遥感图像处理

第一章遥感图像一、遥感成象系统及其图像特性二、图像数字化和采样三、遥感图像的数据结构四、遥感图像的信息特征一、遥感成像系统及其图像特性地球资源卫星系统气象卫星系统海洋卫星系统雷达卫星系统热红外成像系统成像光谱图1—2遥感系统示意图图1—3遥感成像及处理过程表1—1几种卫星图像主要特征卫星（传感器）Landsat（MSS）Landsat（TM）SPOT（HRV）NOAA（AVHRR)高度（km）920（1-3号）705（4-5号）705822870-930波段（um）0.5-0.60.6-0.70.7-0.80.8-1.110.4-12.6*0.45-0.520.52-0.600.63-0.690.76-0.901.55-1.7510.40-12.50p.2.08-2.350.50-0.590.61-0.680.79-0.890.51-0.730.58-0.680.725-1.13.55-3.9310.3-11.311.5-12.5**瞬时视场（m）79×7930×30(波段1-5、7)120×120(波段6)20(多波段）10(全色单波段）1100(天底）（1.3mrad）像元大小（m）59×79同上同上780(天底）每幅像元数（×106）2828127(多波段）36(全色）每行2048比特/像元68810幅宽（km）185185602700卫星（传感器）发射日期传感器成像波段和立体能力空间分辨率/M影像覆盖IKONOSⅡ1999.9.24全色多光谱立体：前/后B、G、R、NIR1411km×11km11km×11kmQUICKbirdⅡ2001.10.18全色多光谱立体：前/后B、G、R、NIR0.612.4416.5km×16.5km16.5km×16.5kmOrbview42001.9全色多光谱立体：前/后B、G、R、NIR高光谱传感器（200波段）14(8)208km×8km8km×8kmSPOT52002.5.4全色多光谱立体：前/后B、G、R、SWIR52.5(超级模式）102060km表1—2几种典型的高分辨率光学传感器遥感图像模式及函数遥感图像模式：不同波谱段及不同类型的成像系统有着各自特有的图象模式(L（x,y；

,t,p))多波段图像多时相图像多极化图像——典型的是侧视雷达图象图像函数图像函数可以是连续的（模拟的），如摄影图像和视频图像；图像函数也可以是离散的，即数字图像而对模拟图象进行数字处理之前，首先要进行数字化二、图像的数字化和采样数字图象就是用一定范围内的数值记录图像上辐射能量g(x,y)大小而产生的一个数字矩阵把连续的图像函数数字化包含两方面：采样：按等间距的网格对连续变化的图像辐射值进行采样量化：把采样点上取得的辐射值进行量化数字化模拟影像：普通像片那样的灰度级及颜色连续变化的影像数字影像：把模拟影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影像。把前一部分的空间离散化处理叫采样（sampling），而后一部分的亮度值的离散化处理叫量化（quantization），以上两种过程结合起来叫影像的数字化（digitization）。二、图像的数字化和采样采样目的：从图像函数中选取均匀而规则分布的数目有限的像点的数据所选取的点叫样点，样点有两种属性：空间位置（x,y）：代表没有大小的点；图像上代表该点周围的矩形或正方形面积像元值（亮度值、灰度值）：（x,y）点周围某一小范围内的平均辐射值，相当于传感器或数字化仪的瞬时视场二、图像的数字化和采样2.量化目的：为了计算机数字处理的需要将连续的采样数据或实数转换为等级有限的离散化数据量化：把连续性的辐射数据按照一个二进制字码（如一个字节）所能代表的数量等级来代替等级数目NG=2b（b是字长，一般采用6、7或8）b<6，造成较大的信息损失；b过大，数据量过大数字影像特点便于计算机处理与分析：与光学影像处理方式相比，遥感数字影像是一种适于计算机处理的影像表示方法。影像信息损失低：遥感数字影像在获取、传输和分发过程中，不会因长期存储而损失信息，也不会因多次传输和复制而产生影像失真。抽象性强：尽管有各种不同物理背景的遥感图像，由于都采用数字形式，便于建立分析模型，进行计算机解译和运用遥感影像专家系统。三、遥感图像的数据结构理由：一幅MSS图像有7.6M字节，一景影像有30M字节，TM数据量更大，因此遥感数据保存在计算机磁带、光盘等介质上信息、数据、记录、块、文件胶片、像片等资料的种类遥感数据格式按像元对波段交叉式BIP2格式按波段顺序式BSQ格式按行波段交叉式BIL格式磁盘：使用最多的是可移动式磁头磁盘。纸质的陆地卫星图像的下方有一行文字注记，说明获取时间、太阳高度角、方位角、投影等信息。光盘上有说明文件，表明波段数、成像时间、行列数目、投影、经纬度等信息。1)按像元对波段交叉式（BIP2）特点：把一幅多波段图象划分为四个纵向的条带，数据记录是按条带顺序自左而右排列，从而构成了四个影像数据文件，最后还有一个影像注记文件SIAT，每个文件后均有文件终了标志EOF，SIAT文件后有二个EOF，为磁带盘终了标志标志记录的内容包括卫星编号、摄像时间、图像条带、单位记录长度、扫描行长度等SIAT包括对图像进行几何校正处理所提供的参数每个条带的图像数据包括了所有的波段—按行（扫描线）排列，每一行记录的顺序是以一对像元为基本单元，自左向右按波段顺序记录其亮度值(DN)…,xi(4),xi＋1(4),xi(5),xi＋1(5)…,xi+1(7),xi＋2(4),…图1—4BIP2式CCT磁带格式2)按波段顺序式（BSQ）由四个不同的文件组成：磁带目录文件：位于磁带开头，包括该CCT磁带内容说明、文件编制水平及磁带组格式、具体项目、传感器类型、磁带类型、格式、记录长度、像幅标志（ID）及编号等像幅属性文件：标题、辅助及注记图像数据文件：一个记录包含一条扫描线的图像数据，再加上与该扫描线有关的校准和质量数据，BSQ格式中图像文件只包含一个波段尾部数据文件：提供已对该图象做过数字增强处理的参数BSQ格式中每个图像文件之前都有标题、辅助和注记记录，之后都有尾部记录按行波段交叉式（BIL）BIL格式和BSQ格式一样均由相同的四个文件组成在BIL格式中图像数据文件包括一个像幅，每条扫描线的图像记录是按波段顺序排列的，整个磁带中只含一个图像数据文件，其标题、辅助、注记及尾部记录只出现一次图1—5BSQ与BIL格式及其比较四、遥感图像信息特征空间分辨率像元：扫描图像的基本单元像解率：胶片上1mm内所包含的线对数瞬时视场：传感器瞬时视域越小、空间分辨率越高，可识别地物能力越强事实上，地物可分辨程度不完全取决于空间分辨率的绝对值，还和形状、大小和背景值有关波谱分辨率传感器选择采用波段数和波段宽度波段数越多，波段宽度越窄，分辨率越高通过多波段数据分析可以改善识别和提取信息特征的概率和精度高光谱遥感数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质辐射分辨率遥感器对光谱信号强弱的敏感程度、区分能力，即探测器的灵敏度，即接收信号时能分辨的最小辐射度差针对的是两个不同辐射源的辐射量的分辨能力，一般用灰度的分级数表示——量化等级高空间分辨率与高辐射分辨率难以两全，瞬时视场越大，空间分辨率越低，而瞬时获得入射能量越大，辐射测量越敏感，对微弱能量差异检测能力越强，辐射分辨率越高时间分辨率探测器按一定的时间周期重复采集数据，称重复或回归周期时间分辨率是重复观测的最小时间间隔多时相遥感信息可以提供目标变量的动态变化信息根据地物目标不同时期的不同特征，提高目标识别能力和精度动态多时相遥感数据还是更新数据库的重要信息源遥感图像函数及其物理意义决定遥感图像中灰度值物理意义的主要因素：电磁波工作波段地物类型成像方式从理论角度，可以归纳为一个带有普遍意义的模式，即可表达为发射辐射量反射辐射量星载传感器工作波段主要在可见光及近红外波段，以反射为主，可忽略发射能量。对可见光及红外遥感可简化为：即地物波谱辐射量为入射量与反射率之积；入射量取决于太阳光光照条件和遥感传感器的几何特征；反射率是地物性质的反映。我们所获取的是传感器接收的图像，通过物面和象面的变换关系得到图像函数的简化公式反映了影像图像的几个方面：空间位置（x，y）：函数的值是地面（x，y）点地物的某种物理量的一种度量，称为灰度、亮度等电磁波波长λ：同地区不同波段组合观测成像时间t：同地区不同时相成像电磁波极化性质p：传感器极化方式，主要指雷达图象遥感图像信息特征统计分析1）图像的基本统计量2）概率分布及图像直方图3）多波段数据的统计特征1）图像的基本统计量基本统计量：一组数值或一幅单波段图像数据的中心趋势统计量和变化程度统计量中心趋势或平均趋势统计量均值：一幅图像中所有像元的亮度值的算术平均值中值：图像中所有不同亮度值的中间值（Med）众数：在图像中出现次数最多的一个亮度值变化程度统计量数值域：最大和最小亮度值之间的差值——最简单的统计量方差和标准差——最重要和最常用的统计量方差（S2）是衡量每个像元值与均值的差异所累积形成的总的离散程度标准差（）是方差的平方根（取正值）图像反差C多种形式，如C=SD（标准差）=DNmax-DNmin=DNmax/DNmin2）概率分布及直方图直方图：图像中每个波段中所有不同亮度值的概率（频数）分布频数直方图：依次显示每个亮度值的像元数所占的比例数—概率密度函数（图1-6a）累计直方图：把每个亮度值的频数逐次累加而构成—累积密度函数（图1-6b）理想分布在包含大量像元前提下，假定像元亮度是随机分布的，图像分布函数服从或接近于正态分布直方图的形态越接近正态分布曲线，图像越接近假定条件，对比度也合适直方图峰值偏向灰度值大的一边，图像偏亮，反差较小，反之则图像偏暗，反差也较小利用直方图分析图像是图像分析的基本方法3）多波段数据的统计特征多波段的图像数据——多维随机变量每个波段有其本身的统计特征各个波段之间存在统计关系协方差矩阵相关矩阵相关系数矩阵（反映图像信息内容及成像地区的地理、地质特征最明显）协方差与协方差矩阵描述多波段数据统计特征的第一个参量两个图像的协方差：将N个波段之间的协方差排列在一起组成的矩阵即为协方差矩阵相关系数与相关矩阵相关系数是描述波段图像的相关程度将N个波段图像相互之间的相关系数排列组成的数字矩阵称为相关矩阵相关系数表示了两个波段图像包含信息内容的冗余度针对多波段图像的相关性，产生了一类图像处理算法：如主成分变换、缨帽变换等相关系数矩阵根据国内外17个不同地区的MSS图象子区对比分析总结一些规律性（见表1—2）：两个波段之间的相关系数与它们在波谱中的距离有关r6，5对植被的反映最敏感，其次是r7，5相距最远的波段4和7之间相关系数最小波段5和7之间，波段6和4为中等距离的对子影响相关程度的另一个重要因素是地形表中最后一个实例是在图象包含较大面积水体的情况下，r6，5,r7，5,r6，4,r7，4,显著降低同一地区不同时相或季节的图象，在统计特征上也会有显著差异表1—2不同类型地区MSS图象相关特征地区特征地理位置成像日期r7,6r5,4r6,5r7,5r6,4r7,4平均编号1234567891011121314151617.987.958.984.980.943.929.964.957.954.964.944.926.888.939.920.950.970.940.920.880.930.950.920.960.880.850.750.885.950.930.910.860.840.770.877.950.940.960.910.900.830.915.938.935.934.861.889.797.892.970.890.900.920.850.860.898.860.860.570.430.500.520.623.820.819.566.290.505.240.540.974.970.965.937.944.908.950.875.969.807.500.774.455.730.942.926.759.604.735.580.758.932.956.694.453.671.434.690.910.870.630.420.630.430.648.962.933.589.440.642.504.678.952.881.113-.14-.20-.43.19772.10.276.12.773.3.676.5.1677.3.2073.11.2175.3.1276.10.2676.11.1873.12.3073.12.2473.12.2876.1.1173.10.2673.3.876.10.6柴达木克拉玛依沙特阿拉伯美国犹他州内蒙东部北京西山北京房山北京东部北京东部西安附近秦岭东部安徽南部广西上林江西西华山湖南西班牙庐山干旱气候半干旱气候半潮湿—潮湿气候植被缺少植被较少夏秋增多植被广泛季节影响小中低山及盆地中低山区平原区中低山及小型盆地水体广TM图象TM图象按照其相关程度所反映的信息特征，一般划分四组：TM1（红）、

TM2（绿）、

TM3（蓝）

TM4—与其他波段相关系数多在0.9以下，在平原、潮湿、多植被地区只有0.3

TM5和TM7TM6（热红外）—与其他波段相关系数低意义相关系数是反映图象数据和信息内容的重要标志图象增强处理很大程度上就是为了压缩或排除不同波段之间的相关性或信息多重复，突出不相关的部分，以分辩不同的地物有利于选择不同的方法或处理参数以及不同波段和比值结合五、遥感图像的信息特征波谱特征信息空间形态信息遥感图像信息的量度1.遥感图像的波谱特征信息地物的波谱特征：像元的亮度值代表该像元中地物的平均辐射值波谱特征信息：不同地物之间的亮度值差异以及同一地物在不同波段内的亮度值差异不同电磁波段反映不同的地物特征可见光波段近红外波段远红外波段雷达微波多波段图像——变换2.遥感图像的空间形态信息空间形态信息：包括空间频率特征、边缘及线性特征、结构或纹理特征以及几何形态特征等空间频率（分析）——傅氏变换高频信息——起伏急剧而频繁的信号，如边缘、线条等细部特征低频信息——起伏平滑、稳定的信号图像中有实用意义的点、线、面或区域的空间位置、长度、距离、面积等量度——属于空间信息3.遥感图像信息的量度单波段遥感图像的信息量的影响因素图像的灰度等级或量化等级的数目：一般用记录灰度或亮度的字位数来量度——主要影响波谱信息量瞬时视场或像元的大小：主要影响空间特征信息量多波段图像的信息量还要考虑波段的选择和数目信息的量度要考虑：数据量—数据的传输以及存储量等方面考虑尽量减少冗余或重复的信息—便于分析和提取有用信息第二章遥感图象恢复处理成都理工大学遥感与GIS研究所成都理工大学地球科学院第一节目的和意义第二节遥感图像的辐射校正第三节遥感图像的几何变形第四节遥感图像的几何校正与配准一、目的和意义图象恢复的目的是尽可能由记录的退化的图象g(x,y)产生出接近原来物面辐射能分布的“客观真实图象”f(,)的校正后图象g(x

,y

)在遥感图象处理中，把基本的和比较简单的图象恢复处理统称为预处理预处理一般包括对成像时照明条件的差异、大气影响、系统噪声和仪器误差以及系统的几何畸变等的改正或补偿通常对造成图像质量下降的这类问题称为图像畸变对一个退化的图像进行处理，使它恢复到原始目标的状态称为图像复原图像复原是退化的逆过程，但由于噪声的存在并具有随机性质，加之对图像退化模型估计的近似性，使得求退化逆过程时存在非唯一解。因此图像复原过程也就在某种误差准则下的估值过程，最后确定一个使误差测度最小的最佳解。二、遥感图像的辐射校正遥感图像的退化图像数据校准和噪音消除辐射度空间退化的校正数字影像镶嵌时的辐射度的均衡消除图象数据中依附在辐射亮度中的各种失真的过程称为辐射校正目的：尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声引起的传感器的测量值与目标光谱反射或辐射等物理量之间的差异尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作打下基础遥感图像的退化1）大气传输大气对目标辐射能的影响包括有大气的衰减、散射和发射2）线性光学系统3）感受和记录大气的影响主要原因是大气对电磁波的散射和吸收来自太阳的电磁波：一部分穿过大气直射到地面上称为阳光一部分在大气中散射称为天光其中有些最终漫射到地面上与阳光一起构成入射到地面的辐射能另一部分不经地面反射直接进入传感器，称为大气光、天空光或路径散射等摄影系统中的退化因素光学成像系统的点扩散函数对辐射强度起局部加权平均作用——改变真正的辐射分布，同时降低高频信息扫描成像系统（如MSS、TM、HRV等）中，同时使用多个检测器并排进行扫描，造成亮度值有明显差别的条带可能引入噪声等等感受和记录图像的感受和记录可以通过光化学的或光电子学的系统完成光化学技术是利用摄影底片同时进行检测和记录。由于底片的感光特性是与入射光强呈非线性关系，以及底片的颗粒噪声，都会在记录的图像上产生退化的图像在电子光学系统中图像的检测和记录是分别进行的。图像先经检测被转换为电信号，然后被记录下来。在这一输出的结果中产生了误差。通常在这一过程中会混入依附于信号的噪音可以分为：相干噪声（音）相干噪声表现为布满图像的周期性结构的图形随机噪声（音）随机噪声可以假设是与信号不相关的平稳随机过程，可以用一个非线性运算来表示通常一个合理的考虑是用一个线性方程来逼近非线性感受和记录的影响图2—2图象退化模式图像数据校准和噪声消除光照条件差异引起的辐射校正大气校正传感器的辐射度校正噪声清除光照条件差异引起的辐射校正太阳高度引起的辐射误差校正地形坡度引起的辐射误差校正照明校正（照度校正）卫星图像的影像质量主要与摄影时的光照条件和图像处理时辐射校正的质量有关通常在太阳高度角为25°~30°时（上午九点到十点）摄影得到的图像最为理想。它能形成立体感最强的阴影和影像适宜的图像。陆地卫星选择太阳同步的轨道并在轨道设计时就规定卫星在当地时间上午九点四十二分由北向南通过赤道但这仍不能使对全球摄像的光照条件一致。因为在同一轨道上卫星地面点的光照条件是自北向南变化的。另外一年之内全球各地的光照条件也是变化的。为了通过卫星图像比较不同地区（纬度）上地物的反射率，以及采用不同时间获得的遥感图像制作镶嵌影像图，需要校正照明变化造成的误差良好天气条件下的卫星图像，光照条件的变化主要是太阳高度角的改变，而成像时刻的太阳高度角则可由成像的时间、季节和地理位置来确定光照条件校正是通过调整一幅图像内的平均亮度来实现的。由已知的成像季节和地理位置确定相应的太阳高度角，并计算出校正常数与每一个像素的值相乘，便得到校正的结果。照度校正是用来校正由于不同成像时间及不同太阳角造成的辐射差异在不考虑地形影响及太阳角对大气衍射影响的情况下，对太阳高度角给予亮度值的影响作校正或补偿在传感器位于天顶方向的情况下（如陆地卫星）DN

＝DN/cosi（i为太阳天顶角）跨地区两幅不同日期的图象为了镶嵌是以一幅为标准校正另一幅：DN

＝DN×cos1/cos2地形坡度引起的辐射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地形起伏变化会造成同类地物灰度不一致的现象倾斜角为α的坡面入射点光强度I：若处在坡度α的倾斜面上的地物影像g（x，y），则校正后的影像f（x，y）为：上式可见，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，校正比较麻烦一般情况下对地形坡度引起的误差不做校正另外，此项校正也可采用比值图像来消除地形坡度产生的辐射量误差大气校正大气的吸收、散射、和大气波动造成的频率低通滤波效应，其中散射作用的影响为主大气校正是去掉由于大气散射作用造成的天空光附加在地物辐射中的部分大气对电磁波的散射作用，主要表现在短波段上，在可见光卫星图像中尤其以蓝绿波段为甚。散射作用对图像将产生三种后果：损失某些短波段的地面有效信息；产生邻近像元之间辐射性质的相互干扰；与云层反射一起形成天空光。短波信息损失的校正一般未作考虑。邻近像元的相互干扰是随机性的变化同样难于校正天空光是由于大气散射和云层反射形成的充满空间的散射光，它没有到达地面而直接进入传感器成像，因而不包含任何信息，它在图像上附加一均匀亮度。通常在前处理中图像的大气校正实际上就是对天空光散射的校正可以通过三种途径进行：计算方法光谱量测法多波段图像对比法（实际应用中主要采用）最常用和简便的方法是根据直方图的最小值情况进行校正由于散射影响主要发生在短波段图像上，对近红外图像几乎没有影响因此可将红外图像当作无散射影响的标准图像，然后在特定区域将其他波段与它比较，其差值便是须校正的散射辐射值直方图法在卫星图像上选择包含反射率为零的区域。例如MSS7（近红外）露天清洁的水面或地形阴影区域其反射率接近为零由于大气散射存在，各波段图像上附加了路径散射辐射值，所以各波段直方图的低端灰度值不为零进行简单的零阶校正时可以将各直方图上最小的像素灰度值当作路径辐射的估计值，并从各波段的像素值中减去相应的估计值，从而实现散射校正图2—3利用直方图进行大气散射校正B7频数7波段直方图B4频数4波段直方图a4传感器的辐射校准即改正传感器的系统误差，以及在数据获取和传输中数据的丢失。一个理想的成像系统产生的图象亮度值应该与地物的辐射率成线性关系，但实际传感器记录的亮度值与地物的辐射率并不成直线关系将这种歪曲的关系恢复需要对成像系统的反应特征进行校正——辐射校正例如MSS传感器：每个波段有六个检测器并排扫描。每个检测器的反应特征并不是固定不变的。这种辐射校正一般是在卫星遥感部门专用的图像处理系统中完成消除系统噪声、去条带及坏线消除系统噪声去条带坏线消除系统噪声图象中主要的噪声周期性噪声：一般重叠在原图象上具有不同的幅度、频率和相位。在二维傅氏变换上形成一系列的尖峰或亮斑，一般可用带通或槽形滤波方法消除条带现象：周期性噪声以与扫描方向平行的条带现象最为普遍尖峰噪声（孤立噪声）：在数据传输中的误码问题（即比特丢失），或者是模拟电路中的温度扰动造成的孤立噪声产生数值上偏离周围数据的图像元素所以称为孤立噪声这种尖峰噪声可以通过将图像元素通过它的邻近像素作比较来判断，如果所有的差值都超过了某一阈值，该点认为是噪声，并用它邻近点的平均值来替换扫描线的丢失也属于孤立噪声，它可以采用邻近行上像素的平均值来替换丢失行上的像素，或者用最邻近的像素值来代换。除了均值处理外，还有中位值滤波的非线性滤波方法以及噪声清扫算法等去条带条带噪声是由设备产生的。这一类型的噪声明显呈现水平状条纹各种以扫描方式形成的遥感图象中都可能存在条带现象，去条带应在图象几何变换之前进行当周期性噪声清除后，由于条纹噪声的这种分布性质可以按水平扫描方向来处理条带噪声的清除是十分必要的，否则对于图像增强特别是比值处理时会造成极不利的影响。相邻扫描线在亮度方面产生的不协调表现为条带去条带可以在空间域（即原图像）进行，也可以通过傅氏变换进行滤波实现去条带的方法线性去条带：将所有检测器的一个或几个好的和稳定的检测器产生的亮度值作为标准，对噪声高的或有偏差的检测器产生的亮度值进行校正非线性去条带：对部分检测器所产生的亮度直方图调整至与标准的直方图相近似傅氏滤波：即槽形滤波，在条带噪声在傅氏频谱中表现为一定方向分布的若干亮点。简单的处理方法是用插入方法把这些亮点去掉，然后用修改后的频谱进行傅氏变换就得到去了条带的图像坏线某些图象上部分扫描线或线段的亮度值不反映地物的辐射信息，与上下的亮度截然不同，通常称为坏线特点：（1）分布不规则，可稀可密，可长可短；（2）数据趋于两端，或白或黑；（3）这种扫描线的统计特征往往是方差及标准差显著增大消除坏线的算法一般采用内插方法：用其上、下相邻像元的亮度值的平均值问题在于计算机如何确定那条线是坏线辐射度空间退化的校正图像的辐射复原的处理狭义的理解有的书上称为OTF校正，即光学传递函数的校正对辐射度空间退化的描述通常利用线性系统的理论，经典的处理方法是采用数字信号处理中的频域滤波的方法数字影像镶嵌时的辐射度的均衡在利用遥感图像制作某一区域的影像图时，需要将若干幅图像拼接起来，这称为镶嵌。即将互相连接的若干幅图象或像元镶嵌起来镶嵌效果首先取决于相邻图象在几何和辐射特征方面的差异程度和性质（同一轨道或航带，同一日期相邻相邻图象镶嵌最简单）图象的镶嵌一般要镶嵌的两幅图象之间必须有重叠部分几何镶嵌——以重叠部分作为几何变换基础选取控制点经过几何变换后即可进行辐射镶嵌——首先要进行直方图匹配使重叠部分亮度值范围和概率分布尽可能一致图象的几何镶嵌技术问题之一：如何将多幅影像从几何上拼接起来先对每幅图象进行几何校正以规划到统一的坐标系进行裁剪去掉重叠部分或在计算机中进行配准将裁剪后或配准后的多幅影像装配成一幅大幅面的影像几何拼接的核心问题是影像校正图像的辐射镶嵌技术问题之二是如何使多幅影像在拼接后不出现明显的灰度和色彩拼接缝影像镶嵌时除了要满足在拼接线上相邻影像的细节在几何上一一对接外，通常还要求相邻影像的色调一致。大多数情况造成被镶嵌的相邻图像重叠条带上色调差别的原因是由于它们是在不同的日期获得的，而成像时刻地面的特征及大气条件都不相同。另外，大气传输上的变化，云、烟雾等，地形特征本身状态的不同，潮汐的起落，雪的存在等等整体处理整体处理是基于镶嵌的两幅图像的重叠区域上的灰度水平直方图的处理可采用平移直方图的方法使两幅图像在重叠区域的平均灰度值相等实际上不能指望整体直方图校准方法能完全成功地消除人为的边界，但它可以作为进入下一阶段的预处理。确定拼接缝在相邻两个图像的重叠部分中选择一条拼接曲线——拼接线或拼接缝确保拼接缝两侧的两个图像的亮度值在该线附近没有显著的差异拼接缝的平滑拼接缝的消除问题：由于摄影角度差异、背景细微变化、成像手段不同等，细微差别不可避免，只能使之光滑过渡拼接缝消除的严密算法拼接缝消除的强制改正方法拼接缝消除的严密算法传统方法：在拼接缝处及其附近采用平滑处理，但会导致影像分辨率下降，产生影像模糊武大（王建忠教授等）利用小波变换以兼顾清晰度和光滑度两方面要求基于小波变换的图象镶嵌（Mosiacking）算法虽然严密，但是一种并行算法，在计算中涉及大量浮点运算，实际生产时不方便，且属于两两处理，不能多幅图象进行拼接缝消除的强制改正方法先统计拼接缝上任意位置两侧的灰度差，然后将灰度差在该位置两侧的一定范围内强制改正掉另一拼接缝强制改正方法是基于重叠区影像的拼接平滑算法三、遥感图像的几何变形遥感所获取的数据在空间位置上均有不同程度的被歪曲变形——几何畸变即图像像元在图像中的坐标与其在地图坐标系等参考系统中的坐标之间的差异研究遥感图像几何变形的前提条件是必须认定一个图像投影的参照系统——地图投影系统实际应用中有不同类型——如高斯-克吕格投影系统、朗勃特等角圆锥投影系统以及横轴墨卡托（UTM）投影系统等遥感图像的变形误差静态误差——在成像过程中，传感器相对于地球表面呈静止状态时所具有的各种变形误差内部误差——主要是由于传感器自身的性能、技术指标偏离标称数值所造成的外部误差——传感器以外的各因素造成的动态误差——成像中由于地球旋转所造成的图像变形误差传感器成像几何形态所带来的图像变形传感器一般的成像几何形态，有中心投影、全景投影、斜距投影以及平行投影等几种不同的类型通常把中心投影的图像视为基准图像，因为当竖直摄影，地面平坦时中心投影图像本身与地面景物保持相似的关系，不存在由成像几何形态所造成的图形变形竖直情况下的平行投影（正射投影）也是无几何形态变形的相反，全景、斜距投影的结果则产生图像变形。1）全景投影变形全景投影的影像面不是一个平面而是一个圆柱面Sy’yNMOp’Ppθ(L)地物点P在全景面上的像点p具有坐标yp：yp=f·θ/ρf——焦距；θ——成像角（度）ρ——57.2957度/弧度设（L）是一个等效的中心投影成像面y’p=f·tgθ可见，全景投影与等效中心投影之间存在一定转换关系斜距投影变形斜距投影类型传感器通常是指侧视雷达地物的影像坐标取决于斜距（即雷达天线中心S到地物点P的距离）以及成像比例尺λ

（λ=f/H）地形起伏的影响中心投影情况下的地形起伏的影响如由于将引起像点位移投影差与向径成正比投影差与高差成正比投影差与航高成反比全景投影情况下地形起伏的影响可以用全景投影坐标替换中心投影坐标的方法来引出其图形变形规律斜距投影情况下的地形起伏影响在高差为正值时地形起伏在雷达影像上的移动与中心投影相反，是向内变动这种投影差相反的特点将使得雷达影像进行立体观测时看到的是反立体此外，高出地面物体的雷达影像还可能带有“阴影”，远景影像可能被近景影像的阴影所覆盖地球曲率的影响地球曲率引起的像点位移类似于地形起伏引起的像点位移只要把地球表面（且当球面看）上的点到地球切平面的正射投影距离看作是一种系统的地形起伏因此可根据像点位移公式估计地球曲率所引起的像点位移

地表曲率的影响

地球是球体，严格说是椭球体，因此地球表面是曲面。这一曲面的影响主要表现在两个方面，一是像点位置的移动，当选择的地图投影平面是地球的切平面时，使地面点P0相对于投影平面点P有一高差△h。

像点位移

二是像元对应于地面宽度的不等。由于传感器通过扫描取得数据，在扫描过程中每一次取样间隔是星下视场角的等分间隔。如果地面无弯曲，在地面瞬时视场宽度不大的清况下，L1，L2，L3，…的差别不大。但由于地球表面曲率的存在，对应于地面的P1，P2，P3，…，显然P3-P1＞L3-L1，距星下点越远畸变越大，对应地面长度越长。

像元对应于地面宽度的不等

大气折射的影响对于电磁波的传播而言，大气层并非一个均匀的介质。因为它的密度是随离地面的高度增加而递减的，所以光、电波在大气层中传播的折射率也随高度而变，从而使电磁波传播的路径不是一条直线而变成了曲线，进而引起了像点位移。这就是大气折射的影响

大气折射的影响

大气对辐射的传播产生折射。由于大气的密度分布从下向上越来越小，折射率不断变化，因此折射后的辐射传播不再是直线而是一条曲线，从而导致传感器接收的像点发生位移

大气折射的影响NP地球自转的影响在静态传感器（如常规框幅摄像机）成像的情况下，地球自转不会引起图像变形，因为其整幅图像是在瞬间一次曝光成像的。地球自转主要是对动态传感器的图像产生变形影响，特别是对卫星遥感图像。

地球自转的影响

卫星前进过程中，传感器对地面扫描获得影像时，地球自转影响较大，会产生影像偏离。因为多数卫星在轨道运行的降段接收影像，即卫星自北向南运动，这时地球自西向东自转。相对运动的结果，使卫星的星下位置逐渐产生偏离。偏离方向如图所示，所以卫星影像经过校正后成为图C的形态。地球自转引起偏离(a)获得影像（b）实际对应的地面位置（c）影像变形以MSS为例，当卫星由北向南运行的同时，地球表面也由西向东自转。由于卫星图像每条扫描线的成像时间不同，因而造成扫描线在地面上的投影依次向西偏移，最终使得图像发生扭曲。MSS图像在北纬40°附近的偏斜角约3°，顶部和底部的相对错动约122个像元。四、几何校正遥感图像的几何处理是遥感信息处理过程中的一个基本环节。第一，作为地球资源及环境的遥感调查结果，通常需要用能够满足量测和定位要求的各类专题图来表示。而这些图件的产生要求对原始图像的几何变形进行改正；第二，当应用不同传感方式、不同光谱范围以及不同时相的各种同地域复合影像数据进行分类、动态监测或其他应用时，必须保证各不同影像间的几何一致性，即需要进行图像间的几何配准；第三，利用遥感图像进行地形图测图或更新对遥感图像的几何纠正提出了更严格的要求遥感图像的几何纠正一般分为光学纠正和数字纠正两大类光学纠正通常不能对卫星遥感图像、特别是动态遥感图像进行严格的纠正数字影像纠正是建立在严格的数学基础上，并可逐像素地对影像进行纠正所以它原则上可以对任何类型的传感器影像实行严格的纠正恢复性校正：校正在成像过程中所造成的几何畸变系统性：如MSS图象在扫描时，由于地球自转产生的偏斜随机性：如由于显著的地形起伏造成的随地而异的几何偏差投影性校正（或空间变换）：把遥感图象转换到某种地图上投影或另一个图象坐标上去便于各种遥感图象与地形图与地质图等图件相配准一般采用根据控制点坐标进行多项式回归方法进行校正系统畸变：可以用严格的数学表达式来描述随机畸变：通常选择一个适当的多项式来近似描述纠正前后相应点的坐标关系，并采用控制点的图像坐标和参考坐标系的理论坐标按最小二乘法原理求解多项式中的系数，然后以此多项式对图像进行几何校正主要用于改正由地球旋转、像素地面尺寸在x、y方向的不等以及卫星轨道面偏斜等原因引起的影像变形（仿射变形为主）可用线性变换式来表达影像纠正函数系统几何校正由于传感器的摄影方式及卫星运行特征，造成的系统几何畸变多属于比较简单的线性变换：基本的系统几何校正计算像元大小的调整：如MSS像元的长宽比的调整去偏斜：使原来图象行与行之间进行错动或平移转向正北方向变换式多项式系数可以由可预测参数直接构成当然由于预测参数本身带有误差和近似性，且未能反映传感器姿态变化以及其他非线性变形的因素去斜纠正法只是一种粗糙的纠正

非系统性校正：

利用实地测量的地物的真实坐标值，寻找实测值与畸变之后的图像之间的函数关系，从而得到几何校正的方法。利用控制点的影像坐标和地图坐标的对应关系，近似地确定所给的影像坐标系和应输出的地图坐标系之间的坐标变换式。坐标变换式经常采用1次、2次等角变换式，2次、3次投影变换式或高次多项式。坐标变换式的系数可从控制点的影像坐标值和地图坐标值中根据最小2乘法求出。用控制点的几何变换用控制点作为基点来进行几何校正或几何变换的方法，适用于多种情况。如在系统校正的基础上，进一步校正局部性的畸变，在畸变情况和性质不清或系统参数不明的情况下要把图像与地形和地质图相配准，不同日期或不同类型的遥感图像相配准利用地面控制点（GCP）数据对原始卫星图象的几何畸变过程进行数学模拟，建立其与地理制图的标准空间之间的对应关系，然后利用这种对应关系对原始畸变图象进行校正，校正空间在我国为高斯—克里格投影空间方法1：直接变换——求出原始图象空间各像元位置在校正后图象的对应位置，将相应的亮度值搬过去方法2：重采样技术——反求出校正图象空间中各像元在原始图象空间的位置，然后利用重采样的方法确定该位置的亮度值，最后搬到校正空间去图2—5重采样法的空间转换△△原图象空间校正图象空间用控制点的几何变换要求需校正的图象和作为参考的地形图或标准图象都易于识别几何位置转换（以地形图为参考系为例）：主要是确定校正图象空间中各像元和原始图象空间中同名点的函数关系——几何校正中数学模型的建立坐标类型转换——图象坐标与地图坐标（建立一个与地形图位置相符合的新图象网格）两个图象坐标之间的变转——回归方法（一般为二元多项式）建立转换函数确定亮度值——重采样

控制点的选取

几何校正的第一步便是位置计算，首先是对所选取的二元多项式求系数。这时必须已知一组控制点坐标。

控制点数目的确定其最低限是按未知系数的多少来确定的。一次多项式有6个系数，就需要有6个方程来求解，需3个控制点的3对坐标值，即6个坐标数。

2次多项式有

12个系数，需要

12个方程（6个控制点）。依次类推，n次多项式，控制点的最少数目为(n+1)(n+2)/2。实际工作表明，选取最少数目的控制点来校正影像，效果往往不好。在影像边缘处，在地面特征变化大的地区，如河流拐弯处等，由于没有控制点，而靠计算推出对应点，会使影像变形。因此，在条件允许的情况下，控制点数的选取都要大于最低数很多。

控制点选取的原则

控制点的选择要以配准对象为依据。以地面坐标为匹配标准的，叫做地面控制点（记作GCP）。有时也用地图作地面控制点标准，或用遥感影像（如用航空像片）作为控制点标准。无论用哪一种坐标系，关键在于建立待匹配的两种坐标系的对应点关系。一般来说，控制点应选取影像上易分辨且较精细的特征点，这很容易通过目视方法辨别，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、湖泊边缘、飞机场、城廓边缘等。特征变化大的地区应多选些。影像边缘部分一定要选取控制点，以避免外推。此外，尽可能满幅均匀选取，特征实在不明显的大面积区域（如沙漠），可用求延长线交点的办法来弥补，但应尽可能避免这样做，以避免造成人为的误差。

几何校正一般步骤几何校正：从具有几何畸变的图象中消除畸变也是定量地确定图象坐标与目标物的地理坐标（地图坐标等）的对应关系（坐标转换式）一般步骤：确定校正方法：考虑到图象中所含几何畸变性质及可用于校正的数据确定校正方法确定校正式：确定图象坐标与参考坐标的变换式或校正式结构，根据控制点数据等求出校正式参数验证校正方法、校正式的有效性：检查几何畸变能否充分得到校正，否则对新的校正式进行探讨或修改数据重采样、内插：为了使校正后输出图象的配置与输入图象相对应，须采用校正式对输入图象数据重新排列像元值的内插——重采样输出图象的像元值g(x,y)要由输入图象中的内插点(u,v)周围的若干个像元值进行重采样从连续的模拟信号抽取离散的数值构成数字图像——采样；而从数字图象再进行采样以构成经过校正或几何变换的新图象——重采样常用的重采样方法最近邻法双线性内插法立体卷积法

几何畸变有多种校正方法，但常用的是一种通用的精校正方法，适合于在地面平坦，不需考虑高程信息，或地面起伏较大而无高程信息，以及传感器的位置和姿态参数无法获取的情况时应用。有时根据遥感平台的各种参数已做过一次校正，但仍不能满足要求，就可以用该方法作遥感影像相对于地面坐标的配准校正，遥感影像相对于地图投影坐标系统的配准校正，以及不同类型或不同时相的遥感影像之间的几何配准和复合分析，以得到比较精确的结果。（3）几何精校正的步骤数字影像纠正的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其基本环节是：一是像素坐标变换；二是像素亮度重采样。

几何精校正概括为两个步骤：

第一步是构建一个模拟几何畸变的数学模型，以建立原始畸变图像空间与标准图像空间的某种对应关系，实现不同图像空间中像元位置的变换；第二步是利用这种对应关系把原始畸变图像空间中全部像素变换到标准图像空间中的对应位置上，完成标准图像空间中每一像元亮度值的计算。具体步骤：照片（或胶片）输入数字化数字图像输入图像增强卫星轨道及姿态数据控制点选择建立校正公式确定校正方法a.系统性校正b.非系统性校正c.复合校正控制点误差分析调整像元坐标变换重采样图像输出几何校正步骤按照选定的纠正变换函数把原始数字影像逐个像素地变换到输出影像储存空间中有两种可供选择的纠正方案：直接法间接法（4）几何校正的方案

重采样的两种方法直接法：对输入影像的各个象元在变换后的输出影像坐标系上的相应位置进行计算，把各个象元的数据投影到该位置上。

间接法：对输出影像的各个象元在输入影像坐标系的相应位置进行逆运算，求出该位置上的象元数据。该方法是经常采用的方法。

直接法方案即从原始影像阵列按行列的顺序依次对每个原始像素点位求其在地面坐标（即输出影像坐标系）中的正确位置。同时把该像素的亮度值移置到根据直接纠正变换函数算得的输出影像中的相应点位上间接法方案即从空白的输出影像阵列出发，亦按行列的顺序依次对每个输出像素点位反求其在原始影像坐标中的位置。同时把根据间接纠正变换函数所算得的原始影像点位上的亮度值取出填回到空白输出影像点阵的相应的像素点位上两个方案本质上没有差别，主要不同仅在于所用的纠正变换函数不同，互为逆变换其次，纠正后像素获得的亮度值的办法不同对于直接法方案，称为亮度重配置对间接法方案，称为亮度重采样在实践中经常使用的方案是间接法方案重采样的方法数字影像亮度（灰度）值重采样若输出影像阵列中的任一像素在原始影像中的投影点位不是在其数字阵列的整数点位上，必须采取适当的方法把该点位四周邻近整数点位上亮度值对该点位的亮度贡献累积起来，构成该点位上的新的亮度值——数字影像亮度（灰度）重采样内插计算

计算每一点的亮度值。由于计算后的（x，y）多数不在原图的像元中心处，因此必须重新计算新位置的亮度值。一般来说，新点的亮度值介于邻点亮度值之间，所以常用内插法计算。为了确定校正后影像上每点的亮度值，只要求出其原图所对应点（x，y）的亮度。通常有三种方法：最近邻法双向线性内插法三次卷积内插法重采样时周围像素亮度值对被采样点（非整数点位）贡献的权重可用重采样函数来表达理想的重采样函数是SINC函数，其横轴各点的幅值代表了相应点对其原点（O）处亮度贡献的权但由于SINC函数是定义在无穷域上的，又包括三角函数的计算，实际应用不方便，可采用一些近似函数来代替，据此产生了三种常用的重采样的算法最近邻法输出图象（x,y）通过几何变换可以得到在输入图象上相应的位置（u,v），但u,v往往不是整数最近邻法的原则是：令输出像元（x，y）的灰度值等于它所映射到的位置最近的输出像元的灰度值I（u'，v'）I（x，y）＝I（u'，v'）u'=INTERGER(U)，v'=INTERGER(V)最近邻法

影像中两相邻点的距离为1，即行间距△x＝1，列间距△y=1，取与所计算点(x,y)周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近，就取哪个的亮度值作为（x,y）点的亮度值f（x，y）。设该最近邻点的坐标为（k,l）,则k=Integer(x+0.5)l=Integer(y+0.5)f(x,y)=f(k,l)几何位置上的精度为±0.5象元最邻近像元采样法的实质是取距离被采样点最近的已知像素（N）的亮度IN作为采样亮度。最邻近法优点：像元采样最简单，处理速度快，保持了原来亮度值（光谱信息）不变但该方法最大可产生0.5个像元的位置误差，空间位置发生改变，几何精度差双线性内插法此法的重采样函数是对SINC函数的粗略的近似。可用一个三角形线性函数：W（xc）=1-|xc|，（0≦|xc|≦1）当实施双线性内插时需要有被采样点p周围4个已知像素的亮度值参加计算。该法计算较为简单，并具有一定的亮度采样精度，实践中常用的方法缺点是破坏了原来的数据，但具有平均化的滤波效果。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。设4个邻点分别为(i,j),(i,j+1),(i+1,j),(i+1,j+1),过(x,y)作直线与x轴平行，与4邻点组成的边相交于点（i,y)和(i+1,y)。先在y方向内插,由f(i,j+1)和f(i,j)计算交点的亮度f（i,y)；由f(i+1,j+1)和f(i+1,j)计算交点的亮度f(i+1,y)。然后计算x方向，以f(i,y)和f(i+1,y)来内插f(x,y)值。

立体卷积法为了减少内插造成的高频信息损失，需要扩大采样点周围的邻域范围，即卷积核的空间位置越大越好在图象处理中应用二维卷积内插，即在每个内插位置周围的4×4邻域内进行计算具体程序分两步：即先顺行计算每行的4个像元求出一个中间性的内插值然后用这四个中间值求出最终的内插点的亮度值缺点是破坏了原来的数据，但具有图象的均衡化和清晰化的效果，可得到较高的图象质量

三次卷积内插法

增加邻点来获得最佳插值函数。取与计算点（x，y）周围相邻的16个点，与双向线性内插类似，可先在某一方向上内插，每4个值依次内插4次，求出f（x，j-1），f(x,j)，f(x,j+1),f(x,j+2)，再根据这四个计算结果在另一方向上内插，得到f(x，y）。因这种三次多项式内插过程实际上是一种卷积，故称三次卷积内插。三种内插方法比较方法优点缺点提醒1简单易用，计算量小处理后的影像亮度具有不连续性，影响精确度2精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。

计算量增加，且对影像起到平滑作用，从而使对比度明显的分界线变得模糊。

鉴于该方法的计算量和精度适中，只要不影响应用所需的精度，作为可取的方法而常被采用。

3更好的影像质量，细节表现更为清楚。

工作量很大。欲以三次卷积内插获得好的影像效果，就要求位置校正过程更准确，即对控制点选取的均匀性要求更高。

纠正的过程实际上是根据建立的纠正变换函数进行变换的问题。几何校正的算法基本分为：多项式法共线方程法（5）几何校正的算法多项式纠正法多项式纠正法是实践中经常使用的方法。其原理简单并且计算简单，特别是对于相对于地面相对平坦的情况具有足够好的纠正精度该法的基本思想是回避成像的空间几何过程，而直接对影像变形的本身进行数学模拟。该法认为遥感图像的总体变形可以看作是平移、缩放、旋转、仿射、偏扭、弯曲以及更高次的基本变形的综合作用结果因此纠正前后影像相应点之间的坐标关系可以用一个适当的多项式表达多项式纠正法对各种类型传感器的纠正都是普遍适用的该法不仅用于影像对地面（或地图）系统的纠正，还常用于不同类型影像之间相互的几何配准常用的多项式有一般齐次多项式。一般齐次多项式纠正变换式为：其中，x，y——某像素的原始影像坐标X，Y——同名像素的地面（或地图）坐标齐次多项式的项数（即系数个数）N与其阶数n有着固定的关系：多项式的系数ai

，bj可以用可预测的影像变形参数来构成，或利用已知控制点的坐标数值按最小二乘法原理求解共线方程纠正法遥感影像的成像过程是有时间延续性的，如果整幅影像中各部分是在同一瞬间（时间延续性小到不影响影像的几何变形）形成的，称为静态传感反之，若像元中各影像部分的成像时间存在不可忽视的差异，称为动态传感被动式主动式静态传感器动态传感器动态传感器框幅摄像机电视摄像机连续航带缝隙摄像机全景摄影机红外或多光谱扫描仪直线阵列推扫式传感器侧视雷达各种传感器的构像方程本身就是共线方程纠正法所用的坐标变换系数共线方程纠正法是建立在影像坐标与地面坐标严格变换关系基础上，对成像空间几何形态的直接描述。理论上比多项式纠正法严密。特别是引入了地面高程信息，在地形起伏较大的情况下，比多项式法更能显出纠正精度上的优越性地图投影地图投影就是把地球参考椭球体曲面按一定的规律投影转化为地图平面我国基本比例尺地形图是基于克拉索夫斯基参考椭球体的高斯—克吕格投影，属于横轴圆柱正形投影。共线方程参数的确定参数的选择：共线方程中待定系数主要指的是传感器的姿态参数和位置参数各三个，总共有6个自由度参数的解算：一种是利用可预测参数来直接构成另一种是借助于控制点通过最小二乘法原理来求解在国际上使用最广泛的卫星遥感数据是美国陆地卫星MSS、TM影像和法国SPOT卫星HRV影像遥感图像的几何纠正一般采用多项式纠正算法，在所有的图像处理系统中都配备了这一功能。由于难用一个统一的多项式来拟合变形，可将图像分作小块纠正。在分块的小区域上采用较低阶的多项式能够较好的地拟合变形。因此多项式的阶数设置不超过三阶就能满足要求五、遥感图像的数字配准遥感影像的相互配准问题是遥感数字图像上的另一类几何处理问题地面同一景物的一组图像——多图像多图像是不同传感器在同一时间，或者是由一个或数个传感器在不同时间对地面同一景物构像获得的由于多图像之间存在几何畸变，因此使多图像的各分量上的分辨元素按一个统一的坐标系统实现上下附和的处理是必需的图像配准就是产生一个空间校准的图像集合或者匹配某一景物的图像的过程两种类型的图像配准方式：进行相互匹配——选择多图像的某一个分量作为参考图像，将其他的分量图像与之配准，其坐标系统是任意选择的，简称为图像对图像的配准进行绝对配准——先定义一个控制格网，如某个地图投影确定的格网，所有的分量图像对这个参考格网配准，即分别完成各分量图像的几何纠正来实现坐标的统一，又称图像对格网的配准图象的配准使同一地区多时相、多传感器提供的多种遥感图象互相配准不同来源图象的互相配准——相对配准所有图象与地图坐标系统配准——绝对配准人工选择控制点后进行几何变换的方法是常用的配准方法自动配准是根据两个图象的相似性的量度，即在两个图象相对移动中找出其相似性量度值最大或差别最小的位置作为配准的位置（要求比例尺相同，没有明显方位旋转）一般配准的过程：（1）在多图像上确定分布均匀，足够数量的相互匹配的点，即同名像素（2）通过所选择的相互匹配点确定几何变换的多项式系数，完成一幅图像对另一幅的几何纠正第三章图像增强一、概述二、波谱信息增强三、空间信息增强一、概述将原来不清晰的图象变清晰或把我们感兴趣的有用信息强调出来（同时抑制不感兴趣的特征）的图象处理方法——图象增强增强是为了提高解象力，不要求恢复图象本来面目恢复处理是要恢复图象本来面目增强是相对或选择性的，即信息得以增强的同时，另一些信息被压缩了图象增强方法的选择与研究对象、目的和图象本身的信息特征，以及成像地区的地理、气候及地质环境有关，并随波段选择而有差异按增强信息的内容分：波谱特性增强：突出灰度信息空间特性增强：线、边缘、纹理结构特征增强时间信息增强：多时相图像中提取波谱与空间特征随时间变化的信息图象增强处理方法就是按照这三种信息的提取而设计的遥感图像增强处理可以在空间域进行，也可以在频率域进行，从这个角度可分为：空间域增强：在图像的空间变量范围内进行局部计算，使用空间二维卷积方法频率域增强：采用傅立叶分析，修改原图象傅立叶变换实现滤波两者实质上没有太大差别，只是频率域算法计算量大，精度较高，一般无边缘像元点损失，图像显示协调从数学形式看，可分为：点处理：基于自己的值不考虑周围像元的值，把原图象中的每一个像元值按数学变换模式转换成输出图像中一个新的灰度值，如对比度变换邻域处理：针对一个像元点周围的一个小邻域的所有像元进行，输出值除原图象本身点位值大小之外还受其周围邻域像元点值的影响，如卷积运算、中值滤波等1.概述2.辐射增强3.光谱增强4.比值法及差值法（多波段运算）二、波谱信息增强1.概述进行波谱信息增强处理：首先要了解各种地物的典型波谱特征，了解所用图象的传感器特征、成像方式、各个波段波长范围、地面分辨率和几何特征以及成像时间、季节、太阳高度角、方位角等基本参数其次分析成像地区地理、气候、地形、地物覆盖类型及各种地质体的波谱特征再次选择适当处理方法，指定处理方案，最终完成整个增强处理过程，分析结果2.辐射增强（单波段运算）1）直方图2）修改直方图增强直方图均衡化（HistogramEqualization）直方图匹配（HistogramMatch）3）反差增强线性扩展非线性扩展1）直方图直方图是灰度级的函数，描述图象中具有该灰度级的像元的个数，是图象概貌的总的描述——如总体色调、亮度范围、像元依亮度分布的形态等；一幅图象如果要进行增强处理，先做一下图象直方图以确定像元数沿灰级轴的分布，然后有目的增强2）修改直方图增强直方图均衡化（HistogramEqualization）直方图匹配（HistogramMatch）直方图均衡化

（HistogramEqualization）直方图均衡化是重新分配图象像元值，把原图像的直方图变换为各灰度值频率固定的直方图，输出图象的直方图为一较平的分段直方图绝大多数原图象直方图的像元灰级过于集中，这时图象信息不丰富，结构不清，若将直方图的高峰在水平方向压缩，向左右展开一个有同样高度的宽而低的新直方图，即为图象均衡化，均衡化后图象清晰程度提高，所需目标信息会被突出出来经过均衡化后，在每一灰度级的象素个数为：Dm/Ao其中Dm为灰度级的最大值；Ao为图象面积直方图均衡化3312212302453673（1）均衡化前的4×4图象小块灰级值

01234567处理前像元数12451111处理后像元数22222222（2）均衡化图象像元统计表3401212403665775（3）均衡化后的4×4图象小块直方图均衡化过程的两条规则图象均衡化过程中，原始图象各像元灰级变换后可以保持原来灰级级别，也可升入较高级别，也可降到较低级别，而且升入或降下的情况会出现好几个灰级级别情况均衡化过程中按扫描顺序，最先遇到的像元根据灰级变化，后扫描遇到的像元根据灰级变化形势再决定升入或降下直方图均衡化另外一种情况是不要求均衡化后各灰级像元数完全一致，只要各灰级像元数大致差不多即可首先必须找出一个变换函数F(x)，F(x)是具有直方图含义的概率密度函数P(x)的分布函数Px(i)是灰度值i的像元数所占总像元数百分比举例：现有64×64一幅图象具0—7的8个灰级(见表3—1(a))，通过它可求变换函数F(x)灰级

01234567像元数790102385065632924512286Px(k)

％

19％25％21％16％8％6％3％2％计算后的累计分布函数

灰级

01234567累计分布函数

0.190.440.650.810.890.950.981.000级像元：y=7*0.19=1.33=1级1级像元：y=7*0.44=3.1=3级2级像元：y=7*0.65=4.55=5级3级像元：y=7*0.81=5.67=6级4级像元：y=7*0.89=6.23=6级5级像元：y=7*0.95=6.65=7级6级像元：y=7*0.98=6.86=7级7级像元：y=7*1==7级原图均衡化像元原像元数累积均衡化均衡化后像灰级后灰级数百分比百分比后百分比累积百分比

017900.190.19

0.19

0.191310230.250.440.250.44258500.210.650.210.65366560.160.81463290.080.89572450.060.95671220.030.9877810.021.00

0.24

0.89

0.11

1.000.050.150.250.050.150.25原始图象直方图均衡化后图象直方图直方图匹配

（HistogramMatch）直方图匹配是使图象的直方图与另一幅图象或特定函数形式的直方图相匹配直方图匹配常作为相邻图象拼接或应用多时相遥感图象进行动态监测的预处理工作通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图象的效果差异直方图匹配可分两步完成：首先将需匹配的图象直方图变换为平坦的直方图，即直方图均衡化然后，将平坦的直方图转换为具有特定函数形式的直方图图3—3直方图均衡化和直方图匹配a(x,y)b(x,y)c(x,y)直方图Dm0P1(a)Dm0P2(b)Dm0P3(c)1/DmP1(a)P2(b)面积函数10Dm0Dm10Dm1P3(c)3）反差增强（对比度扩展）普通线性扩展分段线性扩展非线性扩展普通线性扩展a1a2b2b1xaxb45º扩展前扩展后图3—5b1’b2’分段线性扩展有时为了突出人们感兴趣的某些目标物，要求拉伸某些局部灰级范围——分段线性扩展分段线性变换的方法很多，主要根据变换后的要求，有目的的选取间断点的位置，决定拉伸哪一段或压缩哪一段的灰度范围，也可以只处理一部分的灰度025502550255高值区拉伸低值区拉伸中间区拉伸分段线性扩展非线性扩展指数变换：主要用于增强亮部分y=beax+c对数变换：主要用于增强暗部分y=blog(ax+1)+c抛物线变换：指数与对数变换的主要缺点在于变换曲线不能交于坐标原点，因此变换前后输入、输出图象灰级变化不一致，为了克服可用抛物线变换（见图3—6）图3—6非线性变换y1y输入输出xy=bx1输入输出xy=logx11x000(0,0)s=r2r=s2s=rTheTableLook-UpAlgorithm对整幅图像统一采用一种灰度标尺的变换使影像反差扩展到整个动态范围。这种反差处理是根据一个固定的变换关系逐个像素变换其灰度值，可以采用查表程序来完成查表法（LUT）：把亮度值的输入与输出之间的变换关系列成表格，已知输入值可查表获取其输出值3.光谱增强1）彩色增强2）主成分变换3）缨子帽变换1）彩色增强三原色原理假彩色合成伪彩色密度分割彩色增强多波段图象的彩色变换彩色坐标变换三原色原理