遥感图像处理-基本原理-厉青课件.ppt

1、第一章第一章 概述概述第二章第二章 遥感图像处理基本原理遥感图像处理基本原理第三章第三章 遥感图像预处理遥感图像预处理第四章第四章 图像增强图像增强第五章第五章图像分类图像分类第一章第一章 概述概述u 一、遥感图像处理技术的概况和发展 二、遥感数字图像处理的主要内容、特点及应用u三、数字图像处理设备和系统第一章第一章 概述概述 一、遥感图像处理技术的概况和发展 图像处理技术是随着计算机技术的发展而开拓出来的一个新的应用领域，就是把图像转换成一个数据矩阵存放进计算机对之进行处理。具体说，利用数字计算机或其它数字硬件，对从图像信息转换而来的电信号进行某些数学运算，以期提高图像的实用性，从而达到人们

2、所要求的某些预期的结果。数字图像处理起源于20世纪20年代，首先用于改变数字化报纸的图片。新闻照片经过数字化，由海底电缆开始在纽约和伦敦之间传送，为了用电缆传输图片，首先要进行编码，然后在接收端由专用打印设备进行图片重建。此时的技术能力，仅把图像编码为五个亮度级，到1929年才提高到15个等级。但那时图像的处理还不是用计算机进行的。从六十年代起，随着电子计算机技术的进步，数字图像处理获得了飞跃的发展。1964年美国喷气推进实验室（JPL）开始用计算机处理航天照片，以消除畸变，提高质量，取得了惊人的效果。从此以后，遥感数字图像处理技术和设备得到了迅速的发展。硬件：硬件：主处理机：60年代到70年

3、代上半期，遥感图像处理的实现一般都是在已有的大、中型计算机上配备必要的外围设备，利用图像处理软件来完成图像处理与分析功能。70年代下半期到80年代初期，专用图像处理机的出现，将许多图像处理算法固化，一部分图像处理与分析功能可以用硬件快速实现，从而使遥感图像处理速度大幅度地提高。80年代初到90年代初期，超小型机在图像处理中占有统治地位，图像运算速度也有了很大的提高。近年来，在遥感图像处理系统的构成方面，硬件发展已进入了第四个阶段，即在工作站上建立大规模专业化的遥感图像处理系统，如建立在工作站上的ERMAPPER。而一般的应用用户，又可以建立以PC机为核心遥感图像处理系统，专用图像处理机在遥感图

4、像处理系统中地位已经开始下降。软件：软件：软件功能反映了遥感技术应用水平遥感图像处理系统与GIS的融合多种遥感资料的处理。非遥感资料的图像处理。二、遥感数字图像处理的主要内容、特点及应用 1、数字图像处理的内容 a、图像数字化及编码压缩 Image digitization.Coding.Compression b、图像恢复或校正 Image restoration or correction c、图像增强 Image enhancement d、图像分析（或图像分割）Image analysis or Image segmentation 2、遥感数字图像处理的优点 a、图像信息损失低，处理

5、的精度高 b、抽象性强，再现性好、通用性广，灵活性高 、能充分利用遥感图像信息，对图像灰度可分解为很多级，可检测出微小的图像细节，并能对图像信息作定量分析。而目视判读对黑白图像仅能分辨出十余级灰度。、处理周期短，速度快，适于进行动态分析。而且计算机数字图像处理是以数学理论为基础的，方法广泛，可以充分开发利用不同形式的遥感图像信息。计算机技术的发展和普及是当今世界的大趋势，计算机数字处理正是顺应这个大趋势的，其图像处理的技术、方法及质量可不断发展提高。3、遥感数字图像处理的应用 遥感数字图像处理，是遥感技术的主要组成部分，它在遥感技术应用中起着重要的作用1利用遥感数字图像处理技术获得满足一定精度

6、要求的各种图件2利用遥感数字图像处理技术，快速准确地提取所需信息3利用遥感数字图像处理技术，为图像的解译奠定基础三、数字图像处理设备和系统 遥感图像处理系统 通用计算机型 专用处理机型 运算处理设备 输入设备 输出设备 存储器（外存）图像软件 系统软件 应用软件 遥感图像处理软件介绍 1、ERDAS IMAGING ERDAS IMAGING是美国ERDAS公司开发的遥感图像处理系统，它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工

7、具，代表了图像处理系统未来发展趋势。ERDAS IMAGING软件构成：核心模块 IMAGNE Essentials：基本地图生产系统，提供了众多工具生产以图像可视化与分析（增强、分类、专题图制作、三维景观显示等），信息集成（影像库管理，矢量数据查询检索等）和简单几何纠正为主的高质量专题地图，另外还拥有易于使用应用界面扩展工具EML宏语言。IMAGNE Advantage：一个易于使用的集成环境，提供图像镶嵌、地表DEM内插、高级图像解译（增强、滤波、高光谱图像处理、傅立叶变换）和正射纠正工具，对图像数据进行综合分析。IMAGNE professional：快速图像检测与分类，特别功能包括无需

8、编程就能扩展图形空间数据建模、最大似然、模糊决策等，提供雷达图像基本分析和完整而专业易用的分类工具。2、ENVI ENVI是美国RSI开发的一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具，能够进行地物目标识别，直观且功能强大，完全由IDL开发，方便灵活，可扩展性强，获2000年美国权威机构NIMA遥感软件测评第一。它具备如下特点：接受更多的传感数据格式 ENVI对于要处理的图像波段数据没有限制，可以处理最先进的卫星格式，如Landsat-7、IKONOS、SPOT、RADARSAT、NASA、NOAA、ERSO和TERRA，并准备接受未来所有传感器

9、的信息。强大的多光谱影像处理功能 ENVI能够提取图像信息，具备进行图像预处理、图像增强、掩膜、图像计算、图像分类及后处理、图像变换和滤波、图像镶嵌、融合等功能的全套完整的遥感影像处理工具。此外，ENVI提供丰富完备的投影软件包，可支持各种投影类型。同时，ENVI还创造性地将一些高光谱数据处理方法用于多光谱影像处理。更便捷地集成栅格和矢量数据 ENVI包含所有基本的遥感影像处理功能，如校正、定标、波段运算、分类对比增强、滤波、变换、边缘检测及制图输出功能，并加注汉字。ENVI具有对遥感影像进行配准和正射校正的功能可以给影像添加地图投影，并与各种GIS数据套合。ENVI的矢量工具可以进行屏幕数字

10、化、栅格和矢量叠合，建立新的矢量层、编辑点、线、多边形数据，缓冲区分析，创建并编辑属性并进行相关矢量层的属性查询。高光谱影像处理 ENVI拥有先进的高光谱和多光谱分析工具，可识别出图像中纯度最高的像元，通过与已知波谱库的比较确定未知波谱的组成。使用ENVI自带的波谱库，也可自定义波谱库，甚至可以组合使用线形波谱分离和匹配滤波技术进行亚像元分解，以消除匹配误差，得到精确的结果快速处理雷达数据 ENVI可以快速处理SAR数据，提取CEOS信息并浏览RADARSAT和ERS1数据。用天线阵列校正、斜距校正、自适应滤波等功能提高数据的利用。纹理分析还可分段分析SAR数据。如果是极化雷达数据，可从SIR

11、C和AIRSAR压缩数据中选择自己的极化和工作频率。此外，还可以浏览和比较感兴趣区的极化信号，并创建幅度图像和相位图像。可扩展性强，拥有第四代可视化语言IDL E N V I 具 有 强 大 的 底 层 二 次 开 发 工 龄 I D L（Interactive data Language）交互式数据语言开发。IDL语言是面向矩阵、语法简单的第四代可视化语言，致力于科学数据的可视化和分析，是跨平台应用开发的最佳选择。IDL集可视、交互分析、大型商业开发为一体，为用户提供了完善、灵活、有效的开发环境。ENVI的完全开发版本具有IDL底层环境，可随时与IDL进行衔接。用户可以用第四代科学计算评议为

12、其编写扩展功能。3、PCI PCI软件是加拿大PCI公司开发的用于图像处理、几何制图、GIS、雷达数据分析以及资源管理和环境监测的多功能软件系统。它以其丰富的软件模块、灵活的编程能力和便利的数据可操作性代表了图像处理软件系统的发展趋势和技术先导，支持所有的数据格式、适用于各种硬件平台。PCI不仅可用于卫星和航空遥感图像的处理，还可应用于石油勘探、矿产资源开发、林业、农业、测绘、土地资源调查评估与管理、自然灾害动态监测、环境保护、城市规划、铁路交通、沙漠治理、工程建设、气象预报等非常广泛的领域。PCI不断地将最新、最前沿的科学研究成果转化为软件产品之中。它是支持多传感器正射投影校正和从立体像对中

13、提取DEM图像的软件；最早提供神经网络和模糊逻辑的精确分类方法；率先能够处理多达1024个通道的多光谱数据及推出处理极化数据和模拟图像的RADAR软件模块；PCI软件能够运行于多种平台且拥有最齐全的功能模块：经过十几年的发展，PCI公司的产品结构发生了极大的变化，已经从一个单纯的遥感图像处理软件产品，发展到包括GIS，WEBGIS，专业制图、数字摄影测量等系列产品的地理资讯公司。从图像处理的产品来讲，PCI总体已形成三个系列的产品。即专业遥感图像处理产品、专业雷达信号处理及分析产品、数字摄影测量产品。其中，PCI专业遥感图像处理产品按用户不同的需求，包括从普通应用到专业分析共三个商业软件包及五

14、个专业扩展模块。第一软件包IMAGEW0RKS 该软件包主要由三部分组成：影像处理和多光谱分类工具(IMAGEWORKMULTISPECTRAL CLASSIFICATION)、几何校正工具(GCPWORKS)和直接数据读取(GEOGATEWAY)。第二软件包EASIPACE IMAGE PROCESSING KITVISUAL MODEILER 该软件包在包含了IMAGEWORKS的全部功能的基础上又增加了VISUAL MODUDLE、XPACE KENNAL、IMAGE PROCESING、GEOMETRIC CORRECTION、MULTILAYER、VECTOR UTILTIES、AC

15、K专业制图、地形分析、航片立体像对DEM提取和磁带输入输出的功能。此外，本软件包可以追加PCI专业扩展模块 第三软件包EASIPACEIMACEPB0 EASIPACE IMAGEPRO除包含EASIPACE IMAGE PROCESSING KITVISUAL MODELLER软件包全部的功能外，还具有多光谱分析、雷达分析、AVHRR轨道领航者、大气校正、高光谱分析、神经元网络分类器、目标图像库管理者、三维可视化飞行模拟。并且，本软件包还可以追加PCI专业扩展模块。PCI遥感图像处理软件的五个专业扩展模块 该软件包括5个专业扩展模块，分别为大气校正(Atmospheric Correctio

16、n)、图像锁数据融合(Imagelock data fusion)、极化雷达(Polarimetric RadarAnalysis)、PCI作者(PCI Author)、软件工具箱目标库(Software Toolbox Object Libraries)。这五个模块的任意一个，均可以单独与其他软件包配合使用。第二章第二章 遥感图像处理基本原理遥感图像处理基本原理u第一节第一节 遥感成像过程遥感成像过程u第二节第二节 遥感图像模式及图像函数遥感图像模式及图像函数u第三节第三节 遥感图像的数据结构遥感图像的数据结构u第四节第四节 遥感图像的基本统计分析遥感图像的基本统计分析u第五节第五节 遥感图

17、像的信息特征遥感图像的信息特征 第二章第二章 遥感图像遥感图像 图像的基本概念：图像（image）是对客观对象的一种相似性的描述或写真，它包含了被描述或写真对象的信息，是最主要的信息源。遥感图像是通过远距离探测而记录的地球表面、大气层、以及其它星球表面等物体在不同的电磁波波段所反射或发射的能量的分布和时空变化的产物。根据波段的多少 单波段图像：图像上每个点只有一个亮度值 多波段图像：图像上每个点不只一个特性 超波段图像：图像上每个点具有几十甚至几百个特性 根据图像的明暗程度和空间坐标的连续性划分：数字图像数字图像（digital image）：被计算机存储、处理和使用的图像，是 一种空间坐标和

18、灰度均不连续、用离散数学表示的图像，它属于不可见图像 模拟图像模拟图像(analog)(analog)：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 模拟图像模拟图像 数字图像数字图像 模数转换，记模数转换，记A/D转换转换 数字图像数字图像 模拟图像模拟图像 数模转换，记数模转换，记D/A转换转换 遥感数字图像（遥感数字图像（digital image）是指以数字形式表述的遥感影像。第一节第一节 遥感成像过程遥感成像过程 对遥感图像进行数字处理其实质是通过各种运算及变化来提取和增强图像中的专题信息，以达到识别目标（地物、专题信息）的目的。遥感图像数字处理方法与方案

19、的选择是依据遥感专题的目的和遥感图像本身的特征来确定的。而遥感图像的本身特征又在很大程度上取决于图像的形成过程，因而图像的形成过程对于遥感图像的数字处理有重要的意义。我们所取得和使用的图像数据或像片是地物的辐射信息经过整个系统的记录、传送、加工及转化后的产品。从把运载工具发射到预定轨道后传感器开始工作起，到由专用的处理系统生产出遥感数字产品（计算机兼容磁带、磁盘等）和模拟产品（各种比例尺的遥感相片）的全过程和全部设备构成一个遥感系统。决定遥感图像的信息内容和质量的最主要的因素是所用电磁波及相应的传感器的性能。轨道高度和瞬时视场（或地面分辨率）的大小也直接影响图像内容的详细程度和精度。遥感图像的

20、获取的方式：摄影成像 扫描成像 雷达成像第二节第二节 遥感图像模式及图像函数遥感图像模式及图像函数 一、遥感图像模式 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;,t,p）=(x，y;,t,p)I（x，y；,t）+1-(x，y;，t,p)e()反射的波谱辐射量 发射的波谱辐

21、射量式中 L(x,y)点的波谱辐射量；x,y图像的空间位置坐标；t图像的成像时间；传感器电磁波工作波段的波长；p 电磁波段极化性质；(x,y)点的波谱反射率；I(x,y)点的入射辐射量；e()黑体的波谱发射本领 即：遥感图像是关于观测区空间位置变化（x,y坐标）、传感器电磁波工作波段的波长、成像的时间以及电磁波极化性质的函数。讨论：在可见光及近红外波段，物体自身发射的辐射量可以忽略不计，则 L（x,y;,t,p）=(x，y;,t,p)I（x，y；，t）此时，入射量I取决于太阳光照条件和传感器的几何特征，而则反映物体的性质。中热红外波段，中红外，反射和发射都要考虑，热红外，考虑发射。摄像时间是一

22、个重要因素，夜晚摄取的主要是地物的热发射;白天的反射部分处于不同的波段，一般是通过不同的探测器分别记录为不同的图像。微波遥感有主动雷达系统及被动的微波扫描系统，前者是利用人工辐射源产生的脉冲波经地面反射后的回波，而后者则是接收地物发射的微波热辐射。雷达系统接收的反射信息与一般的反射辐射具有不同的性质和特点。二、图像函数 固定成像时间t，如果不考虑L（x,y;,t,p）的物理意义，地物的辐射量度是一个关于空间坐标位置的函数，也就是说图像就是一个二维的空间分布，可以把图像函数L用关于（x,y）的实函数f（x,y）来表示。图像函数f（x,y）所代表的实际上是二维空间内物体所反射或发射的辐射能量的分布

23、，是真实情况的直接反映，还不是传感器记录下来的数据或像片的图像本身。因为传感器所接收的电磁波辐射能量至少还要受到辐射电磁波与大气层的相互作用的影响，因此，传感器所记录下来的物体辐射特征及几何特征与实际的地物辐射特征之间还有差别，它们之间还存在着一个对应变换关系。即：g(x,Y)=T f(x,y)式中：g(x,Y)描述传感器接受的电磁波辐射特征的函数，即图像函数 f(x,y)反映实际地物电磁波辐射特征的函数，即物面函数；Tf(x,y)与g(x,Y)之间的对应变换关系。即成像系统：景物 图像 成像系统 f(x,y)g(x,Y)g(x,y)就是遥感图像处理中真正要遇到的图像函数，它是一个关于空间坐标

24、（x,y）点地物的某种物理量的一种度量，它的大小称为图像点的亮度、灰度、密度等，它既反映了图像灰度的大小，也反映了图像灰度的分布。遥感图像函数g(x,y)有以下三个基本特点：函数值物理意义的明确性。函数定义域的限定性。函数值的限定性。遥感图像函数g(x,y)有以下三个基本特点：函数值物理意义的明确性 遥感图像的灰度值即图像函数的值代表了地物电磁波辐射的一种度量，也就是说图像函数值主要反映的是地物的光谱特征。函数定义域的限定性 由于每一种遥感传感器都具有一定的视域，因而它所获得的图像大小也是有限的，所以图像函数只在图像范围内有效。即它在空间上是限定的，包含在一个矩形区域内，一般坐标原点在左上角。

25、函数值的限定性 图像函数g(x,y)的取值都在一定的值域内，即 0g(x,y)RmaxRmax地物的最大辐射量，g(x,y)没有负值，而且不大于最大的辐射量。0，Rmax称为灰度空间，通常g(x,y)=0 定为黑色，g(x,y)=Rmax定为白色所有中间值都是由黑连续地变为白时的灰度等级 在考虑图像模式L（x,y;,t,p）的简化过程中，图像函数g(x,y)只考虑了空间坐标位置的变化，在实际的遥感图像中，其它三个变量往往通过别的途径来表示：电磁波波长的变化。成像时间t的变化。电磁波极化性质的变化。三、图像函数的数字化 图像函数g(x,y)的数字化就是把连续函数图像转换为数字图像，图像函数的数字

26、化，通常包括以下两个方面的内容：1、抽样：进行像幅空间坐标的数字化，即沿像幅X轴和Y轴等距离地分割为MN个像元（即网格化），并分别量测这些像元的平均灰度值，这一过程称为抽样。2、量化：对量测的灰度值进行数字化。即将灰度值转换成二进制字码代表的某一灰度级。经过量化后，数字图像的灰度值不是像元的平均辐射值，而是像元平均辐射值所在的编码区间的级数。灰度级的级数i一般用2的指数m，即i=2m （m=1，2，8）当m=1时，灰度有黑白两级（二值化）当m=8时，则灰度有256级，0255，0为黑，255为白。如MSS的量化级26 TM、SPOT的量化级28讨论：采样间隔越小，数字图像与模拟图像越接近，图像

27、数字化后图像的失真也就越小，但是采样间隔越小，图像数据量也就越大，这必然要影响遥感图像数字处理的速度。灰度等级越多，对地物辐射光谱描述的越精确，但灰度等级的无限增加又会影响到图像的数据量，进而影响遥感图像数据的传输与处理，使遥感图像数字处理复杂化。3、数字图像 由离散化的坐标和灰度值组成的MN数字矩阵：g（0，0），g(0,1),g(0,N-1)g(x,y)g（1，0），g(1,1),g(1,N-1)g（M-1，0），g(M-1,1),g(M-1,N-1)即为数字化图像，其中每一个格网称为一像元，它在MN数字阵中，用行、列号和灰度值表示。第三节第三节 遥感图像的数据结构遥感图像的数据结构 CC

28、T磁带记录图像格式有三种：1、BIP（Band Interval by Pixel）记录格式 按象元波段交叉式记录 2、BIL（Band Interval by Line）记录格式 按行波段交叉式记录 3、BSQ（Band Sequential）记录格式 按波段顺序式记录 总之：BIP2：有利于作子区处理 BSQ：便于单波段处理和提取 BIL：适用于多波段运算和分类第四节第四节 遥感图像的基本统计分析遥感图像的基本统计分析 一、图像的统计量 基本统计量是指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。1、均值：是一幅图像中所有像元亮度值的算术平均值 2、中值：是指图像中所有不同

29、亮度值的中间值 3、众数：是图像中出现最多的一个亮度值 4、数值域：亮度值的动态变化范围，即最大和最小亮度值之 间的差值 gange=gmx-gmin 5、方差和标准差：是由每个像元值Xi与均值的差异所累积形成的总的离散程度 方差和标准差描述了像元值与图像平均值的离散程度,是图像信息量大小的标志。方差是衡量一个波段中像元值差别的大小或分散的程度，一定程度上也是信息量多少的量度。方差小，亮度值比较集中，图像反差小；方差大，亮度值比较分散，图像反差大。6、反差：C1DNmax/DNmin C2DNmax-DNmin C3Sb（标准差）标准差大，反差大二、图像的直方图1、图像直方图的基本概念：直方图

30、是图像中的每个波段亮度值的分布曲线。图像直方图的横坐标表示图像的灰度级变化，直方图的纵坐标表示图像中某个灰度级像元数目占整个图像象元数目的百分比或累计百分比。直方图是图像灰度分布的直观描述，它能够反映图像的信息量及分布特征。2、图像直方图的基本类型 频数直方图：纵坐标值是某个灰度级的像元在图像中出现的百分数，频数直方图相当于概率密度曲线。累积直方图：纵坐标是小于或等于特定灰度级像元在图像中的百分数，相当于累积概率密度曲线。3、正态分布 由于图像数据具有随机性质，在图像像元数目相当大，而地物类型差异不很大的情况下，遥感数据像自然界的其它现象一样，接近正态分布。正态分布曲线：均值 标准差4、直方图

31、的偏斜与量度 实际图像的直方图总是和正态曲线之间有着不同程度的差异，这种差异称为直方图的偏斜。直方图发生偏斜时，遥感图像的均值、中值以及众数将明显地不一致。偏斜度公式SK可用下式计算：若SK为正值，称为正偏斜或向右偏斜；若SK为负值，称为负偏斜或向左偏斜。三、多波段数据的统计特征 多波段图像数据，不仅每个波段有其本身的统计特征，而且波段之间也存在着统计关系，其中最常采用的是协方差矩阵和相关矩阵。1、协方差与协方差矩阵：2、相关系数与相关矩阵 相关系数是描述多波段图像的相关程度的统计量。对遥感图像来说，二个波段之间彼此包含的信息很多，称相关程度高，若彼此包含不同信息，则说相关程度低。相关系数表示

32、两个波段图像所包含的信息内容的重叠程度，是多波段图像彩色合成的重要依据。3、MSS图像的相关特点 两个波段之间的相关系数,与它们所在波谱中的距离有关。r65对植被的反映最敏感，其次是r75。相距最远的MSS4与MSS7的相关系数，说明两波段的信息内容差别最大。多数情况下r76r65 r65、r75、r64、r74值的大小与植被发育程度成反比。地形是影响相关程度的一个重要因素。地形起伏较大的地区，波段之间的相关系数普遍增大。图像中含有较大面积水体时，r65、r75、r64显著降低，时相的变化，也常常引起相关系数的变化。4、TM图像的相关特点（1）TM数据相关分组性 TM1、2、3相关系数较大，属

33、于一组 TM5、7均为红外波段，相关系数较大，成为一组 TM4与其它波段的相关性都很小，单独成为一组 TM6因其几何分辨率较其它波段都低，无法与其它波段进行相关分析，也单独为一组。（2）波段相关系数大小受自然地理条件、气候、地质环境变化等因素的影响。图像的增强处理在很大程度上是为了压缩或排除，不同波段之间的相关性和信息的重复。第五节第五节 遥感图像的信息特征遥感图像的信息特征一、遥感图像的波谱特征信息与测度 波谱信息是地物识别的重要依据，遥感图像的波谱信息主要是通过灰度等级数目来度量的，灰度级数目越大，反映波谱信息越丰富。二、遥感图像的空间形态信息与测度 遥感图像的空间结构信息指的是亮度在空间

34、上的变化特征，图像中的点、线、边缘、纹理都属于空间形态信息。影响空间信息的重要因素是遥感图像的几何分辨率三、遥感图像的时间特征信息与测度 遥感图像的时间特征信息指的是不同时相遥感图像的光谱特征和空间结构的差异。遥感图像中的时间特征信息在目视解译时，是通过不同时相图像的对比分析来辨识的。卫星对地重复观测的周期越短、频率越高，则对地物光谱特征随时间变化的特征了解得就越多，因此，时间分辨率是衡量时间特征信息丰富程度的一种测度。遥感图像特征：几何特征、物理特征和时间特征 其表现参数为：空间分辨率、光谱分辨率、辐射分辨率和时间分辨。图像的空间分辨率：指像元所代表的地面范围的大小，即扫描仪的瞬时视场，或地

35、面物体能分辨的最小单元。图像的波谱分辨率：指传感器在接收目标辐射的波谱时能分辨的最小波长间隔。间隔愈小，分辨率愈高。成像光谱仪在可见光至红外波长范围内，被分割成几百个窄波段，具有很高的光谱分辨率。图像的辐射分辨率：指传感器接收波谱信号时，能分辨的最小的辐射度差。在遥感图像上表现为每一像元的辐射量化级。（由位数决定的记录辐射值的数值范围由位数决定的记录辐射值的数值范围-，如如 8bit(0255)。）。）图像的时间分辨率：指对同一地点进行遥感采样的时间间隔，即采样的时间频率，也称重访周期。u空间分辨率（Spatial resolution）:也称也称地面分辨率u波谱分辨率（Spectral re

36、solution）u时间分辨率（Temporal resolution）u辐射分辨率辐射分辨率（Radiometric resolution）：由：由位数决定的记录辐射值的数值范围位数决定的记录辐射值的数值范围-，如，如 8bit(0255)。000辐射分辨率是指传感器接收波谱信号时，能分辨的最小辐射度差。在遥感图像上表现为每一像元的辐射量化等级时间分辨率指对同一地点进行遥感采样的时间间隔，即采样的时间频率，也称重访周期第三章第三章 预处理预处理 第一节 辐射校正、大气较正 第二节 几何校正的原理与方法 第三节 遥感图像数字镶嵌第一节 辐射校正、大气校正 由于传感器响应特性和大气的吸收、散射以

37、及其他随机因素影响，导致图像模糊失真，造成图像的分辨率和对比度相对下降，这些都需要通过辐射校正复原。为什么要进行辐射纠正？1）传感器本身的特性，2）大气对于电磁辐射的衰减；（散射和吸收）3）地形因子的影响阴影 4)其它生态环境因子 图象不能全部真实地反映不同地物地特征，影响了数字图象的质量。一、系统辐射校正 （一）光学摄影机内部辐射误差校正 光学摄影机内部辐射误差主要是由镜头中心和边缘的透射光的强度不一致造成的，它使得在图像上不同位置的同一类地物有不同的灰度值，如航空像片时常边缘较暗就是因此形成的。设原始图像灰度值为g，校正后的图像灰度值为g则有 ggcos 式中，为像点成像时光线与主光轴夹角

38、。(二)光电扫描仪内部辐射误差的校正 光电扫描仪的内部辐射误差主要有二类：一类是光电转换误差；另一类是探测器增益变化引起的误差。通常采用楔校准处理方法加以消除。现在以陆地卫星可见光波段为例，校准模型：二、大气校正 所谓大气校正就是指消除主要由大气散射、吸收引起的辐射误差的处理过程。前提假设：大气散射的影响主要在短波波段，红外波段中清洁的水体几乎不受影响，反射率值应当为0。由于散射影响，而使得水体的反射率不等于0，推定是由于受到了天空辐射项的影响。(一)回归分析法 由于大气散射主要影响短波部分，波长较长的波段几乎不受影响，因此可用其校正其他波段数据。作法如下：在不受大气影响的波段(如TM5)和待

39、校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。例如，用TM1波段与TM5波段比较，作出回归直线图，回归方程为(3.9)(3.10)(3.11)(3.12)以上各式中T1、T5表示TM1与TM5波段灰度值，Tl为TM1波段校正后的灰度值，对于任一波段其校正量ai是第i波段回归分析的截距。实际校正时只要依据以上公式通过TM1、TM5波段灰度值计算出a1、b1值，再根据式(3.12)减去改正量即可求出每个像元TM1波段校正后灰度值。(二)直方图校正法 另一种简单方法是通过灰度直方图对比找出校正量。如图所示，由于大气散射影响只作用于短波段，

40、对可见光以外的红外波段几乎没有影响(如TM5波段)，因此如果影像范围内存在灰度值为零的地物(例如深水体，高山背阴处等)，其灰度直方图往往从原点开始，而其他波段灰度直方图离原点有一段距离(例如图中线段a1)，这段距离即为大气散射引起的灰度直方图漂移值。依此为改正量进行校正，相当于从每个像元灰度值中减去这个数值。其他波段的校正量可以由此类推求得。(三)基于大气辐射传输模型方法 三、噪声消除 遥感图像的噪声源主要有大气传输信道的噪声及传感器内所产生的噪声。大气传输信道中由于大气的湍流扰动影响产生随机噪声；传感器的噪声源包含有转换和滤波过程中产生的噪声，例如，光电检测系统的电流不稳定性所表现的散粒噪声

41、，即电流的无规则起伏现象，低光亮时为泊松分布，高光亮时为高斯分布。传感器的另一噪声源为滤波器电路中的电阻、电容产生的热噪声，这种噪声也具有高斯分布、零均值的随机特性；热红外波段传感器因各部分的温度变化也产生噪声效应；此外，摄影胶片记录信息时存在的胶片颗粒噪声，即由胶片上溴化银颗粒受等值曝光时因银颗粒的大小、形状不完全一致，而且分布不均匀引起的。以上这些噪音均属于对图像的高频干扰，因此可以采用滤波方法子以消除。1、条纹消除 遥感影像中条纹误差判定和消弱的常用方法有：平均值法、直方图法及在垂直扫描线方向上采用最近邻点法或三次褶积法。下图是采用三次褶积法进行条纹误差的效果图。2、斑点消除 校正后的斑

42、点亮度值取其邻域像元亮度值的平均值或用三次褶积法进行修正。通常边缘附近的斑点不进行校正，影像四周的像元不进行斑点校正。第二节 几何校正的原理与方法 遥感图像在获取过程中由于多种原因导致景物中目标物相对位置的坐标关系在图像中发生变化，这种变化称为几何畸变。纠正各种原因引起的畸变是几何校正的基本内容。一、遥感图像几何畸变来源 遥感图像的变形误差总的可分为内部误差和外部误差两类。内部误差主要是由于传感器自身的性能、结构等因素造成；外部误差指的传感器以外的各因素所造成的，例如地球曲率、地形起伏、地球旋转等因素所引起的变形误差等。(一)传感器成像几何形态影响 传感器一般的成像几何形态有中心投影、全景投影

43、、斜距投影以及平行投影等几种不同类型。其中，全景和斜距投影产生图像变形规律可以通过与正射投影的图像相比较获得。1全景投影变形 红外机械扫描仪以及采用CCD直线阵列作为检测器的推帚式传感器的每一条扫描线都相当于中心投影，其成像面相当于全景缝隙摄影机的投影面，是一个圆柱面，称为全景面。因此，扫描视场角越大，边缘变形越大，图b示地面方格网成像后的变形状况，这种畸变又称全景畸变。2斜距投影变形 侧视雷达属斜距投影，其成像变形规律如图c所示。(二)传感器外方位元素变化畸变 传感器外方位元素变化是指决定遥感平台姿态的6个自由度：三轴方向(X，Y，Z)及姿态角(,)，其中任何一个发生变化，都会给遥感图像带来

44、不同变形，这种畸变是成像瞬间的综合影响。对于不同类型的传感器，外方位元素变化带来的畸变可能不尽相同。下图以多光谱扫描图像为例说明这6个自由度变化对地面一个方格网图像成像后带来畸变的表现形式。(三)地球自转的影响 地球自转对于瞬时光学成像遥感方式没有影响，对于扫描成像则造成图像平行错动。如图所示：yetev其中，ye为图像错动量；te为扫描整景图像时间 (teLR)；v是纬度为时该点地球 自转线速度；L为像幅地面长度；R为地球平均半径6378km；为卫星运行平均角速度。(四)地球曲率影响 地球曲率影响可以通过图说明，设OA0为成像基准面，A为地表一点。在考虑地球曲率影响情况下，A与OA0存在着由

45、地球曲率引起的高差h，A在OA0代表的平面上投影点为A0，由于高差h的存在使得A点在像平面Fa0上产生像点位移。一般来说，在星下点视场角比较小，扫描范围又比较小时地球曲率影响可以忽略，此时可以看成近垂直投影。二、几何校正原理 遥感图像的数字纠正是通过计算机对图像每个像元逐个地解析纠正处理完成的，所以能够精确地改正线性和非线变形误差。它一般包括两方面：一是像元坐标变换，二是像元灰度值重新计算（重采样）。准备准备 工作工作 输入原输入原始图象始图象 建立纠建立纠正函数正函数 确定输出图象确定输出图象的范围的范围 逐个像元进逐个像元进行几何变化行几何变化 灰度的灰度的重采样重采样 输出纠正后输出纠正

46、后的图象的图象 效果效果 评价评价 1.地形图的准备 原则上要求所用地形图的比例尺应大于遥感影像制图的比例尺。对分辨率小于5m的影像制图，应采用15万的地形图纠正；对于分辨率大于5m的影像制图，应采用11万的地形图纠正。2.校正图像的准备 根据影像数据分析与预处理的结果，首先需确定是否为多景数据处理。多景数据处理的原则为：时间相近的图像，可先镶嵌后再进行几何处理；获取时间差别较大的图像，应分别进行几何处理再镶嵌。其次生成供选取控制点的图像。可以对图像进行增强以改善目视效果，有利于地物点的确定。也可以选择某一时相的TM彩色合成（743、543、741等）图像，作为供选取控制点的影像。（二）、纠正

47、变换函数的建立（二）、纠正变换函数的建立 用以建立影像坐标和地面坐标（或地图）间的数学关系，即输入图像与输出图像间的坐标变换关系。这种坐标变换关系，通常有两种互逆的表达式法：1.直接法方案 从原始图像阵列出发，按行列的顺序依次对每个原始像素点位求其在地面坐标系（也是输出图像坐标系）中的正确位置：X Fx(x,y)Y Fy(x,y)式中Fx、Fy为直接纠正变换函数。按照原始图像的阵列，依次对每个象元(x，y)进行变换纠正，求得图像的位置（X，Y），同时把原图像(x，y)的灰度值送到新图像（X，Y）的位置上。2.间接法方案 从空白的输出图像阵列出发，亦按行列的顺序依次对每个输出象元点位反求其在原始

48、图像坐标的位置。xGx(X,Y)yGy(X,Y)式中Gx、Gy为间接纠正变换函数。同时把上式所算得的原始图像点位上的亮度值取出填回到空白输出图像点阵中相应的象元点位上去.由于计算的（x，y）不一定刚好位于原始图像的某个象素中心上，必须经过灰度内插确定（x，y）的灰度值。（三）、纠正后数字图像的边界范围（三）、纠正后数字图像的边界范围 经过纠正后的图像仍为数字图像，它与原始图像的形状和方向都不一致，所以纠正变换前，必须为计算机输出图像预留一定的存储空间和该空间边界的地图坐标定义值，即必须预先确定纠正后数字图像的边界范围。其方法如下图：根据 X Fx(x,y)Y Fy(x,y)求出原始图像四个角点

49、（a、b、c、d）纠正后的对应点（a、b、c、d）的大地坐标（X a,Y a）,（X b,Y b）,（X c,Y c）,（Xd,Yd），然后求其最大和最小值，即：X1min(X a，X b,X c,X d)X2max(X a，X b,X c,X d)(3)Y1min(Y a,Y b,Y c,Y d)Y2max(Y a,Y b,Y c,Y d)由（3）式确定的大地坐标值即为纠正后图像的边界范围。为了把该边界范围转换为计算机中纠正图像的贮存数组空间，必须在其中划分出格网，每个网代表一个输出象元。为此应根据精度要求定义输出象元的地面尺寸X和Y，并以边界范围左上角A点为输出图像的坐标原点，以x轴（AC

50、边）表示图像行号，以y轴（AB边）表示图像列号。图像总的行列数M和N由下式确定：输出图像在Axy坐标系中，每个象元将以其所在的行列号来确定其位置。行列号的范围为：x1，2，M y1，2，N任意一个输出图像坐标（行列号）与坐标的关系为：或式中：Xp，Yp 纠正后象元中的地面坐标，xp，yp 纠正后象元中的图像坐标（行列号）（四）、纠正后数字图像（四）、纠正后数字图像灰度值的重采样灰度值的重采样以间接法纠正方案为例，假如输出图像阵列中的任意一个象元在原始图像中的投影点的坐标值为整数时，便可简单地将整数点位上原始图像上的灰度值直接取出，填入输出图像中。但当投影点位的坐标不为整数时，则投影点的灰度值需