遥感图像的恢复处理课件

§4.2遥感图像的恢复处理4.2.1遥感图像的辐射校正◆图像辐射畸变的原因◆图像辐射畸变的校正4.2.2遥感图像的几何校正◆图像几何畸变的原因◆图像几何畸变校正原理与方法4.2.1遥感图象的辐射校正为什么要进行辐射纠正？1）传感器本身的特性2）大气对于电磁辐射的衰减；（散射、反射和吸收）3）地形因子的影响——阴影4)其它生态环境因子形成“同物异谱，异物同谱”现象。图象不能全部真实地反映不同地物的特征，影响了数字图象的质量。

辐射校正：辐射失真是指遥感传感器在接收来自地物的电磁波辐射能量时，由于电磁波在大气层中传输和传感器测量过程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)以及大气作用等的影响，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。而对这种辐射失真的校正则称之为辐射校正。2、大气辐射校正大气校正就是指消除由大气散射引起的辐射误差的处理过程。大气校正的方法:利用辐射传递方程进行大气校正；利用地面实况数据进行大气校正；利用辅助数据进行大气校正。实际像场大气的校正：野外现场波谱测试（回归分析法）；大气参数测量；波段对比分析（直方图法）。1）以红外波段最低值校正可见光波段前提假设：大气散射的影响主要在短波波段，红外波段中清洁的水体几乎不受影响，反射率值应当为0。由于散射影响，而使得水体的反射率不等于0，推定是由于受到了天空辐射项的影响。直方图最小值去除法直方图最小值法基本思路：如果在一副图像中存在亮度值（反射率）为零的目标地物，地物是深海水体或地形阴影区，则任一波段亮度值都应为零。所以只要对选择区域内波段的图像进行灰度统计给出其直方图，则直方图上频率最小的灰度值就是大气改正值。大气校正就是移动直方图的最小值至零值位置。调整前直方图调整后直方图像元数百分比/%像元数百分比/%2）回归分析法原理同A。选择可见光和红外波段进行2维散点图，建立线性回归方程。回归分析法回归分析校正法4、地形坡度辐射误差校正太阳光线和地表作用以后再反射到传感器的太阳光的辐射亮度和地面倾斜度有关。若处在坡度为α的倾斜面上的地物影像为g（x，y），则校正后的图像f（x，y）为：

由上式看出，地形坡度引起的辐射校正方法需要有图像对应地区的DEM数据，校正较为麻烦，一般情况下对地形坡度引起的误差不做校正。辐射校正二、几何变形的校正几何粗校正是针对卫星运行和成像过程中引起的几何畸变进行的校正，即卫星姿态不稳、地球自转、地球曲率、地形起伏、大气折射等因素引起的变形。几何精校正：利用地面控制点进行的几何校正称为几何精校正。数字图像几何校正也称图像纠正，其目的是改正原始影像的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。§4.2.2几何校正几个基本术语图像配准(Registration)：同一区域里一幅图像(基准图像)对另一幅图像的校准，以使两幅图像中的同名像元配准。图像纠正(Rectification):借助于一组地面控制点，对一幅图像进行地理坐标的校正。这一过程又被称为地理参照(Geo-referencing).图像正射投影校正(Ortho-rectification):借助于地形高程模型(DEM)，对图像中每个像元进行地形变形的校正，使图像符合正射投影的要求。几何校正原理

数字图象几何校正：通过计算机对离散结构的数字图像中的每一个像元逐个进行校正处理的方法。基本原理：利用图像坐标和地面坐标（另一图像坐标、地图坐标等）之间的数学关系，即输入图像和输出图像间的坐标转换关系实现。

坐标变换关系（续1）（xp,yp）（XP,YP）分别是任意一个像元在原始图像和纠正后图像中的坐标。直接间接直接纠正法:从原始图像，依次对每个像元根据变换函数F（x,y），求得它在新图像中的位置，并将灰度值赋给新图像的对应位置上。间接纠正法:从新图像中依次每个像元，根据变换函数f(x，y)找到它在原始图像中的位置，并将图像的灰度值赋予新图像的像元。坐标关系（续2）4.2.1确定新图像的边界

◆纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前，必须首先确定新图像的大小范围。◆根据公式求出原始图像四个角点（a,b,c,d）在纠正后图像中的对应点（a’,b’,c’,d’）的坐标（Xa’,Ya’）(Xb’,Yb’)(Xc’,Yc’)(Xd’,Yd’)，◆然后求出最大值和最小值。

4.2.2确定新图像的边界（续1）X1=min(Xa’,Xb’,Xc’,Xd’)X2=max(Xa’,Xb’,Xc’,Xd’)Y1=min(Ya’,Yb’,Yc’,Yd’)Y2=max(Ya’,Yb’,Yc’,Yd’)4.2.4灰度的重采样纠正后的新图像的每一个像元，根据变换函数，可以得到它在原始图像上的位置。如果求得的位置为整数，则该位置处的像元灰度就是新图像的灰度值。如果位置不为整数，则有几种方法：1)

最近邻法2)

双线性内插法3）三次卷积法

4.2.4灰度的重采样（续1）1)

最近邻法：距离实际位置最近的像元的灰度值作为输出图像像元的灰度值；4.2.4灰度的重采样（续3）3）三次卷积法以实际位置临近的16个像元值，确定输出像元的灰度值。公式为：式中，g(m,n)为输出像元灰度值gi为邻近点i的灰度值pi为邻近点对投影点的权重(pi=1/di,di表示邻近点到投影点的距离，最近者权重最大)4.2.4灰度的重采样（续4）几种采样方法的优缺点：1）最近邻法：算法简单且保持原光谱信息不变；缺点是几何精度较差，图像灰度具有不连续性，边界出现锯齿状。2)双线性插值：计算较简单，图像灰度具有连续性且采样精度比较精确；缺点是细节丧失3)三次卷积法：计算量大，图像灰度具有连续性且采样精度比较精确数字图象的纠正过程

纠正函数可有多种选择：多项式方法、共线方程方法、随机场内插方法等等。其中多项式方法的应用最为普遍。4.2.5遥感数字图像的多项式纠正

一般的公式为：

2)直接法

1)间接法

利用有限的控制点的已知坐标，求解多项式的系数，确定变换函数。然后将各个像元带入多项式进行计算，得到纠正后的坐标。

表征空间位置的可靠性，道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。同名控制点要在图像上均匀分布；清楚辨认；数量应当超过多项式系数的个数（(n+1)*(n+2)/2）。当控制点的个数超过多项式的系数个数时，采用最小2乘法进行系数的确定，使得到的系数最佳。

地面控制点的选取原则:开始显示图形文件启动几何校正模型采集地面控制点计算转换模型图像重采样检验校正结果结束

几何校正流程图§4.3遥感图像的增强处理光谱增强处理辐射增强处理空间增强处理数值运算增强处理

目前常用的增强处理方法主要有：彩色合成、密度分割、主成分分析、K－T变换、灰度变换、直方图变换、灰度颠倒、邻域增强处理、图像间运算、信息融合等。彩色合成假彩色密度分割HLS变换主成份变换缨帽变换光谱增强处理:对应于每个像元，与像元的空间排列和结构无关。一、彩色合成为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。彩色图像可以分为真彩色图像和假彩色图像。遥感图像的光谱增强处理彩色合成的原理图反射率ρ/%λ真彩色图像真彩色图像上影像的颜色与地物颜色基本一致。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像中的红色分量、把绿色波段的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中的蓝色分量进行合成的结果。如TM321分别用RGB合成的图像。假彩色图像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。遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。它是在彩色合成时，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合成的结果。如TM432用RGB合成的图像为标准假彩色图像。

TM1TM2TM3TM4TM5TM6TM7LandsatTM5sub-sceneshowingtheregionaroundtheAlpinforschungszentrumRudolfshütteTM7,4,1TM5,7,2TM5,4,3TM4,3,2二、假彩色密度分割概念：单波段黑白遥感图像可按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。这种方法又叫密度分割。分层方案的确定：分层方案与地物光谱差异对应合适，可以较好地区分地物类别。处理过程效果分析

遥感图像的光谱增强处理处理过程输入图像显示直方图确定分割的等级数，并计算分割的间距像元亮度值转换为像元新值赋色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同一地物或现象可能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，造成判读错误。效果分析

三、

HLS变换RGB模式与HLS模式(Hue,Lightness,Saturation)将RGB模式转换成HLS模式，对于定量地表示色彩特性，以及在应用程序中实现两种表达方式的转换具有重要意义。四、主成分分析(principalcomponentsanalysis)

主成分分析就是一种除去波段之间的多余信息，将多波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。例如：对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。遥感图像的光谱增强处理原始数据为二维数据，两个分量x1、x2之间存在相关性，具有如图所示的分布。通过投影，各数据可以表示为y1轴上的一维点数据。从二维空间中的数据变成一维空间中的数据会产生信息损失，为了使信息损失最小，必须按照使一维数据的信息量(方差)最大的原则确定y1轴的取向，新轴y1称作第一主成分。为了进一步汇集剩余的信息，可求出与第一轴y1正交、且尽可能多地汇集剩余信息第二轴y2，新轴y2称作第二主成分。

主成分分析原理x2K-L变换是离散(Kauhunen-Loeve)变换的简称，又称主成分变换。它是对某一多光谱图像X.利用K-L变换矩阵A进行线性组合,而产生一组新的多光谱图像Y.K-L变换的特点:变换后的主分量空间与变换前的多光谱空间坐标系相比旋转了一个角度。新坐标系的坐标轴一定指向数据量较大的方向。可实现数据压缩和图像增强。五、K-T变换及其应用Kauth-Thomas变换（…)，简称K-T变换，又形象地称为“缨帽变换”。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。

目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。

1976年，Kauth和Thomas发现了一种线性变换，它使坐标空间发生旋转，但旋转后的坐标轴不是指向主成分的方向，而是指向另外的方向，这些方向与地面景物有密切的关系，特别是与植物生长过程和土壤有关。这种变换既可以实现信息压缩，又可以帮助解译分析农业特征，因此有很大的实际应用意义。

遥感图像的光谱增强处理六、灰度颠倒灰度变换数字处理是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)成饱和状态，然后进行颠倒。遥感图像的辐射增强处理七、直方图调整(对比度变换）

1）直方图拉伸

2）直方图均衡

3）直方图规定化遥感图像的辐射增强处理1）直方图拉伸（1）线性拉伸Alinearstretchinvolvesidentifyinglowerandupperboundsfromthehistogram(usuallytheminimumandmaximumbrightnessvaluesintheimage)andapplyingatransformationtostretchthisrangetofillthefullrange.

Thisgraphicillustratestheincreaseincontrastinanimagebefore(left)andafter(right)alinearcontraststretch.1）直方图拉伸（续1）（2）非线性拉伸I对数拉伸与人眼的视觉特性相匹配，扩张低的灰度，压缩高的灰度区。1）直方图拉伸（续2）（2）非线性拉伸ii指数拉伸扩展高灰度区间。

2）直方图均衡变换后的直方图接近均匀分布。即图象中每一灰度级的像元数目大致相同。使得面积最大的地物细节得以增强，而面积小的地物与其灰度接近的地物进行合并，形成综合地物。减少灰度等级换取对比度的增大。原直方图：均衡后直方图：:k级灰度的像元数；N:总的像元数

2）直方图均衡（续1）举例：原图和直方图2）直方图均衡（续2）举例：均衡后的图和直方图Iftheinputrangeisnotuniformlydistributed.Inthiscase,ahistogram-equalisedstretchmaybebetter.Thisstretchassignsmoredisplayvalues(range)tothefrequentlyoccurringportionsofthehistogram.Inthisway,thedetailintheseareaswillbebetterenhancedrelativetothoseareasoftheoriginalhistogramwherevaluesoccurlessfrequentlyThisgraphicillustratestheratherunevenincreaseincontrastinanimagebefore(left)andafter(right)ahistogramequalisedstretch.

3）直方图规定化直方图匹配将原始图象转换为给定直方图的图象。八、邻域增强处理邻域法增强处理是在被处理像元周围的像元参与下进行的运算处理。邻域处理又叫滤波处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。邻域法处理用于去噪声、图像平滑、锐化和相关运算。遥感图像的空间增强处理图像平滑（1）图像的平滑是使图像中高频成分消退，即平滑图像的细节，使其反差降低，保存低频成分，在频域中称为低通滤波。在空间域处理中，是对邻区窗口内的图像区域积分。图像平滑（2）常用平滑邻域算法反射率亮度值亮度值反射率平滑前后的图像直方图平滑后的影像原始影像锐化(1)锐化是增强图像中的高频成分，在频域处理中称为高通滤波，也就是使图像细节的反差提高，也称边缘增强。锐化是对邻区窗口内的图像微分。

锐化(2)锐化前后的直方图比较亮度值亮度值反射率Alow-passfilter（低通滤波）

isdesignedtoemphasiselarger,homogeneousareasofsimilartoneandreducethesmallerdetailinanimage.Thus,low-passfiltersgenerallyservetosmooth（平滑）

theappearanceofanimage.

A

high-passfilter

（高通滤波）doestheopposite,andservestosharpentheappearanceoffinedetailinanimage.

Directionaloredgedetectingfiltershighlightlinearfeatures,suchasroadsorfieldboundaries.Verticaledges（垂直边缘）HorizontaledgesDirectionalEdgefilterscanalsobedesignedtoenhancefeatureswhichareorientedinspecifi