第六章-遥感图像辐射处理-3教材课件.ppt

1、第六章第六章 遥感图像的辐射处理遥感图像的辐射处理 遥感图像的辐射定标与校正遥感图像的辐射定标与校正1 遥感图像的融合遥感图像的融合3 遥感图像的四则运算遥感图像的四则运算212知识回顾：遥感图像辐射定标 大气校正第六章 第1节 遥感图像的辐射定标与校正根据影像特征进行辐射信息处理遥感图像的四则运算图像 反射率也是计算机自动分类的一种预处理方法3一、灰度运算二、多光谱运算三、投影变换第六章第六章 第第2节节 遥感图像的四则运算遥感图像的四则运算数字图像运算重点体会：遥感信息提取4一、灰度运算1.1基于直方图的运算5一、灰度运算1.1基于直方图的运算实质：将数字图像处理中的直方图运算方法用与遥感

2、影像实质：将数字图像处理中的直方图运算方法用与遥感影像遥感图像直方图的特征数字图像处理方法直方图均衡直方图均衡直方图正态化直方图正态化直方图匹配直方图匹配a图像直方图靠近低灰度区，该图像属于低反射率景物图像；图像直方图靠近低灰度区，该图像属于低反射率景物图像；b图像为高反射率景物图像；图像为高反射率景物图像；c图像直方图标准差偏小，为低反差景物图像；图像直方图标准差偏小，为低反差景物图像；d图像直方图的标准差较大，为高反差景物的图像；图像直方图的标准差较大，为高反差景物的图像；e图像直方图呈现出多峰，图中有多种地物出现的频率较高；图像直方图呈现出多峰，图中有多种地物出现的频率较高；f图像直方图

3、呈现出双峰，并且高亮度地物（如云、白背景等）出现频率高。图像直方图呈现出双峰，并且高亮度地物（如云、白背景等）出现频率高。6一、灰度运算1.1基于直方图的运算遥感图像直方图的特征 直方图均衡前后的影像7一、灰度运算1.1基于直方图的运算直方图均衡前后的彩色影像8一、灰度运算1.1基于直方图的运算直方图匹配前后后的影像 参照影像9一、灰度运算1.1基于直方图的运算用与图像镶嵌、变化监测用与图像镶嵌、变化监测 对在不同时间获取的同一对在不同时间获取的同一地区或邻接地区的图像；或者地区或邻接地区的图像；或者由于太阳高度角或大气影响引由于太阳高度角或大气影响引起差异的图像分析很有用。起差异的图像分析很

4、有用。在改善图像对比度时，如果采用线性或分段线性的函数关系，那么这种变换就是线性变换。10一、灰度运算1.2 灰度线性变换 11一、灰度运算1.2 灰度线性变换线性变换直方图均衡12二、多光谱运算2.1彩色运算1.彩色合成彩色合成 赋给每个象元一种颜色，经计算机处理，输赋给每个象元一种颜色，经计算机处理，输出按顺序排列的彩色象元点阵，这就是彩色合出按顺序排列的彩色象元点阵，这就是彩色合成图像。成图像。ETM 313二、多光谱运算2.1彩色运算1.彩色合成彩色合成 ETM 414二、多光谱运算2.1彩色运算1.彩色合成彩色合成 ETM 515二、多光谱运算2.1彩色运算1.彩色合成彩色合成 合成

5、影像16二、多光谱运算2.1彩色运算1.彩色合成彩色合成 17二、多光谱运算2.1彩色运算1.彩色合成彩色合成 (真彩色与假彩色真彩色与假彩色)TM 321合成真彩色合成真彩色18二、多光谱运算2.1彩色运算TM 543合成假彩色合成假彩色19二、多光谱运算2.1彩色运算TM1TM2TM3TM4TM5TM6TM720TM7,4,1TM5,7,2TM5,4,3TM4,3,22122二、多光谱运算2.1彩色运算1.彩色合成彩色合成 如何挑选最优波段组合？为第i个波段的标准差 为i、j两波段的相关系数3131iijiiRSOIFiSijRn最佳指数 23二、多光谱运算2.1彩色运算1.彩色合成彩色合

6、成 n 联合熵 例例:MODIS各波段各波段联合熵OIF(1,2,3)15.92979455.907304(1,2,4)15.52599555.597406(1,2,5)16.59157657.278772(1,2,6)17.46557270.811540(1,2,7)17.73616191.304655(1,3,5)16.32323656.989418(1,3,6)16.62867871.461841(1,4,5)15.94296956.596445(1,4,6)16.34348670.446300(1,5,6)17.46652868.391964(1,5,7)17.90092585.831

7、665(1,6,7)17.43616479.027901联合熵求最佳波段组合，排名前三的是(1,5,7)、(1,2,7)、(1,2,6)；OIF求最佳波段组合，排名前三的是 (1,2,7)、(1,5,7)、(1,6,7)；24二、多光谱运算2.1彩色运算1.彩色合成彩色合成 波段组合(1,2,7)波段组合(1,5,7)25 例例:MODIS各波段各波段二、多光谱运算波段组合(1,5,7)分类波段组合(1,2,7)分类26 例例:MODIS各波段各波段二、多光谱运算2.1彩色运算1.彩色合成彩色合成 27(单波段彩色变换单波段彩色变换)二、多光谱运算2.1彩色运算2.伪彩色增强苏州市苏州市MSS

8、7 卫星图像和经密度分割增强后的伪彩色图像卫星图像和经密度分割增强后的伪彩色图像28(单波段彩色变换单波段彩色变换)二、多光谱运算2.1彩色运算2.伪彩色增强 1减法运算 Bm=BXBY 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。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，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。可以提取波段间的变化信息。29二、多光

9、谱运算2.2 波段间运算 2加法运算 B=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。30二、多光谱运算2.2 波段间运算 3乘法运算 B=(Bi)1/m 乘法运算结果与加法运算结果类似 31二、多光谱运算2.2 波段间运算 4除法运算 xy *通过比值运算能压抑因地形坡度和方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，消除地形起伏的向引起的辐射量变化，消除地形起伏的影响；影响；32二、多光谱运算2.2 波段间运算33二、多光谱运算2.2 波段间运算比值图像 (除法运算)*也可以增强某些地物之间

10、的反差，如植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，通过比值运算可像上反射率是不同的，通过比值运算可以加以区分以加以区分 因此，比值运算是自动分类的预处理方因此，比值运算是自动分类的预处理方法之一。法之一。34二、多光谱运算2.2 波段间运算35二、多光谱运算2.2 波段间运算5混合运算加减乘除多种方法的综合运算36二、多光谱运算2.2 波段间运算例：植被指数37 植被光谱的典型特征是由于叶绿素的强烈吸收，在可见光区域反射率总体很低，在绿波段存在相对峰值，近红外区域出现突然的抬升。而作为背景的土壤光谱则相对平缓。

11、定量化地描述植被的这种显著特征植被指数5混合运算植被指数二、多光谱运算2.2 波段间运算38 混合运算的关键：设计一种数学表达式F，能够反映出反射率从红光区域红光区域到近红外区域近红外区域的剧烈抬升。F的计算值越大，说明植被特征越明显。思考：有哪些可供采取的数学表达式？方式之一：记红光反射率为p1,近红外为p2,将F设计为p2的增函数和p1的减函数。5混合运算二、多光谱运算2.2 波段间运算39 NDVI（归一化差值植被指数）NIR 和R分别为红外波段和红波段处的反射率值5混合运算植被指数二、多光谱运算2.2 波段间运算40乘性因素（1）NDVI 能够部分消除与太阳高度角、卫星观测角、地形、云

12、影等与大气条件有关的辐射变化的影响；原因？5混合运算植被指数二、多光谱运算2.2 波段间运算41（2）NDVI 结果被限定在-1，1之间，避免了数据过大或过小给使用带来的不便；（3）NDVI 是植被生长状态及植被覆盖度的最佳指示因子。5混合运算植被指数二、多光谱运算2.2 波段间运算42 非线性变换，增强了NDVI 低值部分，抑制了高值部分，导致NDVI数值容易饱和，对高植被密度区敏感性降低；NDVI 的不足221NIRRNIRRRRNIRRNIRRNIRR NIR的反比关系5混合运算植被指数二、多光谱运算2.2 波段间运算43 SAVI（土壤调节植被指数）L为土壤调节系数，通常取L=0.5

13、EVI（增强植被指数EVI）用红、蓝波段的组合，代替NDVI 中的红波段MODIS 陆地植被指数产品之一5混合运算植被指数二、多光谱运算2.2 波段间运算44其它形式重点是理解对波谱特征进行分析的方法。5混合运算植被指数二、多光谱运算2.2 波段间运算45三、投影变换2.1特征提取与投影变换 特征提取是指对原始的光谱空间特征进行重新组合和优化，提取出最适合当前应用需求的新特征。投影变换是实现特征提取一类方法K-LK-L变换变换(Karhunen-Loeve)(Karhunen-Loeve)(主分量变换)K-L变换:它是对某一多光谱图像X.利用K-L变换矩阵A进行线性组合,而产生一组新的多光谱图

14、像Y.Y=AXY=AX 特点:变换后的主分量空间与变换前的多光谱空间坐标系相比旋转了一个角度。新坐标系的坐标轴一定指向数据量较大的方向。46三、投影变换2.2主分量变换该变换的几何意义是把原始特征空间的特该变换的几何意义是把原始特征空间的特征轴旋转到平行于混合集群结构轴的方向上去。征轴旋转到平行于混合集群结构轴的方向上去。47三、投影变换2.2主分量变换 作用：达到数据压缩、提高信噪比、提取相关信息、降维处理和提取原图像特征信息的目的。主分量变换计算步骤如下：主分量变换计算步骤如下：（1）计算多光谱图像的均值向量M和协方差矩阵C。（2）计算矩阵C的特征值r和特征向量r，（r=1，2，,M）,M

15、为多光谱图像的波段数。（3）将特征值r按由大到小的次序排列，即12m.48三、投影变换2.2主分量变换（4）选择前几个特征值对应的几个特征向量构造变换矩阵A.（5）根据AX进行变换，得到的新特征影像就是变换的结果，X为多光谱图像的一个光谱特征矢量。第一分量方差分布最广，集中最多信息，第二分量次之。49三、投影变换2.2主分量变换50三、投影变换2.2主分量变换第一主分量，注意已经失去波谱信息的意义51三、投影变换2.2主分量变换第六主分量，注意已经失去波谱信息的意义52三、投影变换2.2主分量变换53三、投影变换2.2主分量变换机载扫描器的机载扫描器的6 6 幅光谱图像幅光谱图像6 6 幅主分

16、量图像幅主分量图像54三、投影变换2.2主分量变换例:有三幅影像,其灰度为:P10 1 1 1,P20 0 0 1,P30 0 0 1其均值为:M1=(0+1+1+1)/4=3/4 M2=1/4 M3=1/455三、投影变换2.2主分量变换协方差:11=(0-3/4)(0-3/4)+3(1-3/4)(1-3/4)/4=3/1612=(0-3/4)(0-1/4)+(1-3/4)(0-1/4)+(1-3/4)(1-1/4)+(1-3/4)(0-1/4)/4=1/1656三、投影变换2.2主分量变换同理:由|-E|=0 1=2=0.25 3=0.062557三、投影变换2.2主分量变换58三、投影变

17、换2.2主分量变换A=1 -1 1 1 Y=AX59三、投影变换2.2主分量变换 是kauth-Thomas变换的简称，也称穗帽变换.是一种坐标空间发生旋转的线性变换，旋转后的坐标轴指向与地面景物有密切关系的方向 主要针对TM图像数据和MSS数据.60三、投影变换2.2 K-T变换 Y=AX Y=（ISB IGV IY IN）T X=（X4 X5 X6 X7）其中：ISB土壤亮度轴的像元亮度值 IGV植物绿色指标轴的像元亮度值 IY 黄色轴 IN 噪声轴 Xi 地物在MSS四个波段上的亮度值61三、投影变换2.2 K-T变换穗帽变换的变换矩阵根据经验确定。Kauth和Thomas研究出的矩阵A

18、具有如下形式：0.433 0.632 0.586 0.264 -0.290 -0.567 0.600 0.491 -0.824 0.533 -0.050 0.185 0.223 0.012 -0.543 0.80962三、投影变换2.2 K-T变换63三、投影变换2.2 K-T变换土壤亮度变化轴ISB为穗帽的底边，帽上面各部分反映了植物生长变化状况，植物株冠的绿色发展到顶点（最旺盛时在帽顶）以后逐渐枯黄，枯黄过程是从帽顶沿着一些称为帽穗的路径回归到土壤底线（因此有穗帽之称）。64三、投影变换2.2 K-T变换小结小结65一、灰度运算直方图变换线性变换二、多光谱运算彩色运算波段间运算三、投影变换主分量变换K-T变换