：大类： 1 1、点分类器、点分类器 2 2、邻域分类器、邻域分类器 基于基于像元像元在不同波段的在不同波段的光谱值进行分类。光谱值进行分类。 但它不能利用像元间或但它不能利用像元间或像元邻域包含的信息。像元邻域包含的信息。点分类器各波段的像元值点分类器各波段的像元值 通过通过像元组的亮度像元组的亮度分布分布模式、邻近像元地块的模式、邻近像元地块的大小、形状和分布规律大小、形状和分布规律等来分类。等来分类。 即用即用光谱和纹理信息光谱和纹理信息进进行分类。行分类。 精度高但程序设计难。精度高但程序设计难。 1 1

51、、监督分类：、监督分类：已知已知遥感图像上样本区内的地物类别遥感图像上样本区内的地物类别, ,依据这些样本类别的特征来判断非样本数据的类别。依据这些样本类别的特征来判断非样本数据的类别。未知未知遥感图像上样本区内的地物类遥感图像上样本区内的地物类别，仅依据别，仅依据 一、非监督分类的优缺点一、非监督分类的优缺点 二、非监督分类的方法二、非监督分类的方法 三、非监督分类的步骤三、非监督分类的步骤 非监督分类非监督分类是指在多光谱影像中搜寻和定义自然是指在多光谱影像中搜寻和定义自然光谱集群组的过程，也叫光谱集群组的过程，也叫聚类分析或点群分析聚类分析或点群分析。此分类有一定的此分类有一定的“盲目性

52、盲目性”，实际上分出的是，实际上分出的是“谱类谱类”而非而非“地类地类”，必须对，必须对“谱类谱类”的地物属性进行分析的地物属性进行分析确认，才能转化为确认，才能转化为“地类地类”。 当没有训练区、对研究区又不熟悉时，或图像中当没有训练区、对研究区又不熟悉时，或图像中包含的目标物不明确时，可采用此法包含的目标物不明确时，可采用此法。 常用的统计方法是常用的统计方法是“聚类分析聚类分析”，即按照像元之，即按照像元之间的间的联系程度（亲疏程度）联系程度（亲疏程度）来进行归类的一种多来进行归类的一种多元统计分析法。元统计分析法。 聚类分析时，常按照某种相似性对样本进行合并聚类分析时，常按照某种相似性

53、对样本进行合并或分离，如或分离，如距离、相关系数距离、相关系数等。等。 优点：优点： 非监督分类不需要预先对所要分类的区域有广泛的了解。非监督分类不需要预先对所要分类的区域有广泛的了解。 人为误差的机率很小。人为误差的机率很小。 面积很小的独立地物均能被识别。面积很小的独立地物均能被识别。 缺点：缺点： 非监督分类形成的光谱类别并不一定与信息类别对应。非监督分类形成的光谱类别并不一定与信息类别对应。 分析人员很难控制分类产生的类别并进行识别。分析人员很难控制分类产生的类别并进行识别。 光谱类别的解译识别工作量大而复杂。光谱类别的解译识别工作量大而复杂。 距离量算距离量算是非监督分类的核心是非监

54、督分类的核心 常用的比较简单的距离量算类型有：常用的比较简单的距离量算类型有： 1、殴氏距离、殴氏距离 2、绝对距离、绝对距离 常用常用“逐步聚类分析法（动态聚类法）逐步聚类分析法（动态聚类法）”，ISODATAISODATA（迭代自组织数据分析技术）方法是其（迭代自组织数据分析技术）方法是其中之一。中之一。 示意图如下：示意图如下：逐步聚类方法：逐步聚类方法：先将样本大致分先将样本大致分成成k类，然后按照类，然后按照某种原则逐步修某种原则逐步修改到比较合理为改到比较合理为止，这种方案称止，这种方案称为为逐步聚类方法逐步聚类方法或动态聚类法或动态聚类法。 非监督分类的基本步骤非监督分类的基本步

55、骤 1、确定分类数量、确定分类数量 2、选择集群类别中心点、选择集群类别中心点 3、计算机处理运算类别中心点、计算机处理运算类别中心点 4、计算机像元归类、计算机像元归类 5、计算机重新分类、计算机重新分类 1、产生专题栅格层、产生专题栅格层 设置要分的类型数目设置要分的类型数目，系统自动生成初始类别数；，系统自动生成初始类别数； 设置最大重复次数（一般为设置最大重复次数（一般为6的倍数）；的倍数）； 设置收敛值设置收敛值，如，如95，表明，表明2次重复之间类别的改次重复之间类别的改变变5时分类停止。时分类停止。 2、评价分类、评价分类 一、监督分类的优缺点一、监督分类的优缺点 二、训练样区的

56、选择原则及步骤二、训练样区的选择原则及步骤 三、监督分类方法三、监督分类方法 四、监督分类步骤四、监督分类步骤 监督分类监督分类(Supervised Classification)是用是用已知类别已知类别的样本的样本（已经被分到某一信息类别的像元）对未知类（已经被分到某一信息类别的像元）对未知类别的像元进行分类的过程。别的像元进行分类的过程。 这些这些先验知识先验知识可来自于实地调查或参考其它资料或图像处理者可来自于实地调查或参考其它资料或图像处理者的经验等。的经验等。 （一）优点（一）优点 : 1、分析人员可以控制适用于研究需要和区域地理特征的信、分析人员可以控制适用于研究需要和区域地理特

57、征的信息类别。息类别。 2、可控制训练样区和训练样本的选择。、可控制训练样区和训练样本的选择。 3、分析人员运用监督分类不必担心光谱类别和信息类别的、分析人员运用监督分类不必担心光谱类别和信息类别的匹配问题。匹配问题。 4、通过检验训练样本数据可确定分类是否正确，估算监督、通过检验训练样本数据可确定分类是否正确，估算监督分类中的误差。分类中的误差。 5、避免了非监督分类中对光谱集群类别的重新归类。、避免了非监督分类中对光谱集群类别的重新归类。 （二）缺点（二）缺点 1、分类体系和训练样区的选择有主观因素的影响。、分类体系和训练样区的选择有主观因素的影响。 2、训练样区的代表性问题。、训练样区的

58、代表性问题。 3、有时训练样区的选择很困难。、有时训练样区的选择很困难。 4、只能识别训练样本所定义的类别，对于某些未被、只能识别训练样本所定义的类别，对于某些未被分析人员定义的类别则不能识别，容易造成类别的分析人员定义的类别则不能识别，容易造成类别的遗漏。遗漏。 1、像元的数量：每种地类的、像元的数量：每种地类的像元数像元数100 2、训练样区的大小：复杂地形小、简单地形大、训练样区的大小：复杂地形小、简单地形大 3、训练样区的形状、训练样区的形状 4、训练样区的位置、训练样区的位置:易识别、均匀分布易识别、均匀分布 5、训练样区的数量：每种地类、训练样区的数量：每种地类训练样区数训练样区数

59、5-10个个 6、训练样区的放置：便于精确定位的地方。、训练样区的放置：便于精确定位的地方。 7、训练样区的均质性：尽量不要有混合像元。、训练样区的均质性：尽量不要有混合像元。1 1、收集信息，包括分类地区的地图和航片等。、收集信息，包括分类地区的地图和航片等。2 2、进行野外调查获取研究区域的第一手信息。、进行野外调查获取研究区域的第一手信息。3 3、设计野外调查路线和内容。、设计野外调查路线和内容。4 4、分类数字影像预分析。、分类数字影像预分析。5 5、找出潜在的训练样区。、找出潜在的训练样区。6 6、定位和绘制训练样区。、定位和绘制训练样区。7 7、检查每个训练样区的各波段频率直方图。

60、、检查每个训练样区的各波段频率直方图。8 8、调整和去除、调整和去除双峰频率分布双峰频率分布。9 9、合并训练数据信息并用于分类程序，进行计算机监督分类。、合并训练数据信息并用于分类程序，进行计算机监督分类。1、平行算法分类、平行算法分类2、最小距离分类、最小距离分类3、ISODATA算法分类算法分类4、最大似然法分类、最大似然法分类5、贝叶斯法分类、贝叶斯法分类1、平行算法分类、平行算法分类 (盒式决策规则盒式决策规则) 根据训练样本的根据训练样本的亮度值范围亮度值范围，在多维数据空间中形成的，在多维数据空间中形成的盒子（矩形）作为分类决策依据盒子（矩形）作为分类决策依据 。这种分类方法简单