遥感知识集锦--遥感图像处理

hff2011

遥感知识集锦--遥感图像处理

1. 光学原理与光学处理
电磁波谱中0.38~0.76μm波段能够引起人的视觉。
1）颜色视觉
①视觉特征：
亮度对比（反差）：视场中对象与背景的亮度差与背景亮度之比。
颜色对比（色差）：视场中相邻区域的颜色差异。
②颜色性质的描述
明度(lightness)：人眼对光源或物体明亮程度的感觉。（与物体的反射率有关）
色调(hue)：指色彩的差异。（与视觉接收到的波长有关）
饱和度(saturation)：指色彩纯洁的程度。（与色光中是否混有白光以及白光占有的比例）
③颜色立体
为了形象的描述颜色特性之间的关系，通常用颜色立体来表现一种理想化的示意关系。中间轴代表明度，从底端到顶端，由黑到灰再到白明度逐渐递增。
2）加色法与减色法
   互补色：若两种颜色混合产生白色或者黑色，这两种颜色就称为互补色。
   三原色：若三种颜色，其中任一种都不能由其余两种混合相加产生，这三种颜色按一定比例混合，可以形成各种色调的颜色，称之为三原色。红、绿、蓝为最优的三原色。
2. 数字图像
   数字图像是指能够被计算机存储、处理和使用的图像。遥感数据的表示既有光学图像也有数字图像。光学图像又称为模拟量，数字图像又称为数字量，它们之间的转换称为模/数转换，记做A/D转换。
1）数字图像的来源
①遥感卫星地面站（气象卫星接收站）提供计算机兼容的数字磁带，输入计算机图像处理系统，形成数字图像。
②记录在胶片上的影像（模拟图象）在专用设备上进行数字化.
2）图像的数字化
把模拟图像分割成同样形状的小单元，进行空间离散化处理叫采样（sampling）。
以各个小单元的平均亮度值或中心部分的亮度值作为该单元的亮度值，为亮度值的离散化处理，即量化（quantization）。
3）遥感数字图像表示方式
数字图像（数字化）图像，是一种以二维数组（矩阵）形式表示的图像。或者称为相应区域内地物电磁辐射强度的二维分布。将地球表面一定区域范围内的目标地物记录在一个二维数组（或二维矩阵）中。
①像素（像元）是遥感数字图像最基本的单位，成像过程的采样点，计算机图像处理的最小单元。
②像素具有空间特征和属性特征。
空间特征：地理位置的信息
属性特征：采用亮度值来表达
4）数字图像的优点
便于计算机处理与分析;
图像信息损失低;
抽象性强;
5）按照波段数量，遥感数字图象分类:
1. 二值数字图象
2. 单波段数字图象
3. 彩色数字图象
4. 多波段数字图象

3. 数字图像校正——辐射校正
进入传感器的辐射强度反映在图像上就是亮度值（灰度值）。辐射强度越大，亮度值越大。该值主要受两个物理量影响：一是太阳辐射照射到地面的辐射强度，二是地球的光谱反射率。当太阳辐射相同时，图像上像元亮度值的差异直接反映了地物目标光谱反射率的差异。但实际测量时，辐射强度值还受到其它因素的影响而发生改变。这一改变的部分就是需要校正的部分，故称为辐射畸变。
1）引起辐射畸变有两个原因：
传感器仪器本身产生的误差
大气对辐射的影响
2）传感器仪器本身产生的误差
仪器引起的误差是由于多个检测器之间存在差异，以及仪器系统工作产生的误差，这导致了接收的图像不均匀，产生条纹和“噪声”。一般来说，这种畸变应该在数据生产过程中，有生产单位根据传感器参数进行校正，而不需要用户自己校正，所以用户应该考虑的是大气影响造成的畸变。
3）大气对辐射的影响
①大气影响的定量分析
进入大气的太阳辐射会发生反射、折射、吸收、散射和透射。其中对传感器接收影响较大的是吸收和散射。
假设无大气存在时，设E0λ为波长λ的辐照度，θ为入射方向的天顶角，地面上单位面积的辐照度为：
假定地面是郎伯体，其表面是漫反射，则某方向物体的亮度为：
式中，Rλ是地球反射率；π是球面度。
传感器接收信号时，受仪器影响还有一个系统增益系数因子Sλ，这时进入传感器的亮度值为：
由于大气的存在，在入射方向有与入射天顶角θ和波长λ有关的透过率Tθλ;反射后，在反射方向上有与反射天顶角Ф和波长λ有关的透过率TФλ。因此
进入传感器的亮度值为：
大气对辐射散射后，来自各个方向的散射又重新以漫入射的形式照射地物，其辐照度为ED，经过地物的反射及反射路径上大气的吸收进入传感器，其亮度值为：
相当部分的散射光向上通过大气直接进入传感器，这部分辐射称为程辐射度，亮度为pλ。
可见，由于大气影响的存在，实际到达传感器的辐射亮度是前面所分析的三项之和，即
可以看出，大气的主要影响是减少了图像的对比度，使原始信号和背景信号都增加了因子。
②大气影响的粗略校正
l         去掉公式：
中的LP，即程辐射度，从而改善图像质量。可以认为程辐射度在同一幅图像的有限面积内是一个常数，其值的大小只与波段有关。
l         校正方法
A. 直方图最小值去除法
直方图以统计图的形式表示图像亮度值与像元数之间的关系。最小值去除法的基本思想在于一幅图像中总可以找到某种或某几种地物，其辐射亮度或发射率接近0。这时在图像中对应位置的像元亮度值应为0。实测表明,这些位置上的像元亮度不为0。这个值就应该是大气散射导致的程辐射度值。
校正方法很简单，首先确定条件满足，即该图像上确有辐射亮度或反射亮度应为0的地区，则亮度最小值必定是这一地区受大气影响的呈辐射度增值。校正时，将每一波段中每个像元的亮度值都减去本波段的最小值，使图像亮度动态范围得到改善，对比度增强，从而提高图像质量。

B. 回归分析法
假定某红外波段，存在程辐射为主的大气影响，且亮度增值最小，接近于0，设为波段a。现需要找到其他波段相应的最小值，这个值一定比a波段的最小值大一些，设为波段b，分别以a，b波段的像元亮度值为坐标，作二维光谱空间，两个波段中对应像元在坐标系内用一个点表示。由于波段之间的相关性，通过回归分析在众多点中一定能找到一条直线与波段b的亮度Lb相交，且：Lb=βLα +α，β为斜率。
式中：Lα，Lb分别为a，b波段亮度的平均值。
a=Lb-βLa ；式中a为波段a中的亮度为零处在波段b中所具有的亮度。可以认为a就是波段b的程辐射度。
校正方法是将波段b中每个像元的亮度值减去a，来改善图像，去掉程辐射。


几何校正
几何畸变: 当遥感图像在几何位置上发生了变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等.遥感影像的总体变形（相对于地面真实形态而言）是平移、缩放、旋转、偏扭、弯曲及其他变形综合作用的结果。产生畸变的图像给定量分析及位置配准造成困难。
遥感影像变形的原因：
• 遥感器的内部畸变：由遥感器结构引起的畸变。
• 遥感平台位置和运动状态变化的影响
• 地形起伏的影响
• 地球表面曲率的影响
• 大气折射的影响
• 地球自转的影响
1）遥感平台位置和运动状态变化的影响
航高：卫星运行的轨道本身就是椭圆的。航高始终发生变化，而传感器的扫描视场角不变，从而导致图像扫描行对应的地面长度发生变化。航高越向高处偏离，图像对应的地面越宽。
航速：卫星的椭圆轨道本身就导致了卫星飞行速度的不均匀，其他因素也可导致遥感平台航速的变化。航速快时，扫描带超前，航速慢时，扫描带滞后，由此可导致图像在卫星前进方向上（图像上下方向）的位置错动。
俯仰：遥感平台的俯仰变化能引起图像上下方向的变化，即星下点俯时后移，仰时前移，发生行间位置错动。
翻滚：遥感平台姿态翻滚是指以前进方向为轴旋转了一个角度。可导致星下点在扫描线方向偏移，使整个图像的行翻滚角引起偏离的方向错动。
偏航：指遥感平台在前进过程中，相对于原前进航向偏转了一个小角度，从而引起扫描行方向的变化，导致图像的倾斜畸变。
地形起伏的影响当地形存在起伏时，会产生局部像点的位移，由于高差的原因，实际像点P距像幅中心的距离相对于理想像点P0距像幅中心的距离移动了△r。
地表曲率的影响地球是椭球体，地球表面是曲面。这一曲面的影响主要表现在两个方面，一是像点位置的移动，当选择的地图投影平面是地球的切平面时，使地面点P0相对于投影平面点P有一高差△h。
地表曲率的影响：全景畸变：当传感器扫描角度较大时，影响更加突出，造成边缘景物在图像显示时被压缩。
大气折射的影响，折射后的辐射传播不再是直线而是一条曲线，从而导致传感器接收的像点发生位移。
地球自转的影响，例如：卫星自北向南接收图像运动，这时地球自西向东自转。相对运动的结果，使卫星的星下位置逐渐产生偏离。

2）遥感数字图像的几何校正
①几何校正方法：控制点校正法
  校正步骤：
Ａ、原始图像与校正图像统一坐标系、投影
Ｂ、确定GCP（Ground Control Point），即在原始畸变图像空间与标准空间寻找对应的控制点对
C、选择畸变数学模型，并利用GCP数据求出畸变模型的未知参数，然后利用此畸变模型对原始畸变图像进行几何精校正
D、再采样计算，得到校正后的新图像
基本思路：校正的最终目的是确定校正后图像的行列数，然后找到新图像中每一像元的亮度值。

②具体步骤——1）象素坐标变换（空间上的重采样）
找到一种数学关系，建立变换前图像坐标（x，y）与变换后图像坐标（u，v）的关系
计算校正后图像中的每一点所对应原图中的位置（x，y）。计算时按行逐点计算，每行结束后进入下一行计算，直到全图结束。
多项式的项数（即系数个数）N与其阶数n有着固定关系：N=(n+1)(n+2)/2
多项式系数ai，bj（i,j＝０，１，２，…N-1）一般利用已知控制点的坐标值按最小二乘法求解。

③计算方法：内插计算（灰度值重采样）
计算每一点的亮度值。纠正后的新图像的每一个像元，根据变换函数，可得到它在原始图像上的位置。如果求得的位置为整数，则该位置处的像元灰度就是新图像的灰度值。
计算方法：如果位置不为整数，新点的亮度值介于邻点亮度值之间，常用内插法计算。
有几种方法：
最近邻法：距离实际位置最近的像元的灰度值作为输出图像像元的灰度值。
双线性内插法：取（x，y）点周围4邻点，在y方向（或x方向）内插二次，再在x方向（或y方向）内插一次，得到（x，y）点的亮度值f(x，y），该方法称双线性内插法。
三次卷积内插法：取与计算点（x，y）周围相邻的16个点，先在某一方向上内插，每4个值依次内插4次，求出f （ x ， j-1 ） ，f(x,j) ，f(x,j+1),f(x,j+2)，再根据这四个计算结果在另一方向上内插，得到f(x，y）。

④控制点的选取
几何校正的第一步便是位置计算，对所选取的二元多项式求系数。
控制点选取原则:1)特征变化大的地区应多选些。2)图像边缘部分要选取控制点，以避免外推。3) 表征空间位置的可靠性，道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。
4）同名控制点要在图像上均匀分布；
5）清楚辨认；
6）数量应当超过多项式系数的个数（(n+1)*(n+2)/2）。

数字图像增强
当一副图像的目视效果不太好，或者有用的信息突出不够时，就需要作图像增强处理。例如，图像对比度不够，或者希望突出的某些边缘看不清，就可以用计算机图像处理技术改善图像质量。这样可以提高图像质量和突出所需信息，有利于分析判读或作进一步的处理。
1）对比度变换
   通过改变图像像元的亮度值来改变图像像元的对比度，从而改善图像质量的处理方法。因为亮度值是辐射强度的反映，所以也称之为辐射增强。
   常用的方法是：对比度线性变换和非线性变换。
假定像元亮度随机分布时，直方图应是正态分布的。
l         峰值偏向亮度坐标轴左侧，图像偏暗。
l         峰值偏向坐标轴右侧，图像偏亮，
l         峰值提升过陡、过窄，图像的高密度值过于集中
以上情况均是图像对比度较小，图像质量较差的反映。
①线性变换
A. 线性变换变换函数是线性的或分段线性的，这种变换就是线性变换。线性变换是图像增强处理最常用的方法。
B. 亮度值0～15图像拉伸为0～30，要设计一个线性变换函数，横坐标xa为变换前的亮度值，纵坐标xb为变换后的亮度值。当亮度值xa从0～15变换成xb从0～30，变换函数在图中是一条直线，方程式为：

   线性变换前图像亮度范围xa为a1～a2，变换后图像亮度范围xb为b1～b2，变换关系是直线，则变换方程为：
通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产生不同的变换效果：
a2-a1<b2-b1，亮度范围扩大，图像被拉伸，
a2-a1>b2-b1，亮度范围缩小，图像被压缩。
对于a2与a1 ，是取在图像亮度值的全部或部分，偏亮或偏暗处，均可根据对图像显示效果的需要而人为地设定。
有时为了更好的调节图像的对比度，需要在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为分段线性变换。

②非线性变换
   当变换函数是非线性时，即为非线性变换。非线性变换的函数很多，常用的是指数变换和对数变换。
  指数变换：其意义是在亮度值较高的部分扩大亮度间隔--属于拉伸，在亮度值较低的部分缩小亮度间隔--属于压缩，数学表达式为：
a，b，c为可调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。
对数变换：与指数变换相反，意义是在亮度值较低的部分拉伸，而在亮度值较高的部分压缩，其数学表达式为：
a，b，c仍为可调参数，由使用者决定其值。
2） 空间滤波
   对比度扩展的辐射增强：通过单个像元的运算从整体上改善图像的质量。
空间滤波：以重点突出图像上的某些特征为目地的采用空间域中的邻域处理方法。属于几何增强处理，主要包括平滑和锐化。
①图像卷积运算
空间滤波是图象卷乘积运算的一种特殊应用。在空间域上对图像作局部检测的运算，以实现平滑和锐化。
具体作法：选定一卷积函数（又称“模板”，实际上是一个M×N图像），二维的卷积运算是在图像中使用模板来实现运算的。
从图像左上角开始开一与模板同样大小的活动窗口，图像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为M*N，窗口为Φ(m,n)，模板为t(m，n)，则模板运算为:
②平滑
图像中某些亮度变化过大的区域，或出现不该有的亮点（“噪声”），采用平滑的方法减小变化，使亮度平缓或去掉不必要的“噪声”点。具体方法有：
（1均值平滑：是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”和平滑图像的目地。区域范围取作M×N时，求均值公式为：
（2）中值滤波：是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，以达到去尖锐“噪声”和平滑图像目的的。
（3）锐化（边界增强）：为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。锐化后的图像已不再具有原遥感图像的特征而成为边缘图像。常用几种：
         罗伯特梯度
         索伯尔梯度
         拉普拉斯算法
         定向检测

3） 彩色变换
不同的彩色变换可大大增强图像的可读性，常用的三种彩色变换方法。
单波段彩色变换
多波段彩色变换
HSI变换
①单波段彩色变换（密度分割）
单波段黑白遥感图像按亮度分层，对每层赋予不同的色彩，使之成为一幅彩色图像。即按图像的密度进行分层，每一层所包含的亮度值范围可以不同。
②多波段彩色变换
加色法彩色合成原理---选择遥感影像的某三个波段---分别赋予红、绿、蓝三种原色---合成彩色影像。
真彩色合成
假彩色合成
多波段影像合成时，方案的选择决定彩色影像能否显示较丰富的地物信息,或突出某一方面的信息。

③HSI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。
4） 图象运算
两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，提取某些信息或去掉某些不必要信息。
①差值运算
即两幅同样行、列数的图像，对应像元的亮度值相减。两个波段相减,反射率差值大的被突出来。图像的差值运算有利于目标与背景反差较小的信息提取，如冰雪覆盖区，海岸带的潮汐线等。
差值运算还常用于研究同一地区不同时相的动态变化。如监测森林火灾发生前后变化和计算过火面积；监测水灾发生前后的水域变化和计算受灾面积及损失；监测城市在不同年份的扩展情况及计算侵占农田的比例等。
②比值运算
两幅同样行、列数的图像，对应像元的亮度值相除（除数不为0）
植被指数，常用算法：近红外波段／红波段或（近红外-红）/(近红外+红）
5） 多光谱变换
多光谱变换通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。其变换的本质：对遥感图像实行线性变换，使多光谱空间的坐标系按一定规律进行旋转。
6. 多源信息复合
1）信息复合的概念：
定义：信息复合指同一区域内遥感信息之间或遥感信息与非遥感信息之间的匹配复合。
内容：包括空间配准和内容复合
目的：突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境。
      各具有一定的空间分辨率、波谱分辨率与时间分辨率
      信息复合:非多种信息源简单叠加，而是可得到原来几种单个信息所不能提供的新信息
2）信息复合的发展
        同种遥感信息多波段、多时相的信息复合
        不同类型遥感数据的复合
         遥感与非遥感信息的复合
3）遥感信息的复合
遥感信息复合包括:不同传感器的遥感数据和不同时相的遥感数据
复合方式的确定：根据目标空间分布、光谱反射特性及时相规律方面的特征选择不同的遥感图像；在空间分辨率、光谱分辨率和时间分辨率方面相互补充
①不同传感器的遥感数据复合
复合步骤：
配准：先完成配准,使两幅图像所对应的地物吻合，分辨率一致。
复合：彩色合成方法的效果比较明显应尽可能生成三幅新图像，分别赋予红、绿、蓝色，进行彩色合成
②不同时相的遥感数据复合
步骤：
配准：直方图调整：图像亮度值趋于协调，便于比较。
复合：用来研究时间变化所引起的各种动态变化

魔龙少佛

学习学习！！