遥感地质学第1011讲遥感图像处理之二-数字图像处理课件

1、遥感地质学 Remote Sensing Geology遥感图像处理（2）数字图像处理遥感地质学 Remote Sensing Geology遥遥感地质学章节内容第一章 绪论第二章 遥感物理基础（电磁波谱与电磁辐射）第三章 遥感成像原理与图像特征第四章 遥感图像处理第五章 遥感图像地质解译标志第六章 遥感图像地貌解译第七章 遥感图像的岩性解译第八章 遥感图像构造解译遥感地质学章节内容第一章 绪论 本章主要内容一、遥感图像处理的概念二、光学图像处理三、数字图像处理 第四章 遥感图像处理 本章主要内容第四章 遥感图像处理三、数字图像处理数字图像与图像的数字化数字图像的处理方法遥感图像数字处理系统用

2、计算机处理的遥感图像必须是数字图像。 以摄影方式获取的模拟图像必须用图像扫描仪等进行模/数(A/D)转换；以扫描方式获取的数字数据必须存储到一般数字计算机都可以读出的 CCT或光盘等通用载体上。计算机图像处理需要在图像处理系统中进行。 图像处理系统是由硬件(计算机、显示器、数字化仪、磁带机等 )和软件(具有数据输入、输出、校正、变换、分类等功能 模块)构成。 图像处理内容主要包括校正、变换和分类。三、数字图像处理数字图像与图像的数字化用计算机处理的遥感图（一）数字图像与图像数字化从模拟图像到数字图像矢量图形与栅格图像像元数字图像的数学特征数字图像处理概念（一）数字图像与图像数字化从模拟图像到数

3、字图像1、从模拟图像到数字图像图像函数模拟图像数字图像一幅图像相当于一个二维的空间分布，可用两个空间变量x,y的实数函数表示，即 f( x , y ) 代表在空间坐标位置(x,y)处的物理变量(属性)，图像函数f( x , y )就是这样一个空间函数。遥感图像，在坐标系统中的任一点(x , y )上的函数值是该点地物的反射或发射的电磁辐射能的度量 (属性) 。如亮度、灰度、密度等。图像反映了客观景物的亮度和颜色随空间位置和方向的变化，是空间坐标的函数f(x,y)。图像函数的两个基本特点： .在空间上是限定的,即包含在一个矩形区域内,且坐标原点在左上角； .函数 f( x , y ) 的取值有一

4、定范围 0 f( x , y ) Rmax 即，没有负值，且不大于最大辐射量。模拟图像函数是连续的、可解析的、可积的、有可逆的傅立叶变换，也称连续图像，其 f ,x ,y 的取值可以是任意实数。空间坐标和明暗程度都是连续变化的、计算机无法直接处理。模拟图像转换成数字图像图像的数字化 取样、量化在空间和数值上都离散化，形成数字矩阵 ( M * N ) 。 光/电转换模/数(A/D)转换 取样在空间上分割成同样形状的小单元 量化对各个小单元上的亮度值进行数字化用二进制数表示取样：将空间上连续的图像变换成离散点的操作坐标空间离散化，把空间分割成同样形状的小单元（取样间隔、取样孔径）f( x , y

5、) M * N 量化(编码) ：将像元亮度转换成离散的整数值的过程亮度(属性)离散化。经取样图像被分割成空间上离散的像元，但其亮度仍是连续的，对各个小单元上的亮度值进行数字化用二进制数表示量化等级，取 2 的整数幂2n，0最小、2n最大，如28-0255，即用八位二进制数表示一个小单元的亮度等级(8bit)灰度级。数字图像：指在空间和亮度上都已离散化的图像或把模拟图像分割成同样形状的小单元, 以各个小单元的平均亮度值或中心部位的亮度值作为该单元的亮度值进行数字化的图像。1、从模拟图像到数字图像图像函数一幅图像相当于一个二维的空间取样与量化对图像的影响数字图像是用一定范围的数值表示或记录图像上辐

6、射能量f(x,y)大小而产生的一组离散数据，包括两个方面： .按等间距的点阵或网格对连续变化的图像辐射值进行抽样 .把抽样点上取得的辐射值进行量化。数字图像是一种以二维数组形式表示的图像-二维矩阵 M * N (二维的离散函数矩阵)，该数组由对连续变化的空间图像作等间距抽样所产生的样点像元(Pixel)组成，样点的间距取决于图像的分辨率或服从有关的抽样定律。取样间隔、取样孔径大，所得图像小单元数少，空间分辨率低，质量差，严重时出现马赛克现象。 取样间隔、取样孔径小，所得图像小单元数多，空间分辨率高，图像质量好，数据量大。量化等级多，所得图像层次丰富，灰度分辨率高，图像质量好，数据量大。 量化等

7、级少，所得图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量差，数据量小。取样与量化对图像的影响数字图像是用一定范围的数值表示或记录图矢量图形矢量数据由矢量数学对象所定义的直线和曲线(各种轨迹)组成, 矢量根据图形的几何特性来对其进行描述。 栅格图像栅格数据(位图图像bitmap)用小方形网格(位图或栅格)即像元来代表图像,每个像元都有一个特定位置和颜色。矢量图形矢量数据由矢量数学对象所定义的直线和曲线(各种轨像元(像素)pixel: 数字矩阵的元素组成数字图像的最小单元。 数字化图像是像元的集合 灰度级(gray level): 像元的灰度等级用二 进制数码表示2n 表示该像元的属性(

8、亮度或颜色)、类型或量值。像元（矩阵中元素）的双重含义：矩阵中的任意元素对应图像中的一个像点(x,y) ，既有确定的空间位置(x,y)又有大小，其值对应该点的灰度(或颜色)等级（平均光谱亮度值）（DN值）。任何一幅数字图像都可通过三维坐标系表示。如: MSS5 x12340 y13240 z0255数字图像的矩阵表示像元(像素)pixel: 像元（矩阵中元素）的双重含义：矩阵大多数航天遥感图像（栅格图像），如：MSS（Multi-Spectral Scanner）TM（Thematic Mapper） HRV（High Resolution Visible）地物的遥感信息都直接记录在数字磁带上

9、，由地面站提供CCT磁带及记录格式直接输入计算机图像处理系统获得数字图像和进行各种图像处理。数据量行数列数波段数比特数8 ( b ) 上海地域120公里100公里 30米：4000像素3333像素= 40MB 20米：6000像素5000像素= 90MB 10米：12000像素10000像素= 360MB 5米：24000像素20000像素= 14GB 1米：120000像素100000像素= 36GB 0.61米：196721像素163934像素= 96GB大多数航天遥感图像（栅格图像），如：数据量行数列数波段摄影像片(正、负）（A/D转换）如航空像片通过各种扫描仪，将影像密度转化为数值，形

10、成栅格数字图像平板扫描仪鼓式扫描仪非遥感地学图件 线划图，如地形图、地质图等，通过数字化仪、扫描屏幕数字化转化为矢量数字图像(矢量图形) 。同一地区不同来源数字图像可精确配准，并作复合(融合)处理。与光学摄影像片相比,数字图像量化等级高(256级)、失真度小、不同图像配准精度高、传输及存储方便-更可由计算机进行各种灵活、可靠、有效的处理-有利于图像解译、分析等应用研究 摄影像片(正、负）（A/D转换）平板扫描仪鼓式扫描仪数字图像以不同亮度值的像元矩阵组织数据，最基本的特点像元的空间和亮度取值都离散化且只能取有限和确定的值。离散和有限是数字图像最基本的数学特征 依据数字图像数学特征，构造各种数学

11、模型和相应的算法，由计算机进行运算(矩阵变换) 处理，获得更有利于实际应用的输出图像及有关数据和资料。数字图像处理：利用计算机对数字图像进行系列操作，从而获得某种预期结果的技术。数字图像处理的实质： 是对二维矩阵的处理，是将一幅图像变为另一幅经过修改的图像，将一个二维矩阵变为另一个二维矩阵的过程。数字图像处理的特点： 精度高 再现性好 通用性、灵活性高数字图像处理的基本任务： 1.图像数字化、图像编码及数据压缩 2.图像恢复或图像校正 3.图像增强 4.图像分析或叫图像分割数字图像以不同亮度值的像元矩阵组织数据，最基本的特点像元的（二）数字图像处理方法数字图像处理：也称计算机增强处理，依据数字

12、图像离散和有限的基本数学特征，构造数字模型和相应算法，由计算机进行运算（矩阵变换）处理，获得有利于实际应用的输出图像及有关数据和资料。基本处理算法点处理/邻域处理（插值，滤波）处理对象波谱特征，空间特征，时间特征 对象和处理要求 数据模型 算法设计 已成为专门技术（1）点处理将原图像像元的值逐个变换成输出图像的新值。这种变换只与原图像像元的灰度有关。输出图像中每个像元的灰度值仅由输入图像中相应位置像元的灰度值决定。如反差增强、比值增强。（2）邻域处理 为产生一个新像元的输出, 需输入与该像元相邻的若干个像元的数值。 这种变换不仅与处理的像元有关，还与该像元邻近的各像元的灰度有关。输出像元的灰度

13、值需由对应输入像元一个邻域内几个像元的灰度值共同决定。 一般用作空间特征的处理如: 各种滤波处理（二）数字图像处理方法数字图像处理：也称计算机增强处理，依据数字图像处理方法1、恢复（复原）处理-预处理2、图像增强处理3、融合处理-多源信息复合4、分类处理（模式识别）数字图像处理方法1、图像恢复处理（图像校正、预处理）粗制处理（地面站）根据遥感平台、地球自转、传感器参数进行粗校正、系统校正，形成CCT（Computer Compatible Tape，计算机兼容磁带）产品。遥感数据接收部门首先进行校正（预处理），消除传感器产生的系统误差、地球自转失真。精制处理如下：（1）辐射校正（传感器误差、大

14、气校正（散射影响）（2）几何校正1、图像恢复处理（图像校正、预处理）粗制处理（地面站）根据（1）辐射校正电磁辐射在大气中的传输：反射、折射、吸收、散射、透射。传感器接收的辐射：主反射波散射波漫反射波。大气的影响减少了图像的对比度，原始信号、背景、信号都增加了因子。大气校正去除附加的因子。传感器本身的影响导致图像不均匀，产生条纹和噪音。 辐射校正（Radiometric correction ）照度校正、大气校正、辐射校准 （1）直方图最小值去除法像元统计值亮度值的直方图：基本思想：总有一些地物辐射亮度接近于0，如阴影处、深水体，像元亮度值应为0。而实际上不为0，这就是散射引起的。校正时每像元亮

15、度减去最小值，增加对比。（2）回归分析法利用波段之间的相关性。波2亮度波段1亮度，截距就是2个波段的程辐射度。L2L1（1）辐射校正电磁辐射在大气中的传输：反射、折射、吸收、散射（2）几何校正几何校正：系指消除遥感图像在其形成过程中产生的各种几何位置失真（畸变）的图像处理过程。失真：相对于地面真实形态而言产生的平移、缩放、旋转、偏扭、弯曲及其它各种变形。1）遥感影像产生变形的原因2）几何畸变校正3）数字镶嵌和数字放大（2）几何校正几何校正：系指消除遥感图像在其形成过程中产生的1）遥感影像产生变形的原因 遥感平台位置和运动状态变化影响（飞机、卫星）：航高高则地面宽度大；航速卫星椭圆，位置错动；俯

16、仰位置错动；翻滚（旋转）方向错动；偏航扫描方向改变、图像倾斜。这些是外部误差，传感器本身内部误差通常较小。 地形起伏影响：像点位移 地球表面曲率的影响：像点位置移动；像元对应的地面宽度不等；远离星下点地面越长、像元不变被压缩；传感器扫描角度大时影响更突出，显示时边缘景物被压缩，叫全景畸变。 大气折射的影响：大气密度逐渐变化，电磁波传播中产生折射，不是沿直线传播，像点位移 地球自转影响：卫星由北向南运动，地球自西向东自转，星下点位置产生偏离。1）遥感影像产生变形的原因2）几何畸变校正：相对于地图投影坐标系统的配准校正，也可以是不同时相图之间的配准和复合。基本思路：把存在几何畸变的图像，纠正成符合

17、某种地图投影的图像，且要找到新图像中每一像元的亮度值。 具体步骤 A、坐标变换：变换前图像坐标(x,y)，变换后图像坐标(u,v)，由它逐行逐点计算(x,y)，不在像元中心。B、计算(x,y)的亮度值（内插法）计算方法 A、建立两坐标变换关系； B、确定(x,y)点的亮度C、控制点的选取 2）几何畸变校正：相对于地图投影坐标系统的配准校正，也可以是3）数字镶嵌和数字放大数字镶嵌：相邻且互有重叠的两幅或数幅CCT数据，拼接成一个在几何形态上和色调分布上协调一致的一个整体新图像（数据）文件的处理过程。关键是：1）相邻图像的几何配准：重叠区同名点一个为基准对另一个校正；2）相邻图像的色调和反差调整：

18、重叠区均值、方差、直方图匹配系数一个为准调另一个。然后裁去重叠区其中一幅的重复像元，并对各接边作适当平滑调整。按统一数据文件形式输出。优点是优于常规卫片镶嵌图。数字放大：采样点内插加密，亮度赋值常用插值法（双线性内插法），可以加大比例尺，但信息量并未增加。遥感地质学第1011讲遥感图像处理之二_数字图像处理课件2、增强处理什么是图像的增强处理？分类（按主要增强的内容）波谱特征增强空间特征增强 卷积增强（空间滤波）多光谱变换（KL、KT）LHS变换对经过恢复处理的图像通过某种数学变换，扩大影像间的灰度差异-突出目标信息或改变图像的视觉效果，提高对图像的解译和分析能力。 反差增强 彩色增强 运算增

19、强（比值增强）2、增强处理什么是图像的增强处理？波谱特征增强空间特征增强 反差增强灰度直方图直方图的作用图像增强处理波谱信息增强灰度级的函数指图像中所有灰度值的概率分布，即图像灰度值的概率密度函数的离散化图形。灰度级某灰度出现的频率直观地了解图像的亮度值分布范围、峰值的位置、均值以及亮度值分布的离散程度。直方图的曲线可以反映图像的质量差异。 正态分布：反差适中，亮度分布均匀，层次丰富，图像质量高。 偏态分布：图像偏亮或偏暗，层次少，质量较差。一幅灰度直方图描述一幅图像的概貌明暗状况和对比度特征a 图像亮度偏低b 图像亮度偏高c 图像灰度值范围小d 灰度值范围比较正常图像直方图是描述图像质量的可

20、视化图表。在图像处理中，可以通过调整图像直方图的形态，改善图像显示的质量，以达到图像增强的目的。 反差增强灰度直方图图像增强处理波谱信息增强灰度级的未经反差增强的原版图像线性反差增强均匀分配伸展高斯伸展未经反差增强的原版图像线性反差增强均匀分配伸展高斯伸展 彩色增强（1）单波段图像的伪彩色增强是把黑白图像的各个灰度按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像。密度分割法图像增强处理波谱信息增强彩色增强 彩色增强（1）单波段图像的伪彩色增强是把黑白图像的各个单波段 MSS图像假彩色 密度分割图像效果分析： 以不同的色彩表示图像的色调变化，增强了图像的显示能力。但同一地物或现象可能

21、被分割成两种不同密度并以不同的颜色显示出来，或同一色彩却表示两种以上不同的地物，造成解译错误。单波段 MSS图像假彩色效果分析： 彩色增强（2）多波段图像的彩色合成处理对象是天然彩色图像或同景多波段图像彩色合成。通过映射函数变换成新的三原色分量，彩色合成使增强图像中各目标呈现出与原图像中不同的彩色。 目的：一是使感兴趣目标呈现奇异的彩色或置于奇特的彩色环境中，引人注目；二是使景物呈现出与人眼色觉相匹配的颜色，提高对目标的分辨力。图像增强处理波谱信息增强彩色增强 彩色增强（2）多波段图像的彩色合成处理对象是天然彩色图TM432 标准假彩色合成 TM432 标准假彩色合成 2TM321 天然彩色合

22、成TM4312TM321 天然彩色合成TM431运算增强：图像代数运算指对两幅输入图像(多波段或多时相) 进行点对点的加、减、乘、除计算而得到输出图像的运算. C（X，Y） A（X，Y） B（X，Y） C（X，Y） A（X，Y） B（X，Y） C（X，Y） A（X，Y） B（X，Y） C（X，Y） A（X，Y） B（X，Y）图像增强处理波谱信息增强运算增强：图像代数运算指对两幅输入图像(多波段或多时相) 差值运算 常用于提取多时相图像中随时间而变化的信息；也可用于增强多波段图像不同波段之间的差别。 A 1973.9.3 MSS5 B 1973.6.27 MSS5 AB 差值图像 差值运算 A

23、1973.9.3 MSS5 比值图像: 通过不同波段的同名像元亮度值之间的除法运算（除数不为0）,以所得的比值(商)生成的新图像。比值增强.基本比值-单波段之比.和差组合比值(由两个波段的和与差构成的比值) .交叉组合比值(由3个或更多的波段构成的比值,其中分子和分母的波段可以不同) .标准化比值(由单个波段与所有波段之和的比值).比值彩色合成(由23种比值图像进行彩色合成生成的新的合成彩色图像)MSS4MSS5TM3TM4MSS5MSS6MSS5MSS6MSS5MSS6 MSS5MSS4MSS5 MSS7 MSS4MSS4MSS5MSS7 MSS5MSS4MSS5MSS7比值图像: 通过不同

24、波段的同名像元亮度值之间的除法运算（比值增强处理的基本作用.能扩大不同地物之间的微小亮度差异有利于岩石、土壤等波谱差异不太明显地物的区分,也可用于植被类型和分布的研究。铁帽和植被在单波段上不易区分，比值分析能区分出来。.消除或减弱地形等环境因素的影响如阴坡、阳坡的同一地层岩性。.提取与找矿有关的专题信息 如TM5/TM7-提取与粘土化有关的矿化蚀变信息（粘土矿指数） TM5/TM4-利于提取与铁矿物有关的信息（铁矿指数） . 比值彩色合成图像：增强岩性及蚀变岩信息比值图像波谱意义不再存在。丢失了地物反射强度信息。压抑了地形信息。用一个波段原图像与比值图像作彩色合成。比值可能引入噪声。处理前应注

25、意消条带和大气校正（去除大气散射的干扰）。比值增强处理的基本作用.能扩大不同地物之间的微小亮度差异有A 比值MSS 4/5 B 比值MSS 4/6 C 比值 MSS4/7D 比值MSS 5/6E 比值MSS 5/7F 比值MSS 6/7TM3TM4 TM4TM3 TM4TM3A 比值MSS 4/5 B 比值MSS 4/6 C 比值 M4/5-B 5/6-Y 6/7-RABCFED4/5-B ABCFED植被指数植被指数常用算法比值植被指数（R VI）=/归一化差值植被指数（NDVI）农业植被指数（AVI ）= (2.07-5)多时相植被指数（MTVI）归一化差异绿度指数（NDGI）环境植被指数

26、(EVI) (差值植被指数) 比值运算常用于突出遥感影像中的植被特征、提取植被类型或估算植被生物量，这种算法的结果称为植被指数。植被指数是由多波段数据,经线性和非线性组合构成的对植被有一定指示意义的各种数值。植被指数有助于增强遥感影像的解译力，并已作为一种手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力。图像增强处理波谱信息增强植物红波段和近红外波段反射率及其相互关系,是构成各种植被指数的核心。红波段被植物叶绿素吸收进行光合作用制造干物质,是光合作用的代表波段;近红外波段是叶子健康状况最灵敏的标志,对植被差异及植物长势反映敏感,指示着植

27、物光合作用能否正常进行。红光和红外波段的不同组合包含90% 以上的植被信息，进行植被研究非常有效。常用算法：近红外波段/红波段 （近红外-红）/（近红外+红）比值植被指数（R VI）=/ RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力很弱，只有在植被覆盖浓密的情况下效果最好。如：MSS5/MSS7。归一化差值植被指数（NDVI）= (NIR-R) / (NIR+R) 对植被表现敏感，是植物生长状态及植物空间分布密度的最佳指示因子,与植物分布密度呈线性相关,又可称为生物量指标。适于早期发展阶段或低覆盖密度植被的检测。可对农作物和半干旱地区降水量进行预测 ，常用来进行区

28、域和全球的植被状态研究。如 （MSS7-MSS5）/（MSS7+MSS5）农业植被指数（AVI ）= (2.0MSS7-MSS5) 针对作物生长阶段测量绿色植被。多时相植被指数（MTVI）= NDVI(date2)-NDVI(date1) 将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。归一化差异绿度指数（NDGI）=(-)/(+) 可用来对不同活力植被形式进行检验。环境植被指数(EVI) (差值植被指数) =NIR-R 对土壤背景的变化较RVI敏感,在植被覆盖度为1525时,随植被数量增加而迅速增大;当植被覆

29、盖度达80时,对植被的灵敏度有所下降。如：MSS7-MSS5植被指数植被指数比值运算常用于突出遥感影像中的植被特征、提取空间信息空间信息增强 卷积增强（空间滤波） 多光谱变换图像增强处理空间信息增强图像的空间信息主要是由不同像元之间或不同灰度值之间的空间位置关系、组合或排列的形态、方向、规模及出现的频率等决定的空间信息增强主要指高频信息及方向性特征的增强。高频信息反映的是边缘及线条特征。如： 与地质构造有关的线性特征、不同地质体的边界以及与岩性特征有关的结构特征，都表现有一定的空间分布频率，可使用空间滤波的方法进行增强。空间信息增强处理中同时参加运算的主要不是一个像元的多波段灰度向量，而是每个

30、正在处理的像元周围的若干像元，甚至整个图像。 邻域处理算法空间信息图像增强处理空间信息增强图像的空间信息主要是 卷积增强（空间滤波）卷积增强通过一定尺寸的模板（矩阵）对原图像进行卷积运算实现空间卷积。邻域处理技术。把模板逐次放在每一个像元上，计算模板元素和对应像元亮度值的乘积和，作为模板中心处像元的新亮度值。矩阵元素常取为奇数1515，33设计不同的模板，可以起到增强不同方向边界或线性体的效果。如断裂构造、线性形迹，应用很广。还可以起到平滑、锐化图像的作用。图像增强处理空间信息增强 卷积增强（空间滤波）卷积增强通过一定尺寸的模板（矩阵）遥感地质学第1011讲遥感图像处理之二_数字图像处理课件

31、多光谱变换多光谱空间：n个波段n维坐标每一维上的值xi就是该波段在xi坐标轴上的投影，代表亮度值。但它不是图像，不含图像位置信息。由于光谱多、数据量大，各波段之间有相关性，可以通过坐标变换，保留主要信息，减少数据量。增强或提取有用信息。对遥感图像进行线性变换。（1）K-L变换，Karhunen-Loeve，离散变换，主成分分析（2）KT变换，缨帽变换，Kauth-Thomas数学上：多维正交线性变换，YTX，T为波段间协方差矩阵几何上：空间坐标旋转。减少维数、减少数据量。比值/差值图像原图像一起作KL变换，提取专题信息线性组合变换，空间坐标旋转变换，坐标轴不是指向主成分、而是与地面景物有密切关

32、系的方向。针对TM、MSS数据，特别是植被、土壤的多光谱特征信息。y=BxB66x：6个波段TM15，7变换成三个分量：亮度y1、绿度y2、湿度y3，（y4/y5/y6无明确景物意义）y1-y2植被视面，y3-y1土壤视面，y3-y2过渡视面。三维植被土壤特征明显。农作物生长视图。图像增强处理空间信息增强 多光谱变换多光谱空间：n个波段n维坐标数学上：多维正交 HIS变换HIS变换（hue, lightness/ intensity, saturation）色度学有两个坐标系统RGB（CIE表色系统）和HIS（孟赛尔表色系统）。彩色坐标变换：正变换RGBLHS，反变换LHSRGB用途：变换方式

33、HIS变换融合小波变换融合1）彩色合成图像饱和度增强，LHS变换拉伸S反变换RGB图像；2）不同分辨率图像复合，高分辨率L，次高H，低S反变换RGB高分辨率图像3）多源数据综合显示，遥感L，物探H，化探SRGB综合彩色图像a) 原始多波段图像TM b) SPOT卫星HRV全色波段图像 c) 融合图像兼具TM的波谱特性和HRV的空间分辨率优势小波变换一种新的数学工具，是泛函分析、傅里叶分析、样条分析、调和分析和数值分析的最完美结晶，属于时频分析的一种，其核心是多分辨率分解。a) 原始单波段TM图像 b) SPOT卫星HRV全色波段图像 c) 融合图像兼具TM的波谱特性和HRV的空间分辨率优势图像

34、增强处理空间信息增强 HIS变换HIS变换（hue, lightness/ i3、融合处理-多源信息复合图像融合是通过一定的算法将两个以上图像数据结合在一起生成一个新图像。新图像能够兼取多个原始图像的信息优势，具有描述所研究对象的较优化的信息特征。 目的：提高图像信息的可用程度； 增加对研究对象解译的可靠性 遥感图像融合：指将不同类型遥感器获取的同一地区的图像数据进行几何配准，然后采用一定的算法将各图像数据中所含的信息优势或互补性有机地结合起来产生新图像数据的技术。黑白雷达图像彩色雷达图像多波段彩色合成图像3、融合处理-多源信息复合图像融合是通过一定的算法将两个以4、分类处理（模式识别）分类处

35、理（Classification）：指由计算机按一定的判别模式自动完成对图像上地物的类别作出“判别”（解译），图像分类处理的最终目标人工智能系统 。空间信息分类（图形识别、边缘和线条信息的检验与提取、纹理结构分析） * 波谱信息分类：遥感图像的亮度值受多方面随机变化的因素影响，因此，遥感图像数据可看作随机变量具有统计性质统计分析是遥感图像数据分析的基本方法4、分类处理（模式识别）分类处理（Classificatio分类处理（1）数字图像常用统计量（2）图像分类的依据（3）图像分类处理的实质（4）图像分类处理的步骤 （5）图像分类处理的方法（6）图像分类技术分类处理（1）数字图像常用统计量（1）

36、数字图像常用统计量基本统计量指的是一组数值或单波段图像数据的中心（平均）趋势统计量和变化程度统计量。中心（平均）趋势统计量 变化程度统计量：多波段图像的统计特征分类处理常用统计量（1）数字图像常用统计量基本统计量指的是一组数值或单波段图中心（平均）趋势统计量 包括：亮度均值亮度中值亮度众数变化程度统计量：数值域方差标准差分类处理常用统计量基本统计量中心（平均）趋势统计量 包括：分类处理常用统计量基多波段图像的统计特征分类处理常用统计量多波段图像统计特征 多波段图像数据，不仅每个波段有其本身的统计特征（每个波段都有均值和标准差，可以构成多维的均值向量和标准差向量），而且波段之间也存在着统计关系，

37、最常用的是协方差矩阵和相关矩阵。 是图像分析的重要依据，也是图像彩色合成方案的主要依据之一。多波段图像的统计特征分类处理常用统计量多波段图像统计（2）图像分类的依据一般，同类地物有相似的波谱 实际的多维波谱空间中，同类地物的像元值既不是集中在一个点，也不是杂乱无章地分布，而是相对密集在一起形成点群(集群), 不同地物的点群处在不同的位置不同地物的波谱集群还存在交叉过渡（点群边界往往不是截然的），对不同集群的区分一般要依据它们的统计特征(统计量), 如: 集群位置-均值向量表示 点群中心及离散度-标准差或协方差 图像分类的方法一般建立在随机变量统计分析的基础之上（2）图像分类的依据一般，同类地物

38、有相似的波谱 不同地物（3）图像分类处理的实质按概率统计规律 ,选择适当的判别函数、建立合理的判别模型把这些离散的“集群”分离开来，并作判决和归类 （3）图像分类处理的实质按概率统计规律 ,选择适当的判别函数（4）图像分类处理的步骤特征提取：为把有用信息尽可能地集中在较少的互不相关的或各自包含不同信息的新的变量中而进行的图像分析工作。 波谱特征提取 空间特征提取 决策分析：确定每个物体应该归属的预定义类别，即每个物体被识别为某一特定类型通过分类过程实现。（4）图像分类处理的步骤特征提取：为把有用信息尽可能地集中（5）图像分类处理的方法统计识别分类 模糊识别分类 人工神经网络识别分类 句法结构识

39、别分类统计识别分类基本思想是将特征提取阶段得到的特征向量定义在一个特征空间中，这个特征空间包含了所有的特征矢量。不同的特征向量(不同类别)，都对应于此空间中的一点。在分类阶段，则利用统计决策原理对特征空间进行划分从而达到识别不同特征对象的目的。判别分析 根据某个判别函数的函数值对自变量进行分类统计分析。 最大似然比判别分析 线性判别分析（贝叶斯） 逐步判别分析 模糊识别分类： 理论基础是模糊数学。根据人辨识事物的思维逻辑, 吸取人脑的识别特点, 将计算机中常用的二值逻辑转向连续逻辑。 识别结果是用被识别对象隶属于某一类别的程度，即隶属度来表示。人工神经网络识别分类： 将若干个处理单元（神经元）

40、通过一定的互连模型连接成一个网络，这个网络通过一定的机制（如误差后向传播）可以模仿人的神经系统的动作过程，达到识别分类的目的。句法结构识别分类： 着眼于对待识别对象的结构特征的描述。将一个识别对象看成是一个语言结构，如一个句子是由单词和标点符号按一定的语法规则生成，一幅图像是由点、线、面等基本元素按一定的规则构成,看这些基本元素是以什么规则构成图像。 图像识别就相当于检查图像所代表的某一类句型是否符合事先规定的语法，如果语法正确就识别出结果。（5）图像分类处理的方法统计识别分类 统计识别分类模糊识（6）图像分类技术非监督分类 监督分类非监督分类 在没有已知类别的训练数据及分类数据的情况下, 依

41、据图像数据本身的结构(统计特征)和自然点群分布, 按照待分样本在多维波谱空间中亮度值向量的相似程度, 由计算机程序自动总结出分类参数, 进而逐个对像元作归类-也称聚类(集群)分析事先不须训练样本, 处理速度快,较客观,并能为监督分类的训练样区选择提供参照， 一般在有目的的监督分类之前进行。方法有: 图形识别、系统聚类、分裂法。较实用的是动态聚类。监督分类 一般是先在图像中选取已知样本(训练区)的统计数据,从中找出分类的参数、条件,建立判别函数，然后对整个图像或待分类像元作出判别归类。结果明确,分类精度较高,但对训练样本要求较高，使用时须注意应用条件,一地区建立的判别式对别的地区不一定完全适用。

42、 常用方法: 平行四面体法、最大似然法、最小距离法、 费歇尔线性判别法、贝叶斯线性和非线性判别法。 实际工作中, 监督分类和非监督分类应配合使用。（6）图像分类技术非监督分类 非监督分类 在没有已知类别的多波段土地利用分类彩色卫星图像 遥感图像数字处理流程多波段土地利用分类彩色卫星图像 遥感图像数字处理流程（三）遥感图像数字处理系统无论采用何种计算机系统,通常都必须要有图像显示装置。在两者结合起来的硬件系统上再加上软件而构成的系统-数字图像处理系统。硬件构成：主计算机、外围设备软件构成：（三）遥感图像数字处理系统无论采用何种计算机系统,通常都必须1、硬件构成主计算机：（1）专用处理机型（2）通用计算机型外围设备：（1）显示器（必备）（2）把模拟图像变换为数字图像的图像输入设备（3）把数字图像输出到纸或胶片的图像输出设备（4）能记录大量图像数据的图像数据存贮设备专用处理机型 在主机上联接图像处理机，图像处理机装有可存贮多个画面的帧缓冲存贮器和