遥感原理与应用_第4章_4-遥感影像处理-遥感影像增强处理课件

1、遥感原理与应用 Remote Sensing Principle and Application遥感物理基础遥感平台特点遥感传感器影像处理基础影像几何处理影像辐射处理遥感影像判读影像识别分类遥感技术应用遥感系统影像处理遥感应用影像处理遥感遥感原理与应用课程框架遥感影像处理 遥感数字图像处理基础 遥感影像几何处理 遥感影像辐射处理 遥感影像增强处理 影像增强的理解 空间域增强 频率域增强 彩色增强 图像四则运算 图像融合 遥感影像增强处理5影像增强： Image enhancement is the process of making an image more interpretable fo

2、r a particular application (Faust, 1989).增强的目的： 抑制、去除噪声，改善图像视觉效果或突出图像中的特定地物信息，使图像更容易理解、解译和判断。影像增强的理解增强处理包括： 改变图像的灰度等级； 提高图像的对比度； 消除噪声，平滑图像； 突出边缘或线状地物，锐化图像； 合成彩色图像； 图像融合； 图像运算。影像增强的理解 从增强的作用域出发空间域增强：空间域是指图像平面所在的二维平面。直接处理图像上的像素，主要对灰度进行操作。包括 a) 点处理：每次对单个像元进行灰度增强的处理；b) 邻域处理或模板处理：对一个像元及其周围的小区域图像进行处理。 频率域

3、增强：对图像经变换后的频谱成分进行操作，然后经逆变换获得所需结果 从增强的信息内容出发波谱特征增强和空间特征增强影像增强的理解增强技术分类返回本节首页遥感图像灰度增强是一种点处理方法，主要为突出像元之间的反差（或对比度），所以也称“反差增强”、“反差扩展”或“灰度拉伸”。根据变换函数的不同，可分为： 线性变换 非线性变换空间域增强 灰度增强全域线性变化设原图像f(x, y)的灰度范围为a1, a2，希望增强图像g(x, y)灰度范围为b1, b2，则线性变换的基本公式为： 线性变换空间域增强 通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果。 若a2-a1b2-

4、b1，影像被压缩，亮度范围缩小; 对于a2与a1，是取在影像亮度值的全部或部分, 偏亮或偏暗处，均可根据对影像显示效果的需要而人为地设定。空间域增强 在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内，这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像，此时可利用灰度变换对图像每一个像素灰度作拉伸，可以有效地改善图像视觉效果。空间域增强 有时为了更好地调节影像的对比度，需要在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为分段线性变换。 分段线性变换空间域增强 变化前亮度值0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15结果比较空间域增强变化后

5、亮度值0 0 1 1 1 2 2 4 6 8 10 12 13 14 14 15分段线性变换操作可拖动分段点的位置，以此改变分段线性变换函数非线性变换在整个灰度范围内采用统一的变换函数。常用的非线性变换函数指数函数 对数函数实际应用中，一般使用直方图均衡、直方图匹配等非线性变换。 非线性变换空间域增强指数函数对数函数空间域增强 直方图均衡化(Histogram equalization)-经过某种变换，将原始影像的直方图变化为均匀分布的形式，也就是将一已知灰度概率密度分布的影像，变成一幅具有均匀灰度概率密度分布的新影像(即增强后的影像的每个灰度级内均有数目相同的像元)。 直方图均衡化空间域增强

6、由直方图可知，影像的灰度值集中于一个区域，影像反差较小，模糊不清。atl_spotp_87.img空间域增强直方图均衡化后的结果空间域增强 计算方法空间域增强 步骤 统计原图像每一灰度级的像元数和累积像元数； 计算原每一灰度级均衡化后的新值； 以新值代替原灰度值，形成均衡化后的新图像； 根据原图像像元统计值对应找到新图像的像元统计值，做出直方图。空间域增强空间域增强空间域增强原图像标准差小，低反差，层次较差空间域增强均衡化后新图像标准差大，高反差，层次较好空间域增强取整或四舍五入空间域增强 直方图匹配又称直方图规定化，是把原图像的直方图变换为某种指定形态的直方图或某一参考图像的直方图，然后按着

7、已知的指定形态的直方图调整原图像各像元的灰级，最后得到一个直方图匹配的图像。 直方图匹配空间域增强原图像的直方图 规定的直方图 规定化后图像的直方图 由于图像是离散函数，同时近似运算存在误差，所以规定化变换的后的直方图尽可能接近参考直方图的形状，而不可能完全的相同。 空间域增强空间域增强具体步骤：空间域增强空间域增强待匹配图像（左）、参考图像（中）、匹配后图像（右）空间域增强 直方图匹配这种增强方法经常作为图像镶嵌或应用遥感图像进行动态变化研究的预处理工作 通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的色调差异，从而可以降低目视化解译的错误。 空间域增强影像滤波是对频率特征

8、的一种筛选技术，滤波处理可对影像中的噪声进行抑制，也可对某些空间纹理特征信息进行增强。根据滤波目的和效果划分 影像平滑 (低通滤波, low-pass filtering) 抑制高频信息，以去除细节，保留影像中的主干和粗结构。 影像锐化 (高通滤波, high-pass filtering) 抑制低频信息，以突出边缘、线条、纹理、细节等。 空间域邻域处理-滤波空间域增强BA灰度分布均一，变化小，频率低空间域增强BACDABCD在边缘部位，灰度变化大，频率高空间域增强低通滤波结果：增强低频信息，抑制高频信息空间域增强高通滤波结果：增强高频信息，抑制低频信息空间域增强 空间滤波是在影像的空间变量内

9、进行的局部运算，使用空间二维卷积方法。 具体作法是选定一卷积函数，又称“模板”，实际上是一个一定大小的影像。二维的卷积运算是在影像中使用模板来实现运算的。 空间域增强将模板在图中漫游，并将模板中心与图中某个像素位置重合；将模板上系数与模板下对应像素相乘；将所有乘积相加；将和(模板的输出响应)赋给图中对应模板中心位置的像素。卷积运算的主要步骤空间域增强(-1,-1)(-1, 0)(-1, 1)(0,-1)(0,0)(0, 1)(1,-1)(1,-1)(1, 1)f(x-2,y-2)f(x-2,y-1)f(x-2,y)f(x-2,y+1)f(x-2,y+2)f(x-1,y-2)f(x-1,y-1)

10、f(x-1,y)f(x-1,y+1)f(x-1,y+2)f(x,y-2)f(x,y-1)f(x,y)f(x,y+1)f(x,y+2)f(x+1,y-2)f(x+1,y-1)f(x+1,y)f(x+1,y+1)f(x+1,y+2)f(x+2,y-2)f(x+2,y-1)f(x+2,y)f(x+2,y+1)f(x+2,y+2)模板窗口图像模板在图像上逐像素滑动在图像中的点(x, y)处，其滤波响应值为：yx空间域增强平滑滤波对影像的低频分量进行增强，同时削弱高频分量，所以一般用于抑制影像中的随机噪声，从而起到影像平滑的作用。理论上来说，影像平滑可提高信噪比，但却降低了空间分辨率。具体方法： 均值滤

11、波 (Mean filtering) 中值滤波 (Median filtering) 平滑空间域增强卷积均值滤波开一个MN的窗口（又称滤波窗口、模板），根据一定准则计算窗口内所有像元均值，然后赋予窗口中心像元，作为窗口中心像元滤波后的值。 再逐行或逐列移动窗口，并按上述方法计算，直至每个像元计算完毕。抑制噪声，但使影像模糊空间域增强335577空间域增强中值滤波从小到大排列3 3 3 4 5 6 7 7 8抑制尖锐噪声、还可保留细节特征545 767 455 533867655335 773 486 535767485空间域增强突出影像的边缘、轮廓或线状目标；提高边缘与周围像素之间的反差，因此

12、也称为边缘增强；提取目标物体的边界，对图像进行分割，便于目标区域的识别等；锐化后的影像已不再具有原影像的特征而成为边缘影像。有助于不同地物类型的识别及其分布范围的圈定 锐化空间域增强线特征指影像的“边缘”与“线”。线特征提取算子通常也称边缘检测(edge detection)算子。“边缘”定义为影像局部区域灰度不相同的那些区域间的分界线。“线”认为是具有很小宽度且其中间区域具有相同影像特征的边缘对，即距离很小的一对边缘构成一条线。通常根据灰度的一阶导数(或差分)最大或二阶导数为零的准则来检测边缘。常用的边缘检测方法：微分、拉普拉斯、LOG等算子。锐化通常又称作线特征提取空间域增强边缘特征实例：

13、房屋提取空间域增强边缘特征实例：道路提取空间域增强边缘和线的一、二阶导数空间域增强 梯度算子 设灰度连续函数为g(x,y)，则其梯度的定义：梯度是一个向量，其方向 是灰度函数在(x, y)最大增加率的方向；其模G是最大增加率。 一阶差分算子空间域增强 在数字影像中，导数的计算通常用差分予以近似。梯度算子的差分算法为：i+1, ji+1, j+1i, ji, j+1近似给定阈值T，当GijT时，则认为像素(i，j)是边缘上的点。 -102-1采用卷积运算的模板（即卷积核）空间域增强边缘检测中的卷积计算空间域增强BV1BV2BV3BV4BV5BV6BV7BV8BV9卷积核所有元素值即权的和为零，这

14、种算子也称为“零和”算子-101-202-101121000-1-2-1XY Sobel算子 空间域增强数字影像的的二阶差分计算公式：i, j-1i, ji, j+1i-1, ji+1, j注意：一阶差分算子是取梯度为极大值的像元为边缘点；而二阶差分算子是取二阶差分为零的像元为边缘点。 二阶差分算子空间域增强需要在纵横方向同时检测边缘的算子为：需要在纵横和对角线方向同时检测边缘的算子为： 方向二阶差分算子空间域增强 拉普拉斯的卷积核： 对数字影像进行拉普拉斯卷积后得到结果影像，卷积值为零的像元为边缘点，因此通常称其为零交叉点(zero-crossing point)。 理论上来说，拉普拉斯算子

15、是各向同性的导数算子。 拉普拉斯(Laplace)算子空间域增强拉普拉斯算子其他的卷积核：返回本节首页空间域增强卷积理论被处理图像f(x, y)变换函数h(x, y)目标图像g(x, y) 卷积：g(x, y)= h(x, y) * f(x, y), 随着模板范围的扩大，卷积运算量会越来越大。 空间域复杂的卷积运算可以用频率域中简单的乘法实现更快速的计算。频率域增强在频率域增强技术中平滑主要是保留图像的低频部分，削弱或抑制高频 部分。低通滤波锐化则是保留图像的高频部分，削弱低频部分。 高通滤波频率域增强的一般过程：滤波傅立叶逆变换频率域增强返回本节首页 人眼对色彩的分辨能力远远大于对灰度级的分

16、辨能力。将灰度图像变为彩色图像以及进行各种彩色变换可以明显改善图像的可视性。彩色增强包括伪彩色增强、彩色增强。 伪彩色增强 把单波段灰度图像中的不同灰度按一定的函数关系变换成彩色，得到一幅彩色图像的方法。 密度分割法是最简单的一种方法。彩色增强 密度分割法是对单波段灰度遥感影像按灰度分层，对每层赋予不同的色彩，使之变成一幅彩色图像。彩色增强密度分层法平面示意图第N+1种彩色CN+1第二种彩色C2第一种彩色C1L2L10LNL1L20彩色 灰度 LNC1C2CNCN+1 密度分层法空间示意图密度分割中的彩色是人为赋予的，与地物的真实色彩毫无关系，因此也称为伪彩色。灰度图像经过密度分割后，图像的可

17、分辨力得到明显提高，如果分层方案与地物的光谱特性差异对应较好，可以较准确地区分出地物类别。彩色增强 假彩色增强TM真彩色合成3(R)、2(G)、1(B)TM标准假彩色合成4(R)、3(G)、2(B)彩色增强几种标准假彩色合成图像： TM影像：波段4、3、2分别赋予红、绿、蓝 MSS影像：波段4、2、1分别赋予红、绿、蓝 SPOT影像：波段3、2、1分别赋予红、绿、蓝 标准假彩色图像中，突出了植被、水体、城乡、山区、平原等特征，植被为红色，水体为黑色或蓝色，城镇为深色。实际应用中，为了突出某一方面的信息或显示丰富的地物信息，应根据不同的研究目的进行反复实验分析，寻找最佳合成方案，合成后的图像应信

18、息量最大而波段间的相关性最小。彩色增强彩色增强为了避免破坏图像的彩色平衡，彩色增强通常选择在HSI模型下进行。 依据选择增强分量和增强目的的不同，可将真彩色增强分为亮度增强、色调增强和饱和度增强三种。 彩色增强1. 亮度增强 亮度增强是仅对彩色图像的亮度分量进行处理的增强方法，它的目的是通过对图像亮度分量的调整使得图像在合适的亮度上提供最大的细节。 彩色图像的亮度增强可以在其亮度分量上使用灰度图像的增强算法，如灰度变换法、直方图增强法等。 彩色增强(a)原彩色图像 (b)对比度拉伸 (c)直方图均衡真彩色图像的亮度增强实例 彩色增强2. 色调增强 色调增强是通过增加颜色间的差异来达到图像增强的

19、目的，一般可以通过对彩色图像每个点的色度值加上或减去一个常数来实现。 由于彩色图像的色度分量是一个角度值，因此对色度分量加上或减去一个常数，相当于图像上所有点的颜色都沿着彩色环逆时针或顺时针旋转一定的角度。 由于彩色处理色相分量图像的操作必须考虑灰度级的“周期性”，即对色调值加上120和加上480是相同的。 彩色增强 原图像 (a)色度值加120(b)色度值减120真彩色图像的色度增强实例 彩色增强3. 饱和度增强 饱和度增强可使彩色图像的颜色更为鲜明。 饱和度增强可以通过对彩色图像每个点的饱和度值乘以一个大于1的常数来实现；反之，如果对彩色图像每个点的饱和度值乘以小于1的常数，则会减弱原图像

20、颜色的鲜明程度。 彩色增强 原图像 （a）饱和度值乘 （b）饱和度值乘 以3的图像 以0.3的图像 真彩色图像的饱和度增强实例 返回本节首页 针对多源遥感影像的特点，可以利用多源影像之间的四则运算来达到增加某些信息或消除某些影响的目的。减法运算加法运算乘法运算除法运算混合运算图像四则运算 减法运算: B=Bx - By将两个不同波段的影像相减，可以突出不同地物间光谱反射率及其变化信息；将两个不同时间获取的同一波段影像相减，可以突出地面目标的变化信息。 加法运算: 通过加法运算可以扩展波段，如绿、红色波段相加可以得到近似“全色影像”；绿、红和红外波段影像相加可以得到“全色+红外”影像。 乘法运算

21、: 乘法运算结果与加法结果类似。图像四则运算92年SPOT影像，Atlanta, USA87年SPOT影像，Atlanta, USA差异影像，Atlanta, USAABC变化检测Change detection图像四则运算类别红外波段红波段红外波段/红波段植被很亮暗更亮水很暗稍亮更暗房屋较亮较亮不变 除法（比值）运算能抑制因地形坡度和方向引起的辐射量变化，消除地形起伏的影响；也可以增强某些地物之间的反差。“近红外波段/红色波段”比值影像植被、水、土壤图像四则运算红波段QuickBird2.44 m分辨率（犀浦校区）近红外波段QuickBird2.44 m分辨率（犀浦校区）成像时间：2006-

22、11-10近红外波段/红波段图像四则运算 混合运算植被指数植被指数(Vegetation Index, VI)：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数 变换NDVI（TNDVI） 归一化差分植被指数（NDVI）图像四则运算NDVINear Infrared RedNear Infrared Red返回本节首页 图像融合：将多源遥感影像按照一定的算法进行处理，在给定的地理坐标系下，生成信息量更加丰富的新影像。 遥感数据源：对于同一研究区域，可以通过不同遥感系统获取具有不同成像时间、不同空间分辨率、不同光谱分辨率、不同极化方式的影像。 例如，QuickBird的全色影像分空间辨率为为0.61米，而其多光谱 (B, G, R, NIR) 影像的空间分辨率为2.44米，可以将全色和多光谱影像融合，以提高多光谱影像的空间分辨率，又保留其多光谱特性。图像融合全色影像多光谱