图像增强处理.ppt

《图像增强处理.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

遥感图像增强处理一彩色增强处理二、光谱增强处理 一、彩色增强处理彩色合成变换加色法密度分割单波段的彩色：密度分割IHS变换 （一）彩色合成多波段彩色合成􀂾利用计算机将同一地区三个波段的影像，分别赋予红、绿、蓝三原色，进行单基色变换（色阶），然后使各影像准确套合叠置显示，依照彩色合成原理，构成彩色合成影像。􀂾分为：假彩色合成、真彩色合成 真彩色合成：􀂾当三幅影像的工作波段分别为红、绿、蓝时，同时分别对应赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。􀂾􀂾例如：例如：TM：Band3、2、1displayasRGB，称为真彩色合成。假彩色合成：􀂾各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成 标准假彩色合成：􀂾近红外波段赋予红色、红光波段赋予绿色，绿光波段赋予蓝色。􀂾针对TM影像的7个波段：第2波段是绿色波段、第3波段是红色波段、第4波段是近红外波段当4、3、2波段分别赋予红、绿、蓝色时，这一合成方案称为标准假彩色合成 （二）假彩色密度分割单波段的假彩色密度分割􀂾将单波段影像的像元值从小到大按照某种标准划分等级，每一级别赋予一种颜色，最终影像表现为彩色，这些色彩是人为加上的，与地物的天然色彩不一定相同，称为假彩色密度分割。等密度分割：􀂾对像元数值从小到大划分为n级，各级内含有的像元数大致相等时，称为等密度分割。 9（三）IHS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。 （三）IHS变换IHS变换是RGB颜色系统与HIS颜色系统之间的变换。具体方法：令IRIGIB,下标max为R，G，B中最大值，下标min为R，G，B中最小值，IRIGIB和Ｓ均为0-1的实数，Ｈ为0-360的实数。则有明度：饱和度 （三）IHS变换色调如果则　　　　　　　　　　　　　，位于黄和品红之间如果则　　　　　　　　　　　　　　　，位于青和黄之间如果则　　　　　　　　　　　　　　，位于品红和蓝之间 RGB----HISRGB图像HIS图像 二、光谱增强处理（一）反差增强线性变换，非线性变换，直方图增强（二）空间滤波处理模板计算，卷积计算（三）图像运算加、减、乘、除（四）多光谱变换主成分变换、缨帽变换 （一）反差增强通过修改各种像元值来改善影像对比度，从而改变影像质量的处理方法。表现为：影像的视觉效果的提高􀂾例如：一幅(256*256)的影像有65536个像元，但是有50000个像元的值在0-50之间，使得影像过暗，这些像元对应的地物之间的差异过小，地物彼此之间不容易分开。􀂾因此可用一些合理方法改变它们的像元值（如：等比例放大，像元值都乘上4）。这50000个像元的值分布在0-200之间，距离拉大。 数学表示：原始影像灰度值Z，变换后的值为Z’，新旧值之间的转换用函数f表示。Z′=f（Z） 对比度增强的方法•全局线性变换•分段线性变换•高斯变换•直方图均衡化•指数变换、对数变换……非线形变换线形变换 线性拉伸 分段线性拉伸将图像灰度值划分为若干区段[a1,a2]、[a2,a3]、[a3,a4]…,分别对应[b1,b2]、[b2,b3]、[b3,b4]•分段用不同的线性函数进行变换，把每段拉伸到指定的亮度显示范围。 线性变换又分为：最大最小值线性变换：用一个比例进行扩大或缩小分段线性变换：不同范围的像元值采用不同的比例进行扩大和缩小，说明采用的是分段线性函数关系。即有多组[a1,a2]和[b1，b2]。线性饱和变换:最大和最小像元值，称为饱和点，变换时：小于最小值的变为0，大于最大值的变为255，中间部分采用线性关系。 非线性变换变换函数z’=f(z)为非线性时，即为非线性变换直方图均衡化:产生一幅各种像元值的数量基本一致的影像，即变换后影像的灰级概率p（Z′）等于常数指数变换、对数变换：新旧像元值之间满足指数关系、对数关系。亮度值较高部分拉伸（压缩），亮度值较低部分压缩（拉伸）高斯分布：将直方图变为正态分布，称之为高斯分布。即中间亮度的像元占大多数，特别暗和特别亮的像元较少，较符合实际情况 非线性拉伸I对数拉伸与人眼的视觉特性相匹配，扩张低的灰度，压缩高的灰度区。 非线性拉伸ii指数拉伸扩展高灰度区间。 将影像中像元值分布范围过于集中的部分拉开扩展，扩大影像反差的对比度；将影像中像元值分布范围过于分散的部分压缩；通过拉大或缩小像元数值之间的距离，增强影像表现的层次性。对直方图进行形状的拉伸或压缩来改变像元数值的分布情况，使对比度合理，突出信息 直方图增强1）直方图的概念2）直方图拉伸3）直方图均衡4）直方图规定化 2）直方图均衡将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的象元数；通过改变灰度区间来实现；使得面积最大的地物细节得以增强，而面积小的地物与其灰度接近的地物进行合并，形成综合地物。减少灰度等级换取对比度的增大。原直方图：均衡后直方图：:k级灰度的像元数；N:总的像元数 28原始的直方图均衡化后的直方图 2）直方图均衡 直方图均衡化（HistogramEqualization） HistogramEqualizationStretchFirstband（Green）forsampleSPOTimage直方图均衡化实例 Threebandcombination:Band1（spectralgreen）displayedasblueBand2（spectralred）displayedasgreenBand3（spectralNIR）displayedasred直方图均衡化实例直方图均衡化（HistogramEqualization）Threebandcombination:Band1（spectralgreen）displayedasblueBand2（spectralred）displayedasgreenBand3（spectralNIR）displayedasred ３直方图匹配（histogrammatching）把原图像的直方图变换为某种指定形状的直方图或某一参考图像的直方图，然后按照已知的指定形态的直方图调整原图像各象元的灰级，最后得到一个直方图匹配的图像使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配主要应用于有一幅很好的图像作为标准的情况下，对另一图像进行匹配，以改善被处理图像的质量应用于数字镶嵌各种拉伸以后虽然对于感兴趣的地物提高了分辨能力，但同时也造成了信息损失。 直方图匹配条件原始图像和参考图像两个图像的直方图的总体形态应相似图像中相对亮和暗的特征应相同对某些应用，图像的分辨率应相同（但可不同）图像中的地物类型的相对分布应相同，无论两幅图像是否覆盖同一地区。如一幅有云，另一幅没有云，应先将云去掉（覆盖），然后再进行直方图匹配 （二）图像滤波处理滤波：增强图像的空间频率特征，即改善目标与其邻域间像元的对比关系。空间域滤波：局部卷积运算简单，精度较差，增强易过渡，图像不协调 基于窗口的滤波··窗口band1band2 原影像模板P1P2P3K1K2K3P4P5P6×K4K5K6P7P8P9K7K8K9P’5=P1K1+P2K2+P3K3+P4K4+P5K5+P6K6+P7K7+P8K8+P9K9（二）图像滤波处理 空间域滤波采取邻域处理方法进行影像增强邻域处理：新影像像元值由原影像上对应像元及相邻像元的值来确定空间滤波的作用􀂾平滑：消除各种干扰噪声，使影像中高频成分消退，平化掉影像的细节，表现为影像模糊。􀂾锐化：突出影像边缘、线性目标或某些亮度变化率大的部分，提高影像的细节，常表现为边缘增强。（二）图像滤波处理 平滑模糊化 锐化􀂃突出边缘部分 空间滤波的种类起平滑作用（低通滤波）•中值滤波、均值滤波等起锐化作用（高通滤波）•检测水平边界滤波、检测垂直边界滤波、非定向边缘检测滤波、罗伯特梯度、拉普拉斯边缘增强（二）图像滤波处理 均值平滑􀂾将每个像元在以其为中心的区域内，取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像的目的。中值滤波􀂾将每个像元在以其为中心的邻域内，取中间亮度值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像的目的。（二）图像滤波处理 均值平滑 中值滤波 锐化滤波的种类：罗伯特梯度（二）图像滤波处理 索伯尔梯度罗伯特梯度的改进（二）图像滤波处理 拉普拉斯算子（二）图像滤波处理 定向滤波常见的模板：-12-1-1-1-1-12-1222-12-1-1-1-1-1-122-1-1-12-1-12-12-1-1-1-12对角线方向垂直方向水平方向（二）图像滤波处理 高通滤波 低通滤波 45度方向边缘检测 水平边缘检测 拉普拉斯算子 （三）数字影像的代数运算影像代数运算差值运算比值运算指数运算 影像代数运算􀂾对两幅（或两幅以上）影像的对应像元逐个进行和、差、积、商的四则运算，产生具有信息增强效果的影像。􀂾常见为：差值运算与比值运算（三）数字影像的代数运算 差值运算差值运算􀂾两幅行列数相等的影像，对应像元值相减F(x,y)=f1(x,y)-f2(x,y)差值运算的作用􀂾反映了地物的时间变化􀂾地物在不同波段上的反射率差异 63TM432TM4-TM31）、差值运算 比值运算比值运算􀂾两幅同样行、列数的影像，对应像元的亮度值相除（除数不为0）。对应像元的亮度值相除（除数不为0）F(x,y)=f1(x,y)/f2(x,y)比值运算的作用􀂾可以消除地形及云影影响􀂾扩大不同地物的光谱差异􀂾影像亮度不再具有反射意义；放大了噪声 65植被指数有许多不同的表达公式：SR=NIR/R（simpleratio）（比值植被指数）NDVI=（NIR-R）/(NIR+R)（归一化差值植被指数）SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指数）2）、比值运算 波段指数NDVI绿色植被在近红外光处为高反射，红光处为低反射NDVI：（近红外波段-红光波段）/（近红外波段+红光波段）􀂾对于TM（TM4-TM3）/(TM4+TM3)突出植被在红光、近红光上的反射差异特征。植被在近红外波段的像元值大于可见光波段的像元值，因此植被的NDVI值必定是正值，并且大于其它非植被地物的NDVI值，因此可以通过确定一个阈值来区分植被和非植被。用于提取植被类别、估算植被生物量、估算农作物产量、森林蓄积量 67假彩色合成图象NDVI图象2）、比值运算 68太阳光砂岩阴坡阳坡地形部位波段TM1TM2TM1/TM2阳坡阴坡282243340.650.652）、比值运算 （四）多光谱变换处理１、K-L变换（主成份变换）Y＝A·XY：变换后像元;X：变换前像元A：变换矩阵，即X空间协方差矩阵的特征向量矩阵。特点：变换后各分量相关性最小；主成份分量信息依次减小效果：数据压缩；图像增强 70步骤：计算原始图象的协方差矩阵；Cov（X,Y)=E{[X-E(X)]}{[Y-E(Y)]})=E(XY)-E(X)E(Y)计算的特征值和特征向量；A·Cov·AT={λii},A是特征向量，AT是特征向量的转置，{λii}为对角线矩阵３.生成主成分Y＝A·X１、K-L变换[离散（Karhunen-Loeve）变换]（四）多光谱变换处理 74１、K-L变换[离散（Karhunen-Loeve）变换]PCA的几何意义：变换后的主分量空间坐标系旋转了一个角度，且新坐标系的坐标轴一定指向数据信息量较大的方向。坐标原点位于均值位置 75原始图象TM1-5，7主成分图象PC1-6变换意义1、数据压缩：取123三个主分量，包含了绝大多数的地物信息，数据量可减少到43%。2、图像增强：前几个主分量，信噪比大，突出了主要信息，增强了图像。 76２）、K-T变换[（Kauth-Thomas）变换、缨帽变换]是一种线性变换，Y=BXp214（四）多光谱变换处理 77Y1:亮度Y2:绿度Y3:湿度２）、K-T变换[（Kauth-Thomas）变换]变换结果前三个分量与地面景物的关系密切：亮度、绿度、为湿度K－T变换的应用主要针对TM数据和曾经广泛使用的MSS数据。（四）多光谱变换处理