第二讲 高空间分辨率遥感图像预处理.pptVIP

线性拉伸 高斯拉伸 均衡化 2.遥感影像直方图匹配方法 打开两个波段数据或两景影像进行直方图匹配操作 数据：如Cantmr.img 直方图匹配后的两幅影像及各自直方图 3.遥感影像空间域滤波增强方法 3.遥感影像空间域滤波增强方法 分别采用Roberts， Sobel、Laplacian算子对图像进行锐化处理（边缘提取） Roberts算子 Sobel算子 Laplacian算子 中值滤波 * * * * 线性拉伸是按比例扩大原始灰度等级的范围，通常为了充满显示设备的动态范围，使输出图象直方图的两端达到饱和。其结果就是在输出图象中加强图象中地物特征的对比度。 线性变换是通过一个线性函数进行变换。 实际工作中更多采用多段线性变换，这样能有效地拉大感兴趣目标与其他地物之间的反差。 缺点：把图象亮度值范围内很多出现很少的亮度值当作高频率的亮度显示出来。尽管线性拉伸的效果比直接显示要好，但它仍然不能提供最佳的数据显示。 对比度增强—线性拉伸 第二讲 高空间分辨率遥感图像预处理 拉伸范例 第二讲 高空间分辨率遥感图像预处理 直方图均衡拉伸是广泛应用的非线性拉伸方法。这种算法根据原图象各亮度值的出现频率来分配它们的亮度显示范围。 直接从图象上看，直方图均衡的效果是： a)各灰度级所占图象的面积近似相等 b)原图象上频率小的灰度级被合并，频率高的灰度级被保留，因此可以增强图象上大面积地物与周围地物的反差。 对比度增强—直方图均衡化 第二讲 高空间分辨率遥感图像预处理 未拉伸的黑白影像 第二讲 高空间分辨率遥感图像预处理 线性拉伸后的影像 第二讲 高空间分辨率遥感图像预处理 直方图均衡化后的影像 第二讲 高空间分辨率遥感图像预处理 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，达到提取某些信息或去掉某些不必要信息的目的。 方法： 差值运算 比值运算 5. 图像增强—图像运算 第二讲 高空间分辨率遥感图像预处理 两幅同样行、列数的图像，对应像元相减即差值运算。 差值运算用途： 提取目标与背景反差较小的信息 研究同一地区不同时相的动态变化（变化检测） 图像运算—差值运算 第二讲 高空间分辨率遥感图像预处理 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）就是比值运算。 比值运算用途： 去除地形影响。 突出、增强地物光谱信息。 图像运算—比值运算 第二讲 高空间分辨率遥感图像预处理 两种相同的地物如果接受的太阳辐照度不同，如由于处在山坡的向阳处和阴影处，那么它们的像元值也不同。这给判读解译造成了困难。但是，我们可以用比值运算来去处地形的影响，因为同类像元不同波段的比值保持不变。 Sun 向阳坡地物像元值： Unit Red NIR Red/NIR A 60 80 0.75 B 30 60 0.50 A B 背阳坡地物像元值: Unit Red NIR Red/NIR A 45 60 0.75 B 20 40 0.50 去处地形影响： 第二讲 高空间分辨率遥感图像预处理 通过像元与其周围相邻像元的关系，采用空间域中的邻域处理方法，叫“空间滤波”。 主要包括平滑和锐化 5. 图像增强—空间滤波 第二讲 高空间分辨率遥感图像预处理 空间滤波—空间卷积 空间卷积只处理小范围的图像信息，即图像空间频率的增强（或减弱）是通过对每个像元周围的邻近像元的处理来实现的。 第二讲 高空间分辨率遥感图像预处理 图象中出现某些亮度变化过大的区域，或出现不该有的亮点（噪声）时，采用平滑的方法可以减少变化，使亮度平缓或去掉不必要的“噪声”点。 具体方法有均值平滑和中值平滑。 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。 中值平滑是将每个像元在以其为中心的区域内取中间亮度值来代替该像元值。 空间滤波—图像平滑 第二讲 高空间分辨率遥感图像预处理 均值滤波 其中S为邻域内象素点的点集，M为S中的总点数。 邻域有8邻域和4邻域之分： 象素点c的邻域：(a) 4邻域，(b) 8邻域 第二讲 高空间分辨率遥感图像预处理  第二讲 高空间分辨率遥感图像预处理 原始图像 3x3 平滑 第二讲 高空间分辨率遥感图像预处理 中值滤波 中值：将序列 按大小排序为 则其中值为：