遥感原理与应用-第6章

遥感原理与应用-第6章第一页，共105页。内容提纲遥感图像的辐射处理

遥感图像增强

图像平滑

图像锐化多光谱图像四则运算图像融合第二页，共105页。问题的提出传感器接收的电磁波能量与目标本身辐射的能量是不一致的。传感器输出的能量包含了由于太阳位置和角度条件、大气条件、地形影响和传感器本身的性能等所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解造成影响，必须加以校正或消除。第三页，共105页。基本概念辐射定标和辐射校正是遥感数据定量化的最基本环节。辐射定标：指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。辐射校正：指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。第四页，共105页。6.1遥感图像的辐射处理

辐射误差传感器辐射标定辐射校正地面辐射校正场第五页，共105页。6.1.1辐射误差传感器接收的电磁波能量包含三部分：太阳经大气衰减后照射到地面，经地面反射后，又经大气第二次衰减进入传感器的能量地面本身辐射的能量经大气后进入传感器的能量大气散射、反射和辐射的能量。遥感图像的辐射误差主要包括：传感器本身的性能引起的辐射误差地形影响和光照条件的变化引起的辐射误差大气的散射和吸收引起的辐射误差第六页，共105页。6.1.2传感器辐射定标绝对定标：对目标作定量的描述，要得到目标的辐射绝对值。绝对定标要建立传感器测量的数字信号与对应的辐射能量之间的数量关系，即定标系数，在卫星发射前后都要进行。相对定标：只得出目标中某一点辐射亮度与其他点的相对值。又称为传感器探测元件归一化。为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。由于传感器中各个探测元件之间存在差异，使传感器探测数据图像出现一些条带。相对辐射定标的目得就是降低或消除这些影响。第七页，共105页。

绝对定标方法设传感器入口处波段i的辐射度Li和传感器输出的亮度值ＤＮi之间存在线性关系：卫星运行时，传感器的辐射灵敏度将随时间而变，故传感器的绝对辐射定标中的增益和偏置量要不断更新。这一更新利用卫星上的太阳标定器和地面标定场来完成。第八页，共105页。Landsat专题制图仪TM的辐射定标TM1，2，3，4，5，7的辐射定标通过星上定标光源系统进行。该系统有三组带有遮光快门的定标光源，一个可控制黑体温度的表面供第六波段定标。快门还提供一个零辐射亮度的表面作为TM1，2，3，4，5，7波段的直流参考水准，并提供第二个已知温度表面供六波段定标。在TM遥感器正反扫描前的1.3~1.5毫秒时间间隔内，探测器同时观测到定标辐射信号灯、直流参考水准和已知温源。前二者用于TM1，2，3，4，5，7波段定标而后者用于第六波段温度定标用。第九页，共105页。6.1.3辐射校正影像的辐射校正太阳高度角和地形影响引起的辐射误差校正大气校正系统噪音第十页，共105页。大气校正大气的影响：减少照射到地面的能量，增加对传感器探测到的，与地面特征无关的散射。消除大气的影响是非常重要的，消除大气影响的校正过程称为大气校正。校正的方法：寻找0反射目标条件：整个图像在相同的大气条件下获得。第十一页，共105页。常用校正方法1)基于地面场地数据或辅助数据进行辐射校正在遥感成像的同时，同步获取成像目标的反射率，或通过预先设置已知反射率的目标，把地面实况数据与传感器的输出数据进行比较，来消除大气的影响。本方法假设地面目标反射率与传感器所获得的信号之间属于线性关系。第十二页，共105页。常用校正方法2)利用某些波段特性来校正其它波段的大气影响。•一般情况下，散射主要发生在短波图像，对近红外几乎没有影响，如MSS-7几乎不受大气辐射的影响，把它作为无散射影响的标准图像，通过对不同波段图像的对比分析来计算大气影响。第十三页，共105页。回归分析法在不受大气影响的波段图像和待校正的某一波段图像中，选择从最亮到最暗的一系列目标，对每一目标的两个波段亮度值进行回归分析，如MSS的第4和7波段，其亮度值分别为L4和L7，回归方程为：第十四页，共105页。直方图法目标：图像中存在亮度为零的目标。理想情况：图像的亮度值应为零。实际情况：目标的亮度值不为零。方法：根据具体大气条件，各波段要校正的大气影响是不同的。为确定大气影响，显示有关图像的直方图,从图上可以得知最黑的目标亮度为零，即第七波段图像的最小亮度值为零，第四波段的亮度最小值为a4，则a4就是第四波段图像的大气校正。第十五页，共105页。直方图法第十六页，共105页。系统噪音图像数据中的干扰。产生的原因：受感测、信号数字化或数据记录过程中的限制。影响：数字图像质量下降，或完全掩盖图像中的真正辐射信息。目的：图像恢复到与初始图像尽可能接近的状况。方法：与噪音的特性有关关键：探测噪音第十七页，共105页。系统的条带噪音第十八页，共105页。6.1.4地面辐射校正场当遥感数据进行辐射定标和辐射校正后，如何评价其精度，需要通过地面辐射校正场来对计算结果进行验证和修正。因此通过地面辐射校正场来提高辐射定标和校正的精度具有特别重要的意义。建立地面辐射校正场符合遥感数据定量化的需要建立地面辐射校正场可以弥补星上定标的不足满足多种遥感资料的应用需要第十九页，共105页。现有的定标场一个完整的地面试验场对地理环境和技术准备有极高的要求。目前世界上比较典型的地面辐射场有：1979年美国在新墨西哥州白沙建立的地面辐射定标场，1987年法国在马赛西北LaCrau建立的地面辐射定标场。利用地面辐射定标场对有关的传感器进行了定标，取得了预期的成果。第二十页，共105页。我国地面辐射校正场从二十世纪八十年代接收和应用国内外气象和陆地卫星数据时，已认识到了在我国建立自己的地面辐射校正场的重要性和迫切性，以提高数据辐射定标和辐射校正精度。以后我国将发射自己的各类遥感卫星，因此建立地面辐射校正场具有十分重要的现实意义。我国根据需要选择了敦煌西戈壁作为可见光和红外波段的辐射校正场，青海湖作为热红外波段和红外低发射率的辐射校正场。第二十一页，共105页。中国气象局第7号令《气象探测环境和设施保护办法》

第十五条严禁在遥感卫星辐射校正场场区内从事任何建设和改变场区内自然状态的行为。本办法所称遥感卫星辐射校正场，是指利用辐射特性稳定、均匀的地物目标作为辐射参考基准，通过星地同步观测，对在轨运行遥感仪器进行绝对辐射定标或星上辐射定标校正的场地。第二十二页，共105页。6.2遥感图像增强图像灰度直方图图像反差调整第二十三页，共105页。6.2.1图像灰度直方图图像灰度直方图反映了一幅图像中灰度级与其出现概率之间的关系。

第二十四页，共105页。第二十五页，共105页。6.2.2图像反差调整线性变换

直方图均衡

直方图正态化

直方图匹配

密度分割

其他非线性变换

第二十六页，共105页。线性变换简单线性变换：按比例拉伸原始图像灰度等级范围目的：为了充分利用显示设备的显示范围，使输出直方图的两端达到饱和。特点：一对一关系，像元总数不变。其数学表达式为：第二十七页，共105页。线性增强第二十八页，共105页。线性变换第二十九页，共105页。直方图均衡将随机分布的图像直方图修改成均匀分布的直方图，其实质是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。第三十页，共105页。直方图均衡效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了第三十一页，共105页。第三十二页，共105页。直方图均衡第三十三页，共105页。直方图正态化将随机分布的原图像直方图修改成高斯分布的直方图第三十四页，共105页。直方图匹配通过非线性变换使得一个图像的直方图与另一个图像直方图类似。要求1．图像直方图总体形状应类似；2．图像中黑与亮特征应相同；3．图像的空间分辨率应相同；4．图像上地物分布应相同，尤其是不同地区的图像匹配。如果一幅图像里有云，而另一幅没有云，那么在直方图匹配前，应将其中一幅里的云去掉。第三十五页，共105页。其他非线性变换非线性变换有很多方法，如对数变换、指数变换、平方根变换、标准偏差变换、直方图周期性变换。第三十六页，共105页。密度分割密度分割与直方图均衡类似。产生一个阶梯状查找表，原始图像的灰度值被分成等间隔的离散的灰度级，每一级有其灰度值。n为密度分割的层数

第三十七页，共105页。密度分割第三十八页，共105页。灰度反转对图像灰度范围进行线性或非线性取反，产生一幅与输入图像灰度相反的图像。结果：原来亮的地方变暗，原来暗的地方变亮。灰度反转有两种算法：简单的灰度反转条件反转第三十九页，共105页。灰度反转条件反转其中Din为输入图像灰度且已归一化（0－1.0），Dout为输出反转灰度。简单的灰度反转第四十页，共105页。6.3图像平滑目的：在于消除各种干扰噪声，使图像中高频成分消退，平滑掉图像的细节，使其反差降低，保存低频成分。邻域平均法低通滤波法第四十一页，共105页。6.3.1邻域平均法基本思想：利用图像点（x，y）及其邻域若干个像素的灰度平均值来代替点（x，y）的灰度值，结果是对亮度突变的点产生了“平滑”效果。邻域平均是基于图像上的背景或目标部分灰度的变化是连续的，缓慢的，而颗粒噪声使图像上一些像素的灰度造成突变。通过邻域平均可以平滑突变的灰度。第四十二页，共105页。6.3.1邻域平均法S为（x，y）的邻域，可以取包含（x，y）的3×3邻域、5×5邻域或7×7邻域等第四十三页，共105页。6.3.1邻域平均法平滑计算可以用邻域内元素与其对应的权相乘后相加，用⊕表示，称为空间卷积模板中各数值之和为1，即有平均的意思。第四十四页，共105页。6.3.1邻域平均法第四十五页，共105页。6.3.2低通滤波法低通滤波法属于频域处理方法。图像中灰度跳跃变化区，对应着频率域中的高频成分，灰度变化缓慢的区域对应着频率域中的低频成分。图像中的噪声，经图像变换后，对应高频成分。低通滤波法是用滤波方法将频率域中一定范围的高频成分滤掉，而保留其低频成分以达到平滑图像的目的。第四十六页，共105页。6.3.2低通滤波法由卷积定理可知其中F（u，v）是含有噪音的图像变换，G（u，v）是平滑处理后的图像变换，H（u，v）为滤波器。现在要选择一个合适的H（u，v），经式6－3－3运算后使F（u，v）的高频成分衰减以得到G（u，v），经图像反变换得到所希望的平滑图像。选择H（u，v）是进行低通滤波的关键。它必须具备低通滤波特性。第四十七页，共105页。理想的低通滤波

一个理想的二维低通滤波器为：其中：D0是一个非负值，为理想低通滤波器的截止频率，D（u，v）是从（u，v）到频率域原点的距离第四十八页，共105页。理想的低通滤波理想滤波器的含义是以截止频率D0为半径的圆内所有频率分量都能通过，截止频率以外的所有频率分量完全不能通过。理想低通滤波器的平滑效果很明显。与空间域处理一样，也有使图像变模糊的现象，并且随D0减小其模糊程度加重。第四十九页，共105页。其它低通滤波器

第五十页，共105页。第五十一页，共105页。6.4图像锐化目的：增强图像中的高频成份，突出图像的边缘信息，提高图像细节的反差，也称为边缘增强，其结果与平滑相反。图像锐化方法：空间域处理频率域处理第五十二页，共105页。6.4.1空间域图像锐化

锐化是对邻区窗口内的图像微分，常用的微分方法是梯度。第五十三页，共105页。空域锐化算子

第五十四页，共105页。不同算子的边缘提取效果比较

原始图像

Sobel算子Prewitt算子Roberts算子Laplace算子第五十五页，共105页。空间域图像锐化第五十六页，共105页。6.4.2频域图像锐化

锐化在频域中处理称为高通滤波。它与低通滤波相反，保留频域中的高频成分而让低频成份滤掉，加强了图像中的边缘和灰度变化突出部分，以达到图像锐化的目的。在高通滤波中要选择一个合适的滤波器，使其具有高通滤波的特性。第五十七页，共105页。理想高通滤波器

式中D0意义同前，用图表示，其含义为把半径为D0内的所有低频安全滤掉，大于D0的所有频率完全通过。第五十八页，共105页。其他高通滤波器

第五十九页，共105页。边缘增强第六十页，共105页。边缘提取第六十一页，共105页。6.4.2频率域图像锐化第六十二页，共105页。6.5多光谱图像四则运算针对多源遥感图像的特点，可以利用多源图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第六十三页，共105页。减法运算Bm=BX－BY其中BX、BY为两个不同波段的图像或者不同时相同一波段图像。当为两个不同波段的图像时，通过减法运算可以增加不同地物间光谱反射率以及在两个波段上变化趋势相反时的反差。而当为两个不同时相同一波段图像相减时，可以提取波段间的变化信息。当用红外波段与红波段图像相减时，即为植被指数，即VI=B1R－BR第六十四页，共105页。红外波段-红波段第六十五页，共105页。加法运算通过加法运算可以加宽波段，如绿色波段和红色时段图像相加可以得到近似全色图像；而绿色波段，红色波段和红外波段图像相加可以得到全色红外图像。第六十六页，共105页。红波段+绿波段第六十七页，共105页。除法运算

通过比值运算能压抑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，如植物、土壤、水在红色波段与红外波段图像上反射率是不同的，通过比值运算可以加以区分。因此，比值运算是自动分类的预处理方法之一。第六十八页，共105页。红波段/红外波段第六十九页，共105页。混合运算归一化差分植被指数，也称为生物量指标变化，可使植被从水和土中分离出来。差分比值运算，可以消除部分大气影响。第七十页，共105页。6.6图像融合图像融合：将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。第七十一页，共105页。第七十二页，共105页。融合的目的从不同的遥感图像中获得更多有用的信息，补充单一传感器的不足。全色图像一般具有较高空间分辨率（如SPOT全色图像分辨率为10m），多光谱图像光谱信息较丰富（SPOT有三个波段），为提高SPOT多光谱图像的空间分辨率，可以将全色图像融合进多光谱图像。通过融合既提高多光谱图像空间分辨率（10m），又保留其多光谱特性。第七十三页，共105页。第七十四页，共105页。关键技术问题图像的配准空间配准数据关联融合模型的建立与优化充分认识研究对象的地学规律与信息特征充分了解每中融合数据的特性，适用性和局限性如何考虑选择最佳波段用于融合融合方法的选择第七十五页，共105页。融合的层次基于像素的融合，基于特征的融合，基于知识的融合第七十六页，共105页。融合分类第七十七页，共105页。三种融合层次特点比较

第七十八页，共105页。遥感图像融合的条件

融合图像应包括不同空间和光谱分辨率融合的图像应是同一区域图像应尽可能精确配准在不同时间获取的图像中，其内容没有大的变化第七十九页，共105页。遥感图像融合流程

图像预处理图像配准图像融合识别后处理决策基础预处理包括两部分：图像几何校正与图像配准第八十页，共105页。基于像素级的图像融合具体方法要求多源图像精确配准分辨率一致将图像按某种变换方式分解成不同级的子图像，同时，这种分解变换必须可逆，即由多幅子图像合成一幅图像，即为融合图像。这时多幅子图像中包含了来自其它需要融合的经图像变换的子图像。第八十一页，共105页。融合的方法加权融合基于HIS变换的图像融合基于主分量变换的图像融合基于小波变换的图像融合比值变换融合乘积变换融合基于特征的图像融合基于分类的图像融合第八十二页，共105页。加权融合基于像元的加权融合对两幅图像按下式进行：A，B为常数；为两个图像的权，为两幅图像的相关系数：第八十三页，共105页。加权融合SPOT全色图像与多光谱图像的融合，由于多光谱中的绿、红波段与全色波段相关性较强，而与红外波段相关性较小，可以采用全色波段图像与多光谱波段图像的相关系数来融合。其过程如下：对两幅图像进行几何配准，并对多光谱图像重采样与全色图像分辨率相同；分别计算全色波段与多光谱波段图像的相关系数；用全色波段图像和多光谱波段图像按下式组合：第八十四页，共105页。基于HIS变换的图像融合IHS变换将图像处理常用的RGB彩色空间变换到IHS空间。IHS空间用亮度（Intensity）、色调（Hue）、饱和度(Saturation)表示。IHS变换可以把图像的亮度、色调和饱和度分开，图像融合只在强度通道上进行，图像的色调和饱和度保持不变。第八十五页，共105页。基于IHS变换的融合过程待融合的全色图像和多光谱图像进行几何配准，并将多光谱图像重采样与全色分辨率相同；将多光谱图像变换转换到HIS空间。对全色图像I’和HIS空间中的亮度分量I进行直方图匹配。用全色图像I’代替IHS空间的亮度分量，即HIS－>HI’S。将HI’S逆变换到RGB空间，即得到融合图像。第八十六页，共105页。基于主分量变换的图像融合方法一对多光谱图像的多个波段进行主分量变换。变换后第一主分量含有变换前各波段的相同信息，而各波段中唯一对应各波段的部分，被分配到变换后的其它波段。将高分辨率图像和主成分第一分量进行直方图匹配，使高分辨率图像与主成分第一分量图像有相近的均值和方差。用直方图匹配后的高分辨率图像代替主成份的第一分量进行主分量逆变换。第八十七页，共105页。基于主分量变换的图像融合方法二将高分辨率图像作为一个波段和多光谱图像组合一起进行KL变换，变换后图像信息的再分配达到高分辨率图像和多光谱图像的融合。第八十八页，共105页。基于主分量变换的图像融合设全色图像P，多光谱图像M有n个波段，将M组合成一个含有n个波段的向量集X:

各个波段之间的方差为:

第八十九页，共105页。基于主分量变换的图像融合协方差矩阵：一个满秩矩阵，其特征值为实数，它表示n+1个波段图像中的各地物在n+1维空间中的分布。求出特征值后对特征值，进行排序，求出对应的特征向量，构成特征向量集。第九十页，共105页。基于主分量变换的图像融合用KL变换式进行KL正变换。变换后的第一主分量含有变换前各波段图像的相同信息，而各波段中其余对应部分被分配到变换后的其他波段。将高分辨率的全色图像和中第一主分量进行直方图匹配，使高分辨率图像和第一主分量有相同的均值和方差。最后用直方图匹配后的高分辨率图像代替主分量中的第一主分量和其余分量一起进行KL逆变换，然后对矩阵进行重组，得融合图像。第九十一页，共105页。KL变换性质KL变换是一个正交变换KL变换后所得到的向量中各个元素互不相关从离散KL后得到的向量删除后面的个元素而只保留前个元素时所产生的误差满足平方误差最小的准则第九十二页，共105页。基于小波变换的图像融合采用离散二进小波变换的Mallat算法的图像融合步骤如下：①对高分辨率全色图像和多光谱图像进行几何配准，并且对多光谱图像重采样与全色图像分辨率相同；②对全色图像和多光谱图像进行直方图匹配；③对全色高分辨图像进行小波分解，分解成LL（低频部分），HL（水平方向的小波系数），LH（垂直方向小波系数），HH（对角方向的小波系数）；④对多光谱图进行分解成四部份LL，LH，HL，HH；⑤根据需要或保持多光谱色调的程度由③,④中的LL重新组合成新的LL；⑥根据需要由③,④中的LH，HL，HH重新组合成新的LH，HL，HH；⑦由⑤,⑥所得的新的LL，HL，LH，HH小波反变换重建影像；⑧其它波段融合重复步骤③－⑦。第九十三页，共105页。比值变换融合其中:Bi(i=1,2,3)为多光谱图像；D为高分辨率图像；DBi(i=1,2,3)为比值度变换融合图像。