第五章-遥感图像处理—图像增强.ppt

（3）HSI变换 HSI代表色调、饱和度和明度（hue，saturation，intensity）。色彩模式可以用近似的颜色立体来定量化。颜色立体曲线锥形改成上下两个六面金字塔状。 五、多光谱图像四则运算 （一）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。 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。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。 TM4 影像 TM3 影像 TM4-TM3影像 87年影像 92年影像 变化监测结果影像 （二）加法运算 B=? ?i /m i=1 m 加法运算可以加宽波段，如绿色波段和红色波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。 【TM（1+2+3+4+5+7）/ 6】的加法影像 （三）乘法运算 （四）比值运算 B=[ ??I ]1/m i=1 m Ｂ＝Ｂx／Ｂy　　 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。 TM4/TM3的比值影像 （五）混合运算 归一化差分植被指数（NDVI）： 变换NDVI（TNDVI） ： NDVI=（TM4-TM3）/（TM4+TM3） TNDVI=(NDVI+0.5)1/2 归一化差分植被指数 六、多光谱变换 多光谱变换通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。其变换的本质：对遥感图像实行线性变换，使多光谱空间的坐标系按一定规律进行旋转。 K—L变换（主成分变换） 从一个多维空间到另一正交多维空间的变换，即多波段图像的线性变换。 Y=AX 特点：变换后的坐标系与变化前的坐标系相比旋转了一个角度。 原始数据为二维数据，两个分量x1、x2之间存在相关性，具有如图所示的分布。通过投影，各数据可以表示为y1轴上的一维点数据。从二维空间中的数据变成一维空间中的数据会产生信息损失，为了使信息损失最小，必须按照使一维数据的信息量(方差)最大的原则确定y1轴的取向，新轴y1称作第一主成分。为了进一步汇集剩余的信息，可求出与第一轴y1正交、且尽可能多地汇集剩余信息第二轴y2，新轴y2称作第二主成分。 Ｋ--Ｌ变换应用： (1) 数据压缩：去相关，主成分中第一主分量或前两个或前三个主分量已包含该幅图像中的绝大多数地物信息。 (2)图像增强：前几个主分量信息多且信噪比大，噪声少，最后分量几乎全是噪声，去掉最后分量可达到去噪目的。 Ｋ—T 变换( 缨帽变换 ) 该变换也是一种坐标空间发生旋转的线性变换，不同的是变换后的坐标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向，特别是与植物生长过程和土壤有关。这种变换既可以实现信息压缩，又可以帮助解译分析农业特征，因此有很大的实际应用意义 。 目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。 这种变换既可以实现信息压缩，又可以帮助解译分析农业特征，因此这种变换着眼点在于农作物生长过程而区别于其他植被覆盖。 性质: (1) 仅适用于TM图像1~5、7波段的线性变换; (2) 线性变换矩阵为6×6 的常数矩阵,而且是经验矩阵; (3) 变换后依然得到6个图像。其中：第一个图像反映亮度特征，是原图像亮度的加权和；第二个图像表示绿度，反映绿色生物量特征；第三个图像表示湿度，反映土壤的湿度特征；其余三个分量与地物特征没有明确的对应关系。 七、多元信息复合 遥感图像信息融合(Fusion)是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。 不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。 第五章 遥感图像处理—图像增强 遥感图像增强是为特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。图像增强的实质是提高图像质量和突出所需信息，从而有利于分析判读或进一步处理。 　　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，用平面直角坐标系表示图像像元灰度分布状态。 横轴表示灰度级，纵轴表示灰度级为gi的像元个数mi占像元总数Ｍ的百分比（Pi=mi/M)。将Pi绘于图上，所形成的统计直方图叫灰度直方图。 一、灰度直方图 通过灰度直方图可以直观地了解图像的特性。