遥感图像处理

第一章 数字图像处理概念（模拟图像处理） 就是利用计算机对数字图像进行系列操作，从而获得某种预期结果的技术，又称计算机图像处理。{数字图像处理可分为三个层次：狭义图像处理、图像分析和图像理解} 第二章 {图像分类 根据人眼的视觉特性：可见图像、不可见图像和数学函数（图像） 按图像的灰度和空间坐标的连续性：数字图像和模拟图像 模拟图像(又称光学图像)：指空间坐标和明暗程度都连续变化的、计算机无法直接处理的图像，它属于可见图像。 数字图像：指被计算机存储、处理和使用的图像，是一种空间坐标和灰度均不连续的、用离散数字表示的图像，它属于不可见图像。 数字图像类型：二值图像，灰度图像，RGB彩色图像，索引图像 模拟图像变成数字图像，称为A/D转换 数字图像变成模拟图像，称为D/A转换 根据波段数：单波段、多波段和超波段图像(高光谱图像)} 数据格式：BSQ，BIL，BIP BSQ(band sequential)是按波段顺序依次排列的数据格式。数据排列规律：第一波段位居第一，第二波段位居第二，第n波段位居第n位。在每个波段中，数据依据行号顺序依次排列，每一列内，数据按像素顺序排列。 BIP(band interleaved by pixel)格式，每个像元按波段次序交叉排序。数据排序规律：第一波段第一行第一个像素位居第一，第二波段第一行第一个像素位居第二。以此类推，第n波段第一行第一个像素位居第n位；然后第一波段第一行第二个像素，位居第n+1位，第二波段第一行第二个像素位居第n+2位；其余数据排列依次类推。 BIL(band interleaved line)格式是逐行按波段次序排列。数据排列规律：第一波段第一行第一个像素位居第一，第一波段第一行第二个像素位居第二，以此类推，第一波段第一行第n个像素位居第n位；第二波段第一行第一个像素位居第n+1位，第二波段第一行第二个像素位居n+2位；其余数据排列位置依次类推。 灰度直方图概念，性质，作用 以横轴表示灰度级，纵轴表示每一灰度级具有的像素数或该像素占总像素数的比例值，做出的统计图称为灰度直方图。直方图是灰度级的函数，描述的是图像中各个灰度级像素的个数，其实质是灰度值概率密度函数的离散化图形。 性质：1）反映了图像中的灰度分布规律； 2）任何一幅特定的图像都有惟一的直方图与之对应，但不同的图像可以有相同的直方图； 3）如果一幅图像有两个不相连的区域组成，并且每个区域的直方图已知，则整幅图像的直方图是该两个区域的直方图之和； 4）在多数情况下，遥感图像的灰度值服从或接近于正态分布； 单波段，多波段 单波段图像在每个点只有一个亮度值，多波段(多光谱)图像上每个点具有多个特性。 {单波段统计特征参数：均值，中值，众数，方差，变差，反差。多波段统计特征参数：协方差，相关系数} 采样量化 {将模拟图像分割成大小相同的小方格(grid)，每一个方格称为像素或像元(pixel)，把各小方格灰度用整数表示。图像数字化包括采样和量化两个过程。} 将空间上连续的图像变换成离散点集的操作称为采样。{采样的重要参数：采样间隔和采样孔径} 将像素的明暗信息转换成离散的数值的过程叫量化。{量化可分为均匀量化和非均匀量化} 第三章 几何纠正：几何误差（产生原因），几何校正，消除方法 几何纠正：解决遥感图像的几何变形问题，消除遥感图像的几何误差 几何误差：图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时，就叫图像几何变形 {几何变形误差可分为静态误差和动态误差 按照变形的性质：分为系统性变形和随机性变形误差 按照变形的原因：传感器的内部变形，传感器的外部变形，影像投影面的选取法引起的变形，由地图投影不同引起的几何变形} 内外方位元素概念及个数，几何校正基本校正过程（通用），共线方程 内方位元素—表示摄影中心与相片之间相关位置的参数。由像主点在像平面坐标系中的坐标为x0, y0，摄影中心到相片的垂距(主距）f三个参数构成。 外方位元素：表示摄影中心和相片在地面坐标系中的位置和姿态的参数。外方位元素包括三个线参数和三个角参数。 外方位元素通常指的是传感器成像时的位置S（XS，YS，ZS），（X，Y，Z）和姿态角（ψ，ω，κ），对于侧视雷达而言，还包括其运行速度（vx, vy, vz）。 {遥感数字影像几何纠正的目的是改正原始影像的几何变形，生成符合某种地图投影或图形表达要求的新影像。} 过程：准备工作，输入原始数字影像，建立纠正变换函数，确定输出影像，像元几何位置变换，像元的灰度赋值，输出纠正数字影像。 共线方程： 共线点：投影中心S，地面点A，相应像点α 点灰度值采集方法（重采样方法） 最邻近像元法，双线性内插法，双三次卷积法，双像素重采样法 第四章 辐射校正及校正方法 消除图像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。 {辐射误差校正的目的在于：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，而引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度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} 方法：一.大气辐射校正方法：统计学方法，辐射传递方程计算法，波段对比法 二.太阳辐射校正：1.太阳位置引起的辐射误差校正：公式法，波段比值法 2.地形起伏引起的辐射误差校正：利用地表法线矢量与太阳入射矢量两者的夹角来校正 三．其他辐射误差校正 辐射误差及产生原因 遥感成像时，由于各种因素的影响，使得传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间存在差异，其间的差值称为辐射误差。 产生原因：传感器响应特性（光学摄影机引起的辐射误差，光电扫描仪引起的辐射误差） 外界(自然)条件：太阳照射(位置和角度)--太阳高度角引起的辐射误差，地形起伏引起的辐射误差。 大气传输(雾和云)等条件--大气的消光(吸收和散射)、天空光(大气散射的太阳光)照射、路径辐射。 第五章 图像增强： 通过对图像的操作，改变其表现形式和视觉条件，使影像特征发生变化，目标物更加清晰可辨。 类型：空间域增强，频率域增强，彩色增强，多图像代数增强，多光谱图像增强 {目的：改变图像的灰度结构，提高图像对比度；消除噪声，平滑图像；突出边界或线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息等} 辐射增强（线性，非线性） 一种通过直接改变图像中像元的亮度值来改变图像的对比度，从而改善图像质量的图像处理方法。辐射增强主要以图像的灰度直方图作为分析处理的基础。 线性变换是按比例扩大原始灰度级的范围，以充分利用显示设备的动态范围，使变换后图像的直方图的两端达到饱和。{例如，某一图像直方图的最小灰度值为10，最大灰度值为72，经线性变换后，输出的最小值为0，最大值为255，原图像上其他灰度值等比例换算} 非线性变换是按非线性变换函数改变像元的亮度值来改变图像的对比度的方法。{常用的非线性函数有对数函数、指数函数等。} 直方图（直方图均衡化，直方图匹配） 直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图，即任一灰度出现的概率相等或像元数相同；然后按均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。 {效果：（1）各灰度级出现的频率近似相等。（2）原图像上出现频率低的灰度级被合并，实现压缩；分布频率高的灰度级被拉伸，因此可以使亮度集中于中部的图像得到改善，增强图像上大面积地物与周围地物的反差。} 直方图匹配也叫直方图规定化，是指使一幅图像的直方图变成规定形状的直方图而对图像进行变换的增强方法。 直方图规定化的原理是对两个直方图都做均衡化，变成相同的归一化的均匀直方图。 直方图规定化的具体步骤如下： （1）统计原图像各灰度级的像元数，绘制原图像的直方图ha(xa)。 （2）计算原图像的累积频率，制作累积直方图Zb=T(xa)，对原图像进行均衡化变换。 （3）制作参考图像的直方图或确定参考直方图ha(yc)。 （4）做出参考累积直方图Zb=G(yc)，进行均衡化变换。 （5）对于原图像中的每一灰度级xa的累积值Zb，在参考累积直方图中找到对应的累积值G（yc），得到xa得到对应的新灰度值yc；如果G为数学公式可直接计算求值yc。 （6）以新值yc替代原灰度值xa，形成均衡化后的新图像。 （7）根据原图像各灰度级像元统计值对应得到新图像各灰度像元统计值，做出新直方图。 空间增强（邻域分析） 空间增强是有目的的突出图像上的某些特征，如突出边缘或线性地物；也可以有目的的去除某些特征，如抑制图像上在获取和传输过程中所产生的各种噪声。 卷积运算是在空间域上对图像进行邻域检测的运算。 在对图像进行处理时，某一像元处理后的值g(i, j)由处理前该像元f (i, j)的邻域N（i, j）中的像元值确定，这种处理称为局部处理，或称为邻域处理。 图像平滑 为了抑制噪声，改善图像质量或减少变化幅度，使亮度变化平缓所做的处理称为图像平滑。（平滑的主要方法有以下两种：均值平滑、中值滤波。） {中值滤波是对以每个像元为中心的M×N邻域内的所有像元按灰度值大小排序，用其中间位置的值作为中心像元新的灰度值。} 图像锐化 为了突出边缘和轮廓、线状目标信息，所做的处理称为锐化。锐化可使图像上边缘与线性目标的反差提高，因此也称为边缘增强。{方法：1.梯度法2. Roberts梯度3. Prewitt和Sobel梯度4. Laplace算法5. 定向检测} 卷积运算： 卷积运算是在空间域上对图像进行邻域检测的运算。 设：窗口大小为M×N，（i，j）是中心像元， f (m，n)是图像像元值， g (i，j)是运算结果，φ（m, n）是窗口模板（卷积核），卷积运算方法如下： ①选定一个卷积函数—“运算模板”，这是一个M×N的小图像φ（m, n），如3×3、5×5的图像。 ②从图像的左上角开始，在图像上开一个与模板同样大小的活动窗口f (m, n)，使图像窗口与模板像元的灰度值对应相乘再相加。计算结果g (i, j)作为窗口中心像元的新的灰度值。运算的公式为 然后沿同一行将模板向右移动一列，图像上的窗口也对应移动，按上式计算并把结果作为新窗口中心像元的新的灰度值。依次类推，逐列逐行将全幅图像扫描一遍，产生新的图像。 在实际应用中，经常使图像窗口与模板像元的灰值对应相乘再相加，相加的总和再除以模板内所有值的和作为中心像元新的灰度值。卷积运算的公式为 （若模板的和为0，则除以1） 从上图可以看出，模板的大小为3×3，从图像的左上角开始运算时，中心像元位于第二行第二列，则第一行第一列的像元无法进行模板计算；模板移动到右侧及下侧时也会出现同样的情况。因此，新图像比原图像左右各少一列，上下各少一行；若模板为5×5，则各少两行两列，依次类推。 为了保持图像大小不变，可在新图像的上、下、左、右各加一行或一列，使所加像元的值与相邻像元相同或全部为0（见左图）。由于新的灰度值位于窗口的中心，所以模板的大小M×N一般取奇数，而且常常M=N。 第六章 图像融合概念，条件，方法 图像融合定义：是指把各具特色的多源图像数据相互结合起来，进行综合分析和对比，相互补充，相互印证，以便充分发挥数据的作用。 图像变换方法：图像的频域变换（傅立叶变换），图像的时频域变换（小波变换），以及其它各种正交变换。 图像变换 图像变换定义：是指通过某种数学映射，将图像信息从空间域变换到另外的域上进行分析的方法。 {图像变换目的：①使图像处理问题简化；②有利于图像特征提取；③有助于从概念上加强对图像信息的理解。 图像变换应用：图像增强、图像恢复、特征提取、信息融合、图像编码压缩和形状分析等。} 植被指数及计算公式—反射特点 根据地物光谱反射率的差异， 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 一定的图像运算公式，可以突出图像中植被的特征、提取植被类别或估算绿色生物量，通常把能够提取植被的算法称为植被指数 比值植被指数 归一化植被指数 差值植被指数 DVI=IR－R 正交植被指数 PVI=1.622 5(IR)－2.297 8(R)+11.065 6 适用于NOAA卫星的AVHRR。 PVI=0.939(IR)－0.344(R)+0.09 适用于Landsat。 第七章 遥感图像分类，方法 遥感图像分类就是把图像中的每个像元或区域划归为若干类别中的一种，即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元划分到各个子空间中去。 {遥感图像分类的本质是对要识别的对象的类属进行判别。} 方法：图像预处理--训练区选择--特征选择、特征提取--分类--结果检验、精度评价--成果输出。 判别函数： 距离判别函数：绝对值距离，欧几里德距离，马哈拉诺比斯距离 最大似然法判别函数： 监督分类，非监督分类 非监督分类指人们事先对分类过程不施加任何的先验知识，仅根据遥感影像地物的光谱特征的分布规律进行分类。 初始类别参数：基准类别集群中心(数学期望Mi)，集群分布的范围（协方差矩阵∑i），基准类别数 监督分类指分类前对分类对象的类别、特征等知识已经了解和掌握（先验知识），依此为依据，建立判别规则（函数），确定待分类对象的类别归属。 特征参数的确定：在实际判别分析中，首先根据抽样（训练区）得到（确定）各类别的属性特征，然后分析确定特征参数，进而建立判别函数（分类器）。 聚类分析类型：系统聚类、动态聚类 ) ( ) ( ) ( ) ( ) ( ) ( tan ) ( ) ( ) ( ) ( ) ( ) ( cos 3 3 3 2 2 2 3 3 3 1 1 1 S A S A S A S A S A S A S A S A S A S A S A S A Z Z c Y Y b X X a Z Z c Y Y b X X a f f Z Z c Y Y b X X a Z Z c Y Y b X X a f x                             � EMBED Equation.3 ��� � EMBED Equation.3 ��� _1384609045.unknown _1384609133.unknown