遥感图像处理-2

遥感图像处理与应用第1章概论主要内容：☞

1.1

图像与遥感数字图像

☞

1.2遥感数字图像处理

☞

1.3

数字图像处理的发展☞

1.4

基础理论与基本知识要求1.1图像与遥感数字图像一、图像与数字图像1图像的定义☞图像是对客观对象的一种相似性的描述和写真，它包含了被描述或写真对象的信息，是人们最主要的信息源。（《数字图像处理》，冈萨雷斯，2003）☞图像（Image）是通过镜头等设备得到的视觉形象。是以某一技术手段再现于二维画面上的视觉信息。2图像的类别（1）可见图像与不可见图像（2）模拟图像与数字图像二、遥感数字图像☞遥感数字图像是数字形式的遥感图像☞A/D、D/A转换☞像素1.1图像与遥感数字图像图像人眼视觉的可视性可见图像：（图片、照片、素描、油画等）不可见图像不可见光图像：（紫外线、红外线、微波成像）不可见测量值分布图温度场压力场声音图像图像的明暗程度和空间坐标的连续性模拟图像(Analog)数字图像(Digital)空间坐标和灰度连续计算机无法处理可见图像空间坐标和灰度不连续适宜计算机存储和处理不可见图像1.2遥感数字图像处理一、遥感数字图像处理概述☞

数字图像处理是对数字图像进行获取、存储、传输、变换、显示、理解和综合利用的过程。☞遥感数字图像处理是利用计算机图像处理系统对遥感图像中的像素进行系列操作的过程。

☞

遥感数字图像处理的主要内容：（1）图像增强（2）图像校正（3）信息提取☞遥感数字图像处理的基本形式：单幅图像2单幅图像、单幅图像2多幅图像、多幅图像2单幅图像、单或多幅图像2数字或符号1.2遥感数字图像处理二、遥感数字图像处理系统☞

硬件系统

（1）计算机（2）数字化设备（3）大容量存储设备（4）显示器与输出设备（5）操作台☞软件系统

ERDAS、ENVI、

PCI、ER-Mapper1.3数字图像处理的发展一、数字图像处理的应用与处理方法☞

数字图像处理在医学、遥感、通信、公安等领域有着广泛的应用。☞数字图像处理的两种观点：（1）离散方法的观点（2）连续方法的观点☞遥感数字图像处理的常见算法形式：（1）局部处理（2）模板处理（3）卷积处理（4）迭代处理1.3数字图像处理的发展二、遥感数字图像处理应用的需求☞军事：目标识别与定位；毁伤评估……☞资源：土地资源（耕地、城市化）；水资源（淡水、冰川）；矿产资源；生物资源……☞环境：大气；土壤；植被……☞灾害：干旱、洪涝；荒漠化、石漠化；山洪泥石流；地震和海啸……1.4基础理论与基本知识要求一、基础理论与基本知识要求

1物理学

2地学

3数学

4信息学

5计算机科学

6地理信息科学第2章遥感数字图像的获取与存储主要内容：☞

2.1

遥感图像的获取和数字化

☞

2.2常见遥感平台及其传感器特征

☞

2.3

遥感图像的类型☞

2.4

遥感数字图像的级别和数据格式2.1遥感图像的获取和数字化一、遥感系统

1遥感的概念：技术（体系）、过程

2遥感系统（1）遥感实验（2）信息获取（3）信息传输（4）信息处理（5）信息应用二、传感器

1常见的传感器：摄影机、扫描仪、雷达、辐射计、散射计

2传感器的分类：主动or被动、成像or非成像、摄影or扫描

2.1遥感图像的获取和数字化3、采样与量化(p22)☞采样：将空间上连续的图像变换成像素的操作。它决定了地表单位距离或单元面积上采集的像元点数以及遥感数据的行列数。☞量化：将采样单元内辐射亮度转换成整数灰度级的过程。它决定了遥感数据记录单元的字长。不同采样间隔对TM图像的影响不同量化位数对TM图像的影响2.2常见卫星遥感平台及其传感器特征☞常见的卫星遥感平台有哪些？☞它们携带的传感器分别是什么？☞传感器的特征如何？☞卫星携带传感器的主要用途有哪些？P24-282.3遥感图像的类型一、不相干图像☞光学遥感☞像素记录的是各相关物体发射的辐射能量之和☞多光谱图像、高光谱图像、高空间分辨率图像二、相干图像☞微波遥感☞像素记录的是相关物体辐射的复振幅总和

黑白影像（Grayscale、B/W）：

VISB/W、IRB/W(NIR;SWIR;TIR)、RadarB/W、PanImage彩色影像：真彩色（Truecolor）、假彩色（Pseudo）（含标准假彩色）2.4遥感数字图像的级别和数据格式一、数据级别

☞0级产品：未经过任何校正的原始图像数据☞1级产品：经过了初步辐射校正的图像数据☞2级产品：根据卫星轨道和姿态等参数以及地面系统中的有关参数对原始图像进行了几何校正☞3级产品：利用地面控制点对图像进行了几何精校正，使之具备更高的空间位置精度☞4级产品：采用数字高程模型（DEM）校正地势起伏造成的视差☞5级产品：无缝标准镶嵌图像产品

2.4遥感数字图像的级别和数据格式二、元数据http://glcf.umiacs./data/2.4遥感数字图像的级别和数据格式三、通用遥感图像的数据格式☞多波段遥感图像3种最基本的通用记录格式（1）BSQ格式（2）BIL格式（3）BIP格式四、特殊遥感图像数据格式

☞.dat格式☞ .hdf格式☞.TIFF格式/.GeoTIFF格式

2.4遥感数字图像的级别和数据格式五、图像文件的坐标与大小

1图像文件的坐标☞文件坐标：左上角始，（列，行）☞地图坐标：与投影与坐标系有关

2图像文件的大小影像数据量=行数(M)*列数(N)*灰阶数(G)*波段数(D)*辅助参数(k)

例：一景LandsatTM图像：

5733行*6792列*1Byte*7波段*1=259.94M

第3章遥感图像的表示与统计描述主要内容：☞

3.1

遥感图像模型

☞

3.2遥感图像的数字表示

☞

3.3

单波段图像的统计特征☞

3.4多波段图像的统计特征

☞3.5窗口、卷积与滤波3.1遥感图像模型一、遥感图像的模式遥感图像记录的是遥感传感器对地观测的结果，遥感图像的灰度值反映了地物的反射和发射电磁波能力，遥感图像的灰度值与工作区地物的成分、结构等以及遥感传感器的性质之间存在着某种内在联系，这种内在联系可以用一函数关系来表达，也就是说客观存在遥感图像的模式。

作为一个普遍性的理论模式，遥感图像一般可以用这样一个公式来描述（一幅遥感图像上任一点（x，y）所记录的波谱辐射量L）：L(x,y,λ,t,p)=ρ(x，y,λ,t,p)I(x,y,λ,t)+[1-ρ(x,y,λ,t,p)]E(λ)3.1遥感图像模型一、遥感图像的模式

L(x,y,λ,t,p)=ρ(x，y,λ,t,p)I(x,y,λ,t)+[1-ρ(x,y,λ,t,p)]E(λ)L：遥感图像ρ：地物目标的反射率I：入射的辐射量E：黑体的波谱发射能力x,y：空间坐标λ：波长t：成像时间图像上的能量=目标的反射能量

+目标的发射能量对于可见光与红外部分(白天目标的发射能量忽略不计)L(x,y,λ,t,p)=ρ(x,y,λ,t,p)I(x,y,λ,t)对于单幅遥感图像（λ,t,p可以认为是常数）L(x,y)=ρ(x,y)I(x,y)=f(x,y)3.1遥感图像模型二、多源遥感图像

☞在同一地区，随时间、波段和极化方向不同而获得的多个遥感图像的组合。

（1）多波段图像：有助于识别地物的不同类型与形态（2）多时相图像：监测地物或环境因素的动态变化（3）多极化图像：侧视雷达图像HV三、图像函数g(x,y)=T{f(x,y)}图像函数g(x,y)的特点：p39①连续性②定义域的限定性③值域的限定性④物理意义的明确性3.2遥感图像的数字表示遥感图像的数字表示方法确定性表示统计性表示矩阵表示向量表示密度函数表示统计特征表示单波段的统计特征多波段的统计特征集中：均值中值众数离散：方差变差反差协方差直方图匹配相关系数3.2遥感图像的数字表示一、图像的确定性表示☞写出图像的数学表达式（矩阵or向量）

1图像的矩阵表示

3.2遥感图像的数字表示1图像的矩阵表示——二值图像

☞像素值仅为0和1☞通常0表示背景（假），1表示前景目标（真）

二值图像的矩阵表示通常，背景用白色表示前景用黑色表示3.2遥感图像的数字表示1图像的矩阵表示——灰度图像

☞像素值为量化的灰度值☞对于8位量化而言，灰度值0表示黑色，128表示灰色，255表示白色。

3.2遥感图像的数字表示1图像的矩阵表示——彩色图像

☞每个像素由红、绿、蓝三原色构成☞R、G、B由不同的灰度级分别描述

3.2遥感图像的数字表示1图像的向量表示

☞按行的顺序排列像素，使图像下一行第一个像素紧接着上一行最后一个像素，图像可以表示成

1*MN的列向量f：

☞向量既可以按行也可以按列来构造☞向量表示的优点：可以直接应用向量分析的理论与方法3.2遥感图像的数字表示二、图像的统计特征表示☞把图像灰度级作为一个随机变量☞把图像作为一个随机向量

——用密度函数来表示（或分布函数）

——用统计特征参数来表示（如期望、方差等）

☞单幅遥感图像可以看做是自然界波谱总体的一个样本

3.3单波段图像的统计特征一、基本统计特征☞反映像素值平均信息的统计参数☞反映像素值变化信息的统计参数

中心趋势变化程度3.3单波段图像的统计特征3.3单波段图像的统计特征二、直方图（定义、性质、应用）

1定义：直方图是灰度级的函数，描述图像中各个灰度级像元个数，反映图像质量的可视化图形。☞直方图中横坐标表示灰度级，纵坐标表示每一灰度级具有的像元数或该像元数占总像元数的比例

☞直方图是图像灰度分布的直观描述，能够反映图像的信息及其分布特征，因而，遥感数字图像处理过程中，可以通过修改图像中的直方图来增强图像的目标信息。3.3单波段图像的统计特征2直方图的性质（1）直方图反映图像灰度分布规律（2）一副图像对应一副直方图，反之不然（3）直方图的可加性（4）形态接近正态分布曲线形态3

直方图的应用直观地了解图像的亮度值分布的离散程度，反映图像的质量差异，为有目的地改善图像质量提供依据。3.4多波段图像的统计特征1多波段图像统计特征的作用☞图像分析的参数☞图像合成的依据☞实现图像压缩处理☞实现图像信息复原2两个基本统计特征量（波段间的关系）☞协方差与协方差矩阵☞相关系数与相关矩阵3直方图匹配及其应用P47-493.5窗口、卷积与滤波1窗口和邻域☞窗口：对于图像中的任一像素(x，y)，以此为中心，按上下左右对称所设定的像素范围，窗口多为矩形，行列数为奇数，按“行数×列数”进行命名。☞邻域：中心像素周围的行列。邻域按与中心像素相邻的行列总数命名。对一个3×3的窗口来说有4-邻域和8-邻域两种。3.5窗口、卷积与滤波2邻域计算与卷积计算☞邻域计算：对于中心像素(x,y)，其值用f(x,y)表示，可以按照相邻性规则进行计算。最常用的邻域计算方法是卷积计算。☞卷积计算：空间域上针对特定窗口进行的计算，是图像平滑、锐化中使用的最基本的计算方法。3.5窗口、卷积与滤波2邻域计算与卷积计算☞卷积计算的思路①选定一卷积模板（窗口）②从待处理图像左上角开始，图像与模板像元亮度值对应乘加，所得新值放入窗口中心位置③窗口右移一个像元后做同样运算④按从左到右从上到下的顺序，遍列生成新图☞图像边缘处理方法

①补0值②对称原则图像中取值③保留原值不参与计算3.5窗口、卷积与滤波3滤波☞广义从含有干扰的接受信号中提取有用的信号。☞狭义

改变信号中各个频率分量的相对大小，或者分离出来加以抑制或者全部滤除某些频率分量的过程。☞滤波的概念主要运用于频率域图像处理中，在空间域，滤波即为卷积运算。第4章图像的显示与拉伸主要内容：☞

4.1

数字图像的显示☞

4.2图像的彩色合成

☞

4.3图像的拉伸4.1数字图像的显示☞数字图像的显示必须符合人眼的视觉要求☞对光接收的人眼细胞有锥细胞主细胞☞锥细胞可以分辨光的色调和饱和度，柱细胞对光的明度敏感☞常用的颜色空间模型有：RGB模型、CYMK

模型、HSI模型☞图像的彩色显示：

（1）软拷贝：借助彩色显示管来显示彩色图像，用加色法产生各种颜色（2）硬拷贝：借助打印机等来显示彩色图像，用减色法产生各种颜色4.2图像的彩色合成☞通常人眼只能区分出10个灰度级，却能分辨出几千种不同的颜色☞要在一副图像中显示多波段的遥感信息，更需要应用彩色合成增强方法

4.2图像的彩色合成☞图像彩色合成的几种方式：（1）伪彩色合成：将单波段灰度图像转换成彩色图像的方法，彩色是人为赋予的，与地物的颜色毫无关系。（密度分割法）（2）真彩色合成：真彩色图像的颜色与人眼视觉的颜色（自然色）一致，如TM图像的3、2、1

波段分别赋予红绿蓝三色。（3）假彩色合成：任意三个波段或经过处理后的三个图像分量分别用红绿蓝显示，合成彩色图像，图像的颜色与实际地物的颜色不一致。（4）模拟真彩色合成：通过模拟产生近似真彩色的彩色合成方法。

4.2图像的彩色合成4.2图像的彩色合成4.2图像的彩色合成4.3图像的拉伸☞对比度：图像亮度最大值与最小值的比值☞拉伸：最基本的图像处理方法，用来改善图像的对比度☞拉伸的处理对象：波段的单个像素值☞拉伸的作用：突出或抑制地物的特征☞拉伸方法选择的依据：图像直方图☞拉伸的类型：灰度拉伸与直方图修正4.3图像的拉伸一、灰度拉伸

1线性拉伸（1）全域线性拉伸（2）分段线性拉伸

2非线性变换（1）指数变换（2）对数变换

4.3图像的拉伸二、直方图均衡化与规定化

1直方图均衡化（1）基本思想：对原始图像的像元值做某种映射变换，使变换后的图像直方图灰度级尽可能均匀分布（2）特点：①②p832直方图规定化（1）基本思想：对原始图像的像元值做某种映射变换，使变换后的图像直方图变成规定形状的直方图（2）作用：①图像镶嵌前的匀色处理②动态变化研究的预处理第5章图像校正主要内容：☞

5.1

几何纠正

☞

5.2辐射校正5.1几何纠正（p109-121）一、几何纠正的含义

是指为减少遥感成像过程中的几何误差，削弱遥感图像中的几何畸变的遥感图像处理过程。二、图像几何误差的来源

1传感器自身的性能、技术指标偏差

2遥感平台的位置和运动

3地形起伏的影响

4大气折射的影响

5地球曲率的影响

6地球自转的影响三、几何精纠正的基本思路（p111）地面控制点数据数学模型对应关系标准空间

5.1几何纠正四、几何精纠正的基本步骤五、几何精纠正的关键环节

1地面控制点：数目、分布、坐标来源

2像元灰度重采样：重采样方法

准备工作输入原始数字图像确定工作范围选择地面控制点选择地图投影像元几何位置变换像元灰度重采样输出纠正后的图像5.1几何纠正5.2辐射校正（p87-109）一、辐射校正的含义

是指削弱遥感图像数据中依附在辐射亮度中的各种失真的遥感图像处理过程。二、失真原因

1传感器自身的条件

2大气条件

3太阳位置和地形条件三、辐射校正的目的与内容（p87）

传感器端的校正大气校正太阳/地形校正

5.2辐射校正四、传感器端的校正（p99）

辐射定标：星上定标、实验场定标五、大气纠正（p102）

1统计学方法：内部平均法、平均域法、经验线性法

2辐射传输方程计算法：6S模型

3波段对比法：回归分析法、直方图法六、地面辐射校正（p107）

1太阳辐射校正：公式法、比值法

2地形辐射校正：余弦公式法

第6章图像变换主要内容：☞

6.1

傅里叶变换

☞

6.2主成分变换

☞

6.3

缨帽变换☞

6.4代数变换

☞6.5彩色变换第6章图像变换导言：图像变换的目的？常见的遥感图像变换方法？怎样利用专业软件进行图像变换？（p123）①简化图像处理②便于图像特征提取③图像压缩④增强图像信息的理解①傅里叶变换②主成分变换③缨帽变换④代数运算⑤彩色变换6.1傅里叶变换（p124-129）一、理论基础（数学、信号学）

1傅里叶变换与频谱

2图像的傅里叶变换

3FFT/IFFT与频率域变换二、遥感图像傅里叶变换的流程

Step1：正向FFT（指定图像的一个波段，按计算公式进行

FFT，产生频率域图像）

Step2：定义滤波器（以频率域图像为参照，根据实际需要，定义合适的滤波器）

Step3：逆向FFT（将定义的滤波器应用到频率域图像，得到空间域图像进行显示）6.2主成分变换（p131-135）一、基本思路与应用1基本思路：基于变量之间的相关关系，在尽量不丢失信息的前提下的线性变换方法2应用：数据压缩与信息增强二、主成分变换的流程

Step1：主成分正变换

Step2：主成分逆变换6.3缨帽变换（p131-139）一、基本思路与应用1基本思路：针对Landsat数据，旋转坐标空间后，坐标轴指向植物生长过程和土壤。2应用：分析农作物特征，具有实际意义二、缨帽变换的3主分量物理意义：亮度分量：加权和，整体反射值绿度分量：反映生物量特征湿度分量：植被、土壤湿度6.3缨帽变换6.4代数运算（p140-144）一、基本思路两幅或多幅单波段影像，完成空间配准后，通过一系列运算（加、减、乘、除等），来突出某些感兴趣地物信息，达到图像增强的目的。二、常见代数运算

1加法运算B=B1+B2平均统计特征

2差值运算B=B1-B2突出波段差异信息、动态监测

3乘法运算B=B1*B2遮盖图像某些部分

4比值运算B=B1/B2降低误差、去地形影像6.4代数运算三、植被指数（VI:VegetationIndex）

1含义：根据地物光谱反射率的差异作比值运算，可以突出植被的特征、提取植被类别或估算绿色生物量，能够提取植被的算法称为植被指数。

2常见的几种植被指数

(1)比值植被指数RVI=IR/R(2)归一化植被指数NDVI=(IR-R)/(IR+R)(3)差值植被指数DVI=IR-R(4)正交植被指数

PVI=1.6225(IR)-2.2978(R)+11.0656

或PVI=0.939(IR)-0.344(R)+0.096.5彩色变换（p144-149）一、HSI彩色变换

1球体变换

2圆柱体变换二、彩色变换的应用

1进行不同分辨率图像的融合

2增强合成图像的饱和度

3通过对强度I成分的处理进行图像增强

4多源数据综合显示

5其他应用6.5彩色变换第7章遥感图像分类

主要内容：

☞

7.1

遥感图像分类概述

☞

7.2遥感图像计算机分类方法

☞

7.3

分类后处理与精度分析☞

7.4

遥感专题制图7.1遥感图像分类概述（p209-216）

什么是遥感图像分类？为什么要进行遥感图像分类？遥感图像分类的基本思想是什么？遥感图像分类方法有哪些？遥感图像分类的主要步骤是什么？7.1遥感图像分类概述一、遥感图像计算机分类的含义

是对遥感图像上的地物进行属性的识别和分类，是模式识别技术在遥感领域中的具体应用。二、遥感图像计算机分类的目的

1地物信息提取(Extraction)2动态变化监测(Monitoring)3专题地图制作(Mapping)4遥感图像库的建立(Establishment)7.1遥感图像分类概述三、遥感图像分类的基本原理

同类地物在相同的条件下（光照、地形等）应具有相同或相似的光谱信息特征和空间信息特征。四、遥感图像分类的分类依据遥感图像像元间的相似度。在遥感图像分类过程中，常使用距离和相关系数来衡量相似度。。7.1遥感图像分类概述五、遥感图像分类的基本流程

Step1：根据应用目的选取影像、制定分类规程

Step2：根据研究区域，全面收集地面参考资料

Step3：遥感图像的计算机分类前预处理工作

Step4：确定分类系统、选择分类方法、选择分类特