遥感总结.docx
- 文档编号:262429
- 上传时间:2022-10-08
- 格式:DOCX
- 页数:18
- 大小:1.92MB
遥感总结.docx
《遥感总结.docx》由会员分享,可在线阅读,更多相关《遥感总结.docx(18页珍藏版)》请在冰豆网上搜索。
遥感总结
绪论
1、图像本身是一幅平面能量分布图。
与平面坐标、波长、时间等因素有关。
2、空间采样:
把连续图像用M×N个样本点表示的做法,就叫做空间采样。
3、灰度量化:
像素灰度表现为从黑到白,我们把从黑到白分成若干等级,这种做法就叫做灰度量化。
4、空间采样和灰度量化后的矩阵中每一个元素即为离散图像中的一个像素,像素的灰度为f(i,j),i=0,1,2,…,M-1,j=0,1,2,…,N-1,表示图像在坐标(i,j)点上的明亮度、强度、或者能量。
5、遥感数字图像:
是指数字形式表达的遥感影像,最基本单元是像素,每个像素具有空间位置特征和属性特征。
空间位置特征:
是用离散的X值和Y值来表示;属性特征:
常用亮度值表示。
6、亮度值:
不同图像相同地点的亮度值不同;亮度值大小由传感器所探测到的电磁辐射强度决定;入射到传感器中的电磁波被探测元件转化为电信号,经过A/D转换,成为绝对辐射亮度值R;为了便于应用R又被转换为能够表征地物的辐射亮度相对值V。
7、BSQ方式(bandsequential)各波段的二维图像数据按波段顺序排列。
仅对一个波段数据处理时,如滤波、纹理分析时。
仅调用所需波段数据即可,不牵扯其他波段。
BIP方式(bandinterleavedbypixel)在一行中,每个像元按光谱波段次序进行排列,然后对该行的全部像元进行这种波段次序排列,最后对各行进行重复。
最适宜提取地物光谱曲线,分析图像光谱特征,根据光谱特征合成增强或自动分类。
因为各波段同一像元在一起,可一次读出,调用方便。
BIL方式(bandinterleavedbyline)对每一行中代表一个波段的光谱值进行排列,然后按波段顺序排列该行,最后对各行进行重复。
具有上述两种格式的折中特征,比较节省存储空间。
8、图像转换:
光谱变换、傅立叶变换、小波变换
图像校正(与恢复):
几何处理、图像复原(去噪,去模糊)
图像增强:
空间域增强、频率域增强、光谱增强(包括彩色增强、光谱变换)、算术运算(代数运算)
多源信息复合
计算机解译
影像显示与统计评价
1、色彩具有三个基本属性:
色调、饱和度和亮度(明度)。
明度——颜色在视觉上引起的亮暗程度。
明度取决于人眼的视觉感受性、背景、对比度、记忆与经验等因素。
色调——颜色的类别。
色调是识别、区分物体的主要标志。
色调主要取决于:
入射光源的光谱组成,,物体对入射光的选择性吸收和反射特性。
饱和度——彩色的纯洁程度。
饱和度取决于物体表面反射光谱辐射的选择程度,光谱选择性越高,则饱和度越高。
2、任何色彩都可以由不同比例的三种独立的基本彩色相混合而得到。
这三种相互独立的彩色称为三基色。
3、最大分割:
显然如果阈值对应于直方图的谷,阈值从T增加到T+ΔT,只会导致面积略微变化。
4、影像的质量和统计特征进行评价:
a)查看影像直方图中单个亮度值出现的频率;b)在计算机上查看某一具体位置或地理区域的像元亮度值;c)计算基本的一元描述性统计量,判断影像数据中是否存在异常;d)计算多元统计量以确定波段间的相关(如:
识别冗余信息)。
几何校正
1、几何变形因素:
传感器成像方式引起的图像变形;传感器外方位元素变化的影响;地形起伏引起的像点位移;地球曲率引起的图像变形;大气折射引起的图像变形;地球自转的影响。
2、几何粗校正:
是针对卫星运行和成像过程中引起的几何畸变进行的校正,即卫星姿态不稳、传感器内部变形等因素引起的变形。
粗加工处理对传感器内部畸变的改正很有效,粗加工处理后仍有较大的残差。
3、几何精校正:
是指消除图像中的几何变形,产生一幅符合某种地图投影或图形表达要求的新图像的过程。
同时且要找到新图像中每一像元的亮度值。
一个地物在不同的图像上,位置要一致,才可以进行融合处理、图像的镶嵌、动态变化监测如果同一地区的不同时间的影像,不能把它们归纳到同一个坐标系中去,图像中还存在变形,这样的图像是不能进行融合、镶嵌和比较的,是没有用的。
4、几何校正步骤:
选取地面控制点(GCP,GroundControlpoint);一个在影像上可以分辨并能在地图上精确定位的地表位置(如:
交叉路口)。
依据控制点对数据进行空间坐标变换,也就是在几何位置上校正畸变误差。
取得变换后图像各像元的灰度值,即对图像进行重采样。
5、精度评定:
量化的方法。
在纠正后图像上选点,选很多点和参考图的对应点比较。
它们的差值如果不超限,说明结果可以接受;如果差值超限,则纠正的结果就是有问题的。
考虑下选点的原则,在控制点附近,拟合效果应该是比较好的,所以应该在远离控制点的地方选点。
定性的方法。
比如将纠正后图像与参考图像叠加起来显示,看看地物是否重叠。
6、课后练习:
若f(1,1)=1,f(1,2)=5,f(2,1)=3,f(2,2)=4,分
别按照最近邻插值法、双线性插值法确定点(1.2,1.6)的灰度值。
辐射校正
1、辐射校正与辐射增强的区别:
辐射校正针对各种干扰因素进行校正,使得遥感图像尽可能地反映并且只反映地物目标的差异;辐射增强通过直接改变图像中的灰度值来改变图像对比度。
2、辐射误差的来源:
传感器本身的性能引起的辐射误差;大气的散射和吸收引起的辐射误差;地形影响和光照条件的变化引起的辐射误差。
3、辐射校正步骤:
4、辐射校正场的选择:
定标的手段是测定传感器对一个已知辐射
目标的响应。
地势平坦,地物单一。
全场表面覆盖均匀,反射率适中且变化很小。
具有足够大的面积,横向和纵向都要大于一副图像的宽度。
大气洁净,能见度好。
5、大气校正:
不需要进行大气校正的(训练数据来自所研究的影像(或合成影像),而不是来自他时间或地点获取的影像。
);需要进行大气校正的(从水体或植被中提取生物物理变量:
水体中的叶绿素a、悬
浮泥沙、温度;植被中的生物量、叶面积指数、叶绿素、树冠郁闭百分比)。
6、大气窗口:
大气分子吸收作用弱的波谱范围。
7、分布均匀且稳定的大气成分:
O2、CO2、CH4、N2O
8、大气散射:
9、大气纠正:
基于辐射传输方程的大气校正;基于地面场地数据或辅助数据进行辐射校正(暗目标法、内部平均相对反射率模型、平面场模型);利用特殊波段进行大气校正。
辐射增强
1、图像质量退化:
对比度问题、噪声干扰、清晰度下降
2、图像增强有两大类应用:
改善图像的视觉效果、突出图像的特征,便于计算机处理
3、进行图像拉伸的原因:
低对比度的图像地物间对比性差,细节难以显现,地物目标难以辨认,因此需要进行对比度增强处理
4、遥感图像对比度增强又称反差增强、灰度拉伸、灰度变换。
它可使图像的亮度范围拉伸或压缩成指定的显示范围,从而突出图像像元之间的对比度,图像变清晰,特征明显。
线性变换(线性拉伸):
采用线性或分段线性的函数改善图像对比度
非线性变换(非线性拉伸):
对数变换(低灰度级拉伸,高灰度级压缩)和指数变换(高灰度级给予较大拉伸)、直方图均衡化、直方图匹配(直方图规定化)
5、对比度:
图像中灰度反差的大小。
对比度=最大亮度/最小亮度
6、线性变换缺点:
由于同样的拉伸函数应用于所有的亮度值,其输入和输出亮度值之间的线性关系受输入图像中最大和最小值的影响。
如果图像中最大值或者最小值偏离太远,这种线性变换方法的效果就不会很好。
7、直方图均衡化变换公式:
直方图均衡化使得原图像直方图上亮度值分布密集的部分被拉伸,较稀疏的部分被压缩,从而使图像的对比度得到增强。
8、
9、直方图均衡化特点:
各灰度级所占图像的面积近似相等;原图像上频率小的灰度级被合并;增强图像上大面积地物与周围地物的反差;同时也增加图像的可视粒度;具体增强效果不易控制,只能全局均衡。
10、直方图匹配:
直方图匹配是指将一副图像的直方图变成指定形状的直方图,从而使原始图像进行增强处理的一种方法,亦属于非线性变换;直方图的匹配对在不同时间获取的同一地区或邻接地区的图像,或者由于太阳高度角或大气影响引起差异的图像匹配很有用,特别是对图像镶嵌或变化检测有用。
11、直方图修正法:
应用到离散灰度级,设一幅图象的象素总数为n,分L个灰度级。
nk:
:
第k个灰度级出现的频数。
第k个灰度级出现的频率P(rk)=nk/n其中0≤rk≤1,k=0,1,2,...,,L-1形式为:
12、图像的代数运算
差值运算:
当BX、BY为两个不同波段的图像时,通过减法运算可以增加不同地物间光谱反射率以及在两个波段上变化趋势相反时的反差;而当BX、BY为两个不同时相同一波段图像相减时,可以提取波段间的变化信息。
(常用公式:
红外波段-红波段,突出植被)
比值运算:
通过比值运算能压抑因地形坡度和方向引起的辐射量变化,消除地形起伏的影响(因为同类地物在不同波段反射率的比值保持不变。
);也可以增强某些地物之间的反差,如植物、土壤、水在红色波段与红外波段图像上反射率是不同的,通过比值运算可以加以区分。
(常用公式:
比值植被指数TM4/TM3;归一化植被指数NDVI(TM4-TM3)/(TM4+TM3);突出水体TM5/TM2)
加法运算:
消除噪声。
乘法运算:
特殊地物提取。
12、图像增强方法:
13、课后练习:
图像滤波
1、遥感图像中常见的噪声:
高斯噪声、脉冲噪声(椒盐噪声)、周期噪声。
2、图像平滑:
为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪,可以在空间域和频率域中进行。
3、空间域平滑:
均值滤波、中值滤波。
4、均值滤波这种算法简单,但它的主要缺点是在降低噪声的同时使图像产生模糊,特别在边缘和细节处。
而且邻域越大,在去噪能力增强的同时模糊程度越严重。
为克服简单局部平均法的弊病,目前已提出许多保边缘、细节的局部平滑算法。
它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等。
5、超限像素平滑法:
将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值差的绝对值与选定的阈值进行比较,根据比较结果决定点(进行比较,根据比较结果决定点(x,y)的最后灰度)的最后灰度g´(x,y)。
其表达式为:
特点:
对抑制椒盐噪声比较有效,对保护仅有微小灰度差的细节及纹理也有效。
缺点:
随着邻域增大,去噪能力增强,但模糊程度也大。
6、灰度最相近的K个邻点平均法:
用窗口内与中心像素的灰度最接近的用窗口内与中心像素的灰度最接近的KK个邻像个邻像素的平均灰度来代替窗口中心像素的灰度值。
K值选取的大小不同,效果不同。
实验证明,于3×3的窗口,取K=6为宜。
7、最大均匀性平滑:
对图像中任意一点f(x,y)采用如图所示的55个矩个矩阵重叠邻域,用梯度算子计算它们的灰度变化的大小,灰度变化最小的作为最均匀区域,用其灰度的均值替代f(x,y)。
目的:
避免消除噪声引起边缘模糊。
8、有选择保边缘平滑法:
确定像素点(x,y)的9个邻域的方差及平均值确定具有最小方差值的邻域,并将其均值赋给f(x,y)。
9、中值滤波对椒盐噪声的抑制效果好,在抑制随机噪声的同时能有效保护边缘少受模糊
但它对点、线等细节较多的图像却不太合适。
10、二维中值滤波器的窗口形状可以有多种,如线状、方形、十字形、圆形、菱形等。
方形或圆形窗口适宜于外轮廓线较长的物体图像,而十字形窗口对有尖顶角状的图像效果好。
11、图像锐化:
突出边缘和轮廓、线性目标或某些亮度变化率大的部分,可以采用锐化的方法。
锐化使图像上边缘与线性目标的反差提高,因此也称为边缘增强。
12、平滑——使图像边缘模糊锐化——使图像边缘突出、清晰
13、罗伯特算子:
;
Prewitt算子:
加为在锐化边缘的同时减少噪声的影响。
Sobel算子:
引入了平均因素,对图像中随机噪声有一定的平滑作用;由于它是相隔两行或两列之差分,边缘两侧元
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 总结