理學遙感圖像處理

1、1 4 圖像運算圖像運算 5 多光譜變換多光譜變換 數(shù)字圖像增強數(shù)字圖像增強 2 圖像運算圖像運算 兩幅或多幅單波段圖像，空間配準后可進行算術運算， 實現(xiàn)圖像的增強。 1、差值運算：兩幅同樣行、列數(shù)的圖像，對應像元的亮 度（灰度）值相減。差值圖像提供了不同波段或不同時相圖 像間的差異信息。 2、比值運算：兩幅同樣行、列數(shù)的圖像，對應像元的亮 度（灰度）值相除（除數(shù)不為0）。比值圖像，像元的亮度反 映了兩個波段光譜比值的差異，常用來檢測植被，消除“同 物異譜”現(xiàn)象。 3 圖像運算圖像運算 1、差值運算 TM4-3-2TM4-TM3 4 圖像運算圖像運算 2、比值運算 植被指數(shù)：是基于植被葉綠素在

2、紅色波段的強烈吸收以及在植被指數(shù)：是基于植被葉綠素在紅色波段的強烈吸收以及在 近紅外波段的強烈反射，通過紅和近紅外波段的比值或線性近紅外波段的強烈反射，通過紅和近紅外波段的比值或線性 組合實現(xiàn)對植被信息狀態(tài)的表達。組合實現(xiàn)對植被信息狀態(tài)的表達。 5 圖像運算圖像運算 2、比值運算 植被指數(shù)有許多不同的表達公式： SR=NIR/R （simple ratio）（比值植被指數(shù)） NDVI=（NIR-R）/(NIR+R) （歸一化差值植被指數(shù)） SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修 正植被指數(shù)） 如對TM數(shù)據(jù)： NDVI=（TM4-TM3）/（TM4+TM3）

3、6 圖像運算圖像運算 2、比值運算 假彩色合成圖象假彩色合成圖象 NDVI圖象圖象 7 圖像運算圖像運算 2、比值運算 太陽光太陽光 砂巖砂巖 陰坡陰坡 陽坡陽坡 地形部位 波段 TM1TM2TM1/TM2 陽坡 陰坡 28 22 43 34 0.65 0.65 8 4 圖像運算圖像運算 5 多光譜變換多光譜變換 數(shù)字圖像增強數(shù)字圖像增強 9 多光譜變換多光譜變換 目的：通過函數(shù)變換，達到保留主要信息，降低數(shù)據(jù)量； 增強或提取有用信息的目的。 10 多光譜變換多光譜變換 1、n維多光譜空間 11 多光譜變換多光譜變換 1、n維多光譜空間 T ni n i xxxx x x x x X , 21

4、 2 1 12 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 主成分變換（主成分變換（PCA, Principal Component Analysis） Hotelling變換變換 13 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 多光譜數(shù)據(jù)各波段間往往存在一定程度的相關性，多光譜數(shù)據(jù)各波段間往往存在一定程度的相關性， 光譜反射的相關性；光譜反射的相關性； 地形地形 遙感器波段間的重疊遙感器波段間的重疊 應用應用PCA可以去除相關性、突出地物特征、壓縮數(shù)據(jù)，可以去除相關性、突出地物特征、壓縮數(shù)據(jù)， 另外還可以剔除噪聲，因為另外

5、還可以剔除噪聲，因為PCA變換后的信息量通常變換后的信息量通常 隨主分量順序而減少，噪聲信息更突出隨主分量順序而減少，噪聲信息更突出 14 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 基本原理：基本原理： 求出一個變換矩陣，經(jīng)變換形成一組新的主分量波段，公 式為： Y=AX 其中，Y為變換后的主分量空間像元矢量，如主分量1，2， 3 X為變換前的多光譜空間像元矢量，如TM1，TM2，. A為變換矩陣。是是X空間協(xié)方差矩陣空間協(xié)方差矩陣x的特征向量矩陣的轉置的特征向量矩陣的轉置 矩陣。矩陣。 15 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Lo

6、eve）變換 步驟：步驟： 1. 計算原始圖象的協(xié)方差矩陣；計算原始圖象的協(xié)方差矩陣； 2. 計算的特征值和特征向量；計算的特征值和特征向量； 3. 生成主成分生成主成分 16 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 17 原始圖象原始圖象 TM1-5， 7 主成分圖象主成分圖象 PC1-6 18 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 變換意義：變換意義： 1、數(shù)據(jù)壓縮：取、數(shù)據(jù)壓縮：取123三個主分量，包含了絕大多數(shù)的地物三個主分量，包含了絕大多數(shù)的地物 信息，數(shù)據(jù)量可減少到信息，數(shù)據(jù)量可減少到43%。 2、圖像增

7、強：前幾個主分量，信噪比大，突出了主要信、圖像增強：前幾個主分量，信噪比大，突出了主要信 息，增強了圖像。息，增強了圖像。 19 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 20 多光譜變換多光譜變換 3、K-T變換（Kauth-Thomas）變換 是一種線性變換，使坐標軸發(fā)生旋轉，旋轉之后坐標軸的是一種線性變換，使坐標軸發(fā)生旋轉，旋轉之后坐標軸的 方向與地物，特別是和植被生長及土壤有密切的關系。方向與地物，特別是和植被生長及土壤有密切的關系。 Y=BX 21 多光譜變換多光譜變換 3、K-T變換（Kauth-Thomas）變換 22 多光譜變換多光譜變換 3

8、、K-T變換（Kauth-Thomas）變換 Y1:亮度亮度Y2:綠度綠度Y3:濕度濕度 23 24 4 圖像運算圖像運算 5 多光譜變換多光譜變換 數(shù)字圖像增強數(shù)字圖像增強 25 圖像運算圖像運算 2、比值運算 假彩色合成圖象假彩色合成圖象 NDVI圖象圖象 26 多光譜變換多光譜變換 1、n維多光譜空間 27 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 多光譜數(shù)據(jù)各波段間往往存在一定程度的相關性，多光譜數(shù)據(jù)各波段間往往存在一定程度的相關性， 光譜反射的相關性；光譜反射的相關性； 地形地形 遙感器波段間的重疊遙感器波段間的重疊 應用應用PCA可以去除相關性、突出地物特征、壓縮數(shù)據(jù)，可以去除相關性、突出地物特征、壓縮數(shù)據(jù)， 另外還可以剔除噪聲，因為另外還可以剔除噪聲，因為PCA變換后的信息量通常變換后的信息量通常 隨主分量順序而減少，噪聲信息更突出隨主分量順序而減少，噪聲信息更突出 28 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 29 多光譜變換多光譜變換 2、K-L變換離散（Karhunen-Loeve）變換 變換意義：變換意義： 1、數(shù)據(jù)壓縮