遥感概论学习课件.pptVIP

第四章 遥感数字图像处理 第三节 遥感图像的增强 第三节 遥感图像增强 回顾： 大气校正中波段对比法的原理 遥感图像增强的目的 直方图的概念和作用 线性拉伸的概念和作用 遥感图像空间频率的概念 图像卷积的运算方法 平滑和锐化的目的 第三节 遥感图像的增强 遥感图像的变换 三、遥感图像的变换 遥感图像变换是为达到图像处理的某种目的而使用的数学方法。 遥感图像变换的目的： （1）简化图像处理； （2）便于图像特征处理； （3）图像压缩； （4）从概念上增强对图像信息的理解； ●图像变换的两个过程：正变换和逆变换 遥感图像变换的方法 傅里叶变换 主成分变换 缨帽变换 3.1 傅里叶变换 目的：去除噪声（消除高频成分，低通滤波）、特征提取（边界信息提取，增强高频成分，消除低频成分，高通滤波）。 过程： 傅里叶变换实例（低通滤波） 3.1 傅里叶变换 3.2 K-L变换（主成分变换） K-L变换是由Karhument和Loeve提出的一种图像变换方法，也称为主成分变换或主成分分析（principal component analysis, PCA）。 目的：减少图像波段之间的相关性，去除冗余信息，压缩数据量。 方法：统计学中的正交变换方法。 波段亮度（灰度）的相关性 主成分的计算 主成分的性质和特点 各主成分之间正交，即，完全不相关。 主成分计算公式中的系数代表各原始波段对新波段（主成分）的影响程度。 前面的少数几个主成分包含了图像的大部分信息。 变换后保留主成分个数的衡量指标： 主成分变换实例-TM6个波段的主成分变换 3.3 K-T变换（缨帽变换） 即坎斯一托马斯变换(Kanth-Th0-milstransform)、又称缨帽变换(tasseHed captransform)。根据多光谱遥感中土壤、植被等信息在多维光谱空间中信息分布结构对图像做的经验性线性正交变换。是一种经验性的多波段图像的线性变换,是Kauth和Thomas ( 1976)在研究M SS图像反映农作物和植被的生长过程时提出的。在研究过程中他们发现MSS四个波段组成的四维空间中,植被的光谱数据点呈规律性分布,像缨帽状,因此将这种变换命名为缨帽变换。缨帽变换可以反映植被和土壤的信息。 K-T变换 小结 傅里叶变换的过程和目的？ 主成分变换的目的和方法？ 缨帽变换的应用？ 第四节 图像数据的融合 数据融合( Fusion, Merge)指同一区域内遥感数据之间或遥感数据与非遥感数据之间的匹配融合。 多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其融合到统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理。 图像融合是一个对多遥感器的图像数据和其他信息的处理过程。着重于把那些在空间和时间上冗余或互补的多源数据，按照一定的规则进行运算处理，获得比任何一种数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。 数据融合的目标 遥感图像融合的流程 数据融合的关键 充分认识研究对象的地学规律。 充分了解每种融合数据的特点和适用性。 充分考虑到不同遥感数据之间波谱数据的相关性引起的有用数据的增加以及噪声误差的增加，因此对多种遥感数据作出合理的选择。 几何配准，即解决遥感图像的几何畸变，解决空间配准问题。 只有对地学规律、影象特征、成象机理这三者有深刻的认识，并把它们有机地结合起来，数据融合才能达到更好地效果。 一、图像融合的分类 基于象元的图像融合（象元级）； 基于特征的图像融合（特征级）； 基于决策的图像融合（决策级）； 图像融合的层次 1.1 像素级融合 直接对图像中像素点进行信息综合处理。 目的是生成一幅包含更多信息、更清晰的图像； 属于较低层次的融合； 一般要求原始图像在空间上精确配准，如果图像具有不同分辨率，在融合前需作映射处理； 目前大部分研究集中在该层次上。 像素级融合流程 1.2 特征级融合 属于中间层次，先对来自不同传感器的原始信息进行特征抽取，然后再对从多传感器获得的多个特征信息进行综合分析和处理，以实现对多传感器数据的分类、汇集和综合。 一般来说，提取的特征信息应是像素信息的充分表示量或充分统计量，包括目标的边缘、方向以及运动速度等； 特征级融合流程 1.3 决策级融合 对每个图像的特征信息进行分类、识别等处理，形成相应的结果，进行进一步的融合过程，最终的决策结果是全局最优决策； 决策级融合是一种更高层次的信息融合，其结果为各种控制或决策提供依据； 决策级融合必须结合具体应用及需求，有选择地利用特征级融合所抽取的目标的各类特征信息，其结果直接影响最后的决策水平； 输入为特征信息，结果为决策描述，因此决策级融合数据量最小