第五章遥感图像处理基础(五).pptVIP

第五章 遥感数字图像预处理 5.1 遥感图像几何校正 5.2 遥感图像辐射校正 5.3 遥感图像增强与变换 5.4 遥感图像中的特征提取 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 频域低通滤波 5.3 遥感图像增强与变换 频率域滤波增强 频域低通滤波法 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 5.3 遥感图像增强与变换 频率域滤波增强 频域高通滤波 5.3 遥感图像增强与变换 频率域滤波增强 频域高通滤波 5.3 遥感图像增强与变换 频率域滤波增强 频域高通滤波 5.3 遥感图像增强与变换 频率域滤波增强 * * 图像增强的目的主要包括：①消除噪声，改善图像的视觉效果；②突出边缘，有利于识别和处理。前面是关于图像空间域增强的知识，下面介绍频率域增强的方法。假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像g(x,y)。 频率域增强的一般过程如下： DFT H(u，v) IDFT f(x，y) F(u，v) F(u，v)H(u，v) g(x，y) 滤波 变换平移后，低频集中在中心位置，高频分散 傅里叶变换： 图像频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。 傅里叶变换的物理意义在于是将图像从空间域变换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅里叶变换就是将图像的灰度分布函数变换为图像的频率分布函数，逆变换是将图像的频率分布函数变换为灰度分布函数。 在频率域的增强也包括平滑和锐化： 1、频率域平滑 由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)：抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。常用的频率域低滤波器H(u,v)有四种： （1）理想低通滤波器 设傅立叶平面上理想低通滤波器离开原点的截止频率为D0，则理想低通滤波器的传递函数为： 由于高频成分包含有大量的边缘信息，因此采用该滤波器在去噪声的同时将会导致边缘信息损失而使图像边模糊。 原图 1（r= 5） 2（r= 15） 3（r= 30） 4（r= 80） 5（r= 230） (2) Butterworth低通滤波器（n阶） 它的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，但计算量大于理想低通滤波器。 原图 1（r= 5） 2（r= 15） 3（r= 30） 4（r= 80） 5（r= 230） （n=2） (3) 指数低通滤波器（n阶） 采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度较用Butterworth滤波产生的大些。 原图 1（r= 5） 2（r= 15） 3（r= 30） 4（r= 80） 5（r= 230） (4) 梯形低通滤波器 它的性能介于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊。 2、频率域锐化 图像的边缘、细节主要位于高频部分，频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。常用的高通滤波器有： （1）理想高通滤波器 设傅立叶平面上理想低通滤波器离开原点的截止频率为D0，则理想低通滤波器的传递函数为： 理想高通滤波器与理想低通滤波器相反，但其处理的图像边缘有抖动现象。 理想高通滤波 D0=0.01 (2) Butterworth高通滤波器（n阶） 它的特性锐化效果较好，边缘抖动不明显，但计算复杂。 Butterworth高通滤波 D0=0.01 n=3 (3) 指数高通滤波器（n阶）