讲义7第4章遥感图像处理2技术总结.pptVIP

2) 在离散象元条件下 卫星遥感图像为二维离散函数，这时一个象元的亮度梯度应当表现在与相邻四个象元的方向上，如图11—38中△x1 ，△x2 ，△y1 ，△y2 。如果对象元g(i，j)取二阶偏微商，则： ={[g(i，j+1)- g(i，j) ]-[ g(i，j) –g(i，j-1)]} +{[g(i+1，j)- g(i，j) ]-[ g(i，j)- g(i-1，j)]} = g(i，j+1)+g(i，j-1)+g(i-1，j)+ g(i+1，j)+4 g(i，j) 此计算结果表明，像元（i，j）与四个相邻像元的总亮度差就是该像元的二阶偏微商，或者说，像元的二阶偏微商是该像元与四个相邻像元亮度变化率的和。 拉普拉斯算法模板之一 ▽2g =△x 2 g(i，j)+ △y 2 g(i，j) 在上述基础上，可以用3×3的矩阵即 H[3,3],对全图像 g(x,y)卷积而得到图像的二阶偏微商▽2g (x,y) ： 正如上述，因为：g′(x)= g(x) -▽2g 这时，若把 g′(x，y)恢复成图像，便得到边缘增强图像；若只把 ▽2g(x，y)恢复成图像，则得到边缘要素图像，即无影响背景的边缘要素。 现在，我们来看教材上的结论 在模板卷积运算中，将模板定义为： 即上下左右4个邻点的值相加再减去该像元值的4倍，作为这一像元的新值。 拉普拉斯算法的意义与前述两种算法不同，它不检测均匀的亮度变化，而是检测变化率的变化率，相当于二阶微分。计算出的图像更加突出亮度值突变的位置。即更加强化突出边缘信息。 拉普拉斯算法模板之二 (4)定向检测（方向滤波、定向滤波） 定向滤波又称匹配滤波，实际也是起高通滤波作用，强调的是增强某方向的地面形迹，如水系，线性影响等。 定向滤波和拉普拉斯算法一样，也是通过图象函数g(x，y)与卷积核的卷积运算，得到边缘要素的亮度变化值△g。 所不同的是，定向滤波只在某方向上提取边缘亮度信息△g，而拉普拉斯算法则是对所有方向提取△g。因此它们的主要差别体现在模版(卷积核)上。 当有目的地检测某一方向的边、线或纹理特征时，可选择特定的模板卷积运算作定向检测。常用的模板为： 检测垂直方向 检测水平方向 检测对角线方向 4.3.3 彩色变换 1．单波段彩色变换（假彩色等密度分割，简称密度分割） 单波段黑白遥感图像可按亮度分层，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。 例如，亮度0～10为第一层，赋给值1，亮度值1l～15为第二层，赋给值2，亮度6～30为第三层，赋给值3，等等，再给1，2，3分别赋不同的颜色，于是生成一幅彩色图像。 我们也可以对密度分割作这样地理解： 2．多波段色彩变换（彩色合成） （已讨论，不重复，教材内容有多处重复） 3．HLS变换 （彩色空间变换） RGB彩色空间：以加色法彩色合成原理，选择遥感图像的某三个波段，分别赋以红、绿、蓝，所构成的彩色空间。 HLS彩色空间：以色调、明度、饱和度构成的彩色空间。 彩色空间变换步骤（P121）: (1) 由RGB 彩色空间变换到 HLS彩色空间； (2) 在HLS空间中，对Ｈ 、L、Ｓ分量（波段）分别增强； (3) 由HLS空间变换到RGB空间中，再次按加色法合成,可以达到好的识别效果； 彩色空间变换原理: 对色调Ｈ增强，使色调变化更多，层次缤纷; 对亮度 L 增强，使亮度“间距”加大; 对饱和度Ｓ增强，便颜色饱合程度更大,提高色彩的纯度,加大了相邻色彩的差异。 4.3.4 图像运算 差值运算：两幅或多幅经空间配准的图像（通常是指同一景图像的不同波段），对应像元亮度值之间的减法运算，运算结果生成一幅差值影像。 应用特点（1）目标与背景反差较小的信息提取。如：冰雪覆盖区、黄土高原区的接线特征、海岸带的潮汐线等。（2）同一地区的动态变化。利用同一地区不同时相的影像进行差值运算，反映变化特征。如：城市扩张等。 比值运算：两幅图像对应像元亮度值相除。 比值植被指数：近红外波段/红波段 归一化植被指数：（近红外–红）/（近红外+红） （P122） 4.3.5多光谱变换 遥感多光谱影像一些波段的遥感数据之间都有不同程度的相关性，存在着数据冗余。 多光谱变换方法可通过函数变换，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。其变换的本质是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。 所谓多光谱空间就是一个 n 维坐标系，每一个坐标轴代表一个波段，坐标值为亮度值，坐标系内的每一个点代表一个像元。像元点在坐标系中的位置可以表示成一个 n 维向量： 其中每个分量