第10章 遥感数字图像处理

遥感数字图像处理第十章本章主要内容数字图像基础图像辐射校正几何校正原理与方法图像增强处理2图像校正：包括辐射校正、几何校正。增强处理：增强图像中的有用信息，利于识别分析。包括彩色增强、直方图增强、图像运算、邻域增强、频率域增强、信息融合等。图像变换：消除干扰和滤掉噪声，提高图像质量。信息提取：图像分类（监督分类、非监督分类、神经网络分类、模糊分类）、空间信息提取、光谱信息提取。数字图像处理的主要内容310.1.1数字图像概念：指能够被计算机存储、处理和使用的图像。“离散化”、二维矩阵是数字图像的特点，每个像元的取值是图像连续变化的灰度的离散整数值。4数字图像数字图像的性质与特点什么是数字图像？模拟图像：普通像片那样的灰度级及颜色连续变化的图像数字图像：而是以数字形式表示的遥感影像。包括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分的亮度值作为该单元的亮度值进行数字化的图像。

5数字图像又称数字化图像，是一种以二维数组（矩阵）形式表示的图像。或者称为相应区域内地物电磁辐射强度的二维分布。该数组由对连续变化的空间图像作等间距抽样所产生的抽样点——像元（像素）组成。

6数字图像7数字图像8特点：(与光学图像相比)

便于计算机处理数字存储方式

获取、传输、分发等过程中没有信息损失抽象性强（表示在计算机里是很抽象的“数据流”）数字形式表示，便于建立分析模型，进行计算机解译和采用遥感图像专家系统。遥感数字图像9多波段数字图像存储与分发的常用数据格式：（1）BSQ数据格式（Bandsequential）；（2）BIP数据格式（Bandinterleavedbypixel）；（3）BIL数据格式（Bandinterleavedbyline）；辅助数据：数字图像尺寸等各种参数遥感数字图像的表示方法10BSQ(Bandsequential)数据格式：按波段顺序依次排列，1个文件，文件内划分1-K段，第n段数据为第n波段的图像数据[M行][N列]。多波段数字图像存储与分发的常用数据格式（BSQ）11BIP数据格式（Bandinterleavedbypixel），1个文件，[M行][N列]格式，每个单元顺序记录K个波段的相应数据。多波段数字图像存储与分发的常用数据格式（2）12BIL数据格式（Bandinterleavedbyline），1个文件，逐行按波段次序排列。第1波段的第1行、第2波段的第1行、…、第K波段的第1行；第1波段的第2行、第2波段的第2行、…、第K波段的第2行；……多波段数字图像存储与分发的常用数据格式（3）1310.2

遥感图象复原（ImageRestoration）图象恢复和图象增强一样，都是为了改善图象视觉效果，以及便于后续处理。只是图象增强方法更偏向主观判断，而图象恢复则是根据图象畸变或退化原因，进行模型化处理。2/2/202314§1图象退化和退化模型（Degredationmodel）

景物成象过程中可能出现畸变、模糊、失真或混入噪声,使得所成图象降质，称之为图象“退化”。造成图象退化的原因很多，典型原因表现为：

1、成象系统的象差、畸变、带宽有限等造成图象失真；2、由于成象器件拍摄姿态和扫描非线性引起的图象几何失真；3、运动模糊，成象传感器与被拍摄景物之间的相对运动,引起所成图象的运动模糊；2/2/202315

4、灰度失真，光学系统或成象传感器本身特性不均匀，造成同样亮度景物成象灰度不同；5、辐射失真，由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图象失真；

6、图象在成象、数字化、采集和处理过程中引入的噪声等。2/2/202316由于运动而引入的图象运动模糊2/2/202317图像恢复的推广：包括几何失真（畸变）校正；投影重建图像恢复的分类：技术上分类为：无约束恢复和有约束恢复策略上分类为：自动方法和交互方法（外部干预）作用域上分类为：频域方法和空域方法2/2/20231810.2.2图像几何校正产生图像几何变形的原因（1）地形起伏与地球曲率的影响（2）大气折射的影响（3）地球自转的影响（4）遥感器工作模式的影响（5）航空遥感平台姿态的影响－－偏航、俯仰、滚动（6）飞机自身状态的影响－－地速变化、航高变化19几何校正几何畸变：遥感图像的几何位置上发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等变形。几何畸变是平移、缩放、旋转、偏扭、弯曲等作用的结果。20几何校正从具有几何变形的图像中消除变形的过程。一般步骤：1确定校正方法2确定校正公式3验证校正方法4对原始输入图像进行重采样21地球自转引起的误差22地球曲率引起的误差23遥感图像几何校正的原理包括光学校正和数字纠正数字纠正：通过计算机对图像每个象元逐个地解析纠正处理，可以较精确改正线性和非线性变形误差。包括两个方面（基本环节）：（1）象元坐标变换；（2）象元灰度值重新计算（重采样）。24遥感图像几何校正的原理25数字图像几何纠正的主要处理过程准备工作输入原始数字影象建立纠正变换函数确定输出影象范围像元坐标变换像元亮度值重采样输出纠正后的图像准备工作：图像、地图、大地测量资料、平台轨道参数、传感器参数、控制点的选择；（具体内容可选）纠正变换函数建立：输入和输出图像间的坐标变换关系；如多项式法、共线方程法等26坐标变换确定原始图像和纠正后图像间的坐标变换关系（x，y）——（u，v）（u行数，v列数，均为整数）有两种方案：直接纠正方案：从原始图像阵列出发，依次对其中每一个象元P（x，y）分别计算其在输出（纠正后）图像的坐标P（X，Y），并计算P（X，Y）的灰度值;间接纠正方案：从空白图像阵列出发，依次计算每个象元P（X，Y）在原始图像中的位置P（x，y），然后把该点的灰度只依次计算后返送给P（X，Y）.

二者间并无本质差别，互为逆变换27坐标关系（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28坐标变换29图像灰度值的重采样几何校正过程中，由于校正前后图像的像元大小可能变化、象元点位置的相对变化等，不能简单用原图像象元灰度值代替输出象元灰度值。对应的坐标值可能不是整数因此，需要插值（重采样）三种插值方法：最邻近法、双线性法、三次卷积法30最邻近法（nearestneighbor）用距离投影点（采样点）最近象元灰度值代替输出象元灰度值简单、省时，保留原始图像的值边缘出现锯齿状31最邻近法原理32最邻近法优点：1保留大量原始灰度值，没有经过平滑处理，对于区分植被类型、识别线性特征等有重要意义2简易、省时3分类前使用4适合于专题文件缺点：1锯齿状、不平滑2某些值重复、某些值丢失3对线性地物，可能出现不连续33原始图像纠正后图像（最邻近插值）最邻近法纠正效果34双线性内插法取(x，y)点周围的4邻点，在y方向(或x方向)内插二次，再在x方向(或y方向)内插一次，得到(x，y)点的亮度值f(x，y)，该方法称双线性内插法.35双线性（bilinear）优点1较平滑，没有锯齿状2与最邻近法相比，空间信息更准确些3常用于改变象元大小时，如数据融合缺点：象元值被平均化，某些地物边缘更平滑，某些极值可能丢失36双线性插值效果原始图像纠正（双线性插值）37三次卷积法（cubicconvolution）取与投影点邻近的16个象元灰度值（4×4），计算输出象元的灰度值取与计算点(x，y)则围相邻的16个点，与双向线性内插类似，可先在在某一入向上内插，如先在x方向上，每4个值依次内插4次，再根据这四个计算结果在y方向上内插，得到f(x，y)。每一组4个样点组成一个连续内插函数。实际上是一种卷积运算，也叫三次卷积内插。38三次卷积法优点：1与其它重采样方法相比，均值和标准偏差与原始象元的相一致2改变象元大小时使用（改变幅度更大时）3可以锐化图像、平滑噪声，实际的效应与数据有关缺点：1数据的值可能被改变2计算费时39原始图像几何纠正（三次卷积）三次卷积法处理效果4010.2.3辐射校正（Radiometriccorrection）辐射畸变：

地物目标的光谱反射率的差异在实际测量时，受到传感器本身、大气辐射等其他因素的影响而发生改变。这种改变称为辐射畸变。影响辐射畸变的因素传感器本身的影响：导致图像不均匀，产生条纹和噪音。大气对辐射的影响4142大气影响的定量分析：大气的主要影响是减少了图像的对比度，使原始信号和背景信号都增加了因子，图像质量下降。大气影响的粗略校正：通过简单的方法去掉程辐射度（散射光直接进入传感器的那部分），从而改善图像质量。直方图最小值去除法回归分析法:校正的方法是将波段b中每个像元的亮度值减去a，来改善图像，去掉程辐射。

43直方图最小值去除法基本思路:每幅图像上都有辐射亮度或反射亮度应为0的地区，而事实上并不等于0,说明亮度最小值必定是这一地区大气影响的程辐射度增值。校正方法:将每一波段中每个像元的亮度值都减去本波段的最小值。使图像亮度动态范围得到改善，对比度增强，从而提高了图像质量。44图像直方图用平面直角坐标系表示一幅灰度范围为0-n（0-255）的数字图像像元灰度分布状态，横轴表示灰度级，纵轴表示某一灰度级（或范围）的像元个数占像元总数的百分比。通过灰度直方图可以直观地了解图像特征，以确定图像增强方案并了解图像增强后的效果45数字图像直方图：以每个像元为单位，表示图像中各亮度值或亮度值区间像元出现的频率的分布图。直方图的作用：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。小结

图像直方图是描述图像质量的可视化图表。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。46直方图47不同反差特征的图像图像直方图效果48反差增强直方图拉伸处理493.大气校正概念：消除主要由大气散射、吸收引起的辐射误差的处理过程。何时需要进行大气校正？定量信息提取；不同时相间的定量比较；不同波段间的运算；50大气校正方法公式法（较准确）；简单的相对大气校正方法：2回归分析法；3直方图校正法；51直方图校正方法直方图校正方法：从图像象元亮度值中减去一个辐射偏置量，辐射偏置量等于图像直方图中最小的亮度值；前提（假设）：水体（或阴影）等物体的灰度值为0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量）；暗物体法（Dark-objectmethod）；5253增强处理：增强图像中的有用信息，利于识别分析。包括彩色增强、直方图增强、图像运算、邻域增强、频率域增强、信息融合等。10.3遥感图象增强图象增强是指对图像的某些特征，如边缘、轮廓、对比度进行强调或尖锐化，以便于显示、观察或进一步地分析与处理。图像增强的目的是针对图象的退化和不足，改善图像质量，以较好的满足实际的需要。对比度问题噪声干扰问题清晰度下降问题54图象增强有两大类应用：改善图象的视觉效果；提高图像质量和突出所需信息，有利于分析判读或作进一步的处理。图像增强不增加图像数据中的相关信息，但它将增加所选择特征的动态范围，从而使这些特征检测或识别更加容易。551.反差增强（Contrastenhancement）也称辐射增强，按象元逐次进行。主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增强反差的目的。通过调整直方图来实现调整后的直方图应达到：分布好（较均匀），没有大量暗或亮的象元集中分布56Alinearstretchinvolvesidentifyinglowerandupperboundsfromthehistogram(usuallytheminimumandmaximumbrightnessvaluesintheimage)andapplyingatransformationtostretchthisrangetofillthefullrange.

57Thisgraphicillustratestheincreaseincontrastinanimagebefore(left)andafter(right)alinearcontraststretch.

58Iftheinputrangeisnotuniformlydistributed.Inthiscase,ahistogram-equalisedstretchmaybebetter.Thisstretchassignsmoredisplayvalues(range)tothefrequentlyoccurringportionsofthehistogram.Inthisway,thedetailintheseareaswillbebetterenhancedrelativetothoseareasoftheoriginalhistogramwherevaluesoccurlessfrequently59Thisgraphicillustratestheratherunevenincreaseincontrastinanimagebefore(left)andafter(right)a

histogramequalisedstretch.60纠正前的图像及直方图：偏暗高反射率图像反差增强61纠正后的图像及直方图反差增强62反差增强线性和非线性方法分段线性：增强某些部分，压制某些部分63

又称灰度比例尺变换。属于一点对一点的逐点变换。属于一对一或一对多的映射变换。

典型变换式：64Firstband（Green）forsampleSPOTimage原始图像的直方图65Firstband（Green）forsampleSPOTimage拉伸后图像的直方图66RawUnstretchedDataFirstband（Green）forsampleSPOTimage原始图像67LinearlyStretchedDataFirstband（Green）forsampleSPOTimage线性拉伸结果68LinearlyStretchedDataThreebandcombination:Band1（spectralgreen）displayedasblueBand2（spectralred）displayedasgreenBand3（spectralNIR）displayedasredUnstretchedLinearStretch6970非线性拉伸对数拉伸：扩张低的灰度区，压缩高的灰度区71非线性拉伸指数拉伸： 扩展高灰度区间

72对数变换指数变换灰度翻转73直方图均衡化（HistogramEqualization）非线性的增强方法；将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现；根据灰度值的出现频率来分配它们的亮度显示范围，频率高的部分被增强了，频率低的部分被压缩。74效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了。直方图均衡化（HistogramEqualization）75原始的直方图均衡化后的直方图直方图均衡化（HistogramEqualization）76直方图均衡化（HistogramEqualization）7710.3.2图像增强处理

1.代数运算概念：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必要信息的目的。原理：地物不同波段的光谱差异。781）比值运算：两幅同样行、列数的图像，对应像元的亮度值相除（除数不为0）就是比值运算。该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。常用算法：近红外波段/红波段;或（近红外-红）/（近红外+红）.对于区分和增强光谱亮度值虽不明显，而不同波段的比值差异较大的地物有明显效果。典型例子比值处理的方式：根据实际情况，采取加、减、乘、除四则运算。2）差值运算：两幅同样行、列数的图像，对应像元的亮度值相减就是差值运算。791）、K-L变换离散变换的简称，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。2.变换处理802）、K-T变换K-T变换

是kauth-Thomas变换的简称，也称缨帽变换.是一种坐标空间发生旋转的线性变换，旋转后的坐标轴指向与地面景物有密切关系的方向K-T变换的应用:主要针对TM图像数据和MSS数据.对于扩大陆地卫星TM影像数据分析在农业方面的应用有重要意义.813.彩色增强1）彩色合成变换2）HIS变换822、IHS变换RGB模式与IHS模式将RGB模式转换成IHS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。8310.3.3图像滤波处理

1、空间域滤波以重点突出图像上某些特征为目的。滤波增强的原理:任何一个复杂的波形曲线都可以分解成具有不同频率（波长）的较为简单的波形曲线。概念:根据需要，舍弃不需要的频率曲线，选择适宜和需要的频率波形曲线，重新构成新的图像，使一些地物或现象得到突出显示。84空间滤波：以突出图像上的某些特征为目的，通过像元与周围相邻像元的关系，采取空间域中的邻域处理方法进行图像增强方法。图像卷积运算：在图像的左上角开一个与模板同样大小的活动窗口，图像窗口与模板像元的亮度值相乘再相加，得到新像元的灰度值。851、平滑--图像中出现某些亮度值过大的区域，或出现不该有的亮点时，采用平滑方法可以减小变化，使亮度平缓或去掉不必要的亮点。比值平滑：将每个像元在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”和平滑图像的目的。中值滤波：将每个像元在以其为中心的邻域内，取中间亮度值来代替该像元值，以达到去掉尖锐“噪声”和平滑图像的目的。8643768215899589131079121511811101413437682158995891310791215118111014138722101010221010102210101022222222220000000000082432320824323200000水平方向8822101010221010102210101022222222220323200032320002424000880000000竖直方向8900000000000824323208243232000000323200032320002424000880000000902、锐化—突出图像的边缘、线性目标或某些亮度变化率大的部分。罗伯特梯度：找到了梯度较大的位置，也就找到了边缘，用不同的梯度值代替边缘处像元的值，也就突出了边缘。索伯尔梯度拉普拉斯算法定向检测91EdgeEnhancementedgeenhancementmathematicallymanipulatesanimagetoprovideanewimageinwhichedgesaremadetostandout.

92Smoothingsmoothingaveragesthevaluesofthepixelanditsneighbors.Ifthereis‘noise’intheimage(randompixelwithrandomvalues)thesmoothingprocesswillremovethese.

93ImageofCHURNFarmDaedalus1268ATMChannel394Alow-passfilter（低通滤波）

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

theappearanceofanimage.

95A

high-passfilter

（高通滤波）doestheopposite,andservestosharpentheappearanceoffinedetailinanimage.

96Directionaloredgedetectingfiltershighlightlinearfeatures,suchasroadsorfieldboundaries.Verticaledges（垂直边缘）97HorizontaledgesDirectionalEdgefilterscanalsobedesignedtoenhancefeatureswhichareorientedinspecificdirectionsandareusefulinapplicationssuchasgeology,forthedetectionoflineargeologicstructures.

983.频率域滤波1）低通滤波2）高通滤波3）带通滤波与方向滤波99傅立叶变换高通滤波100傅立叶变换低通滤波10110.4遥感图像分类方法1、监督分类

（1）、最小距离分类法Step2–foreachunclassifiedpixel,calculatethedistancetoaverageforeachtrainingarea102二、图像分类方法1、监督分类

（1）、最小距离分类法最近邻域分类法

NearestNeighbour

。DefinesatypicalpixelforeachclassAssignspixelsonthebasisofspectraldistanceCanseparatediverseclassesBoundaryproblemsremainunresolved103二、图像分类方法1、监督分类

（2）、多级切割分类法通过设定在各轴上的一系列分割点，将多维特征空间划分成分别对应不同分类类别的互不重叠的特征字空间的分类方法。对于一个未知类别的像素来说，它的分类取决于它落入哪个类别特征子空间中。104二、图像分类方法1、监督分类

（3）、特征曲线窗口分类法特征曲线是地物光谱特征曲线参数构成的曲线。以特征曲线为中心取一个条带，构造一个窗口，凡是落在此窗口内的地物即被认为是一类，反之，则不属于该类。105二、图像分类方法1、监督分类

（4）、最大似然比分类法(MaximumLikelihood)通过求出每个像素对于各类别的归属概率，把该像素分到归属概率最大的类别中去的方法。假定训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布。MaximumLikelihoodDefinesatypicalpixelforeachclassCalculatestheprobabilitythateachpixelintheimagebelongstothatclassMapsclassesonthebasisofconfidencelevelsBoundaryproblemsresolved106二、图像分类方法1、监督分类

（4）、最大似然比分类法(MaximumLikelihood)107二、图像分类方法1、监督分类

（4）、最大似然比