《数字图像处理复习资料》由会员分享，可在线阅读，更多相关《数字图像处理复习资料（5页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理基础知识电磁波谱特性电磁波为横波，在真空中以光速传播，具有波粒二象性。地物的波谱特性任何地物都有自身的电磁辐射规律，如反射，发射，吸收等特性，少数具有透射的特性，而地物的这些特性被称为地物的波谱特性。（地物发出的波谱主要以反射太阳辐射为主。达到地面的太阳辐射能量=反射能量+吸收能量+透射能量）常用卫星传感器CCD、MODIS、VISSR、IKONOS、TM、MSS、AVHRR、ETM、QuickBird、HRV.数字图像的分辨率、像元、直方图、记录方式等数字图像的空间分辨率是指单位尺寸能够采集的像素。像元是是组成数字化影像的最小单元。灰度直方图反映的是一幅图像中各灰度级像素出现的频
2、率，以灰度级为横坐 标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。数字图像的记录方式有印刷和照相。几何校正遥感图像的几何投影类型.单中心投影和多中心投影几何误差的来源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基于共线方程的几何校正共线方程校正法是建立在图像坐标与地面坐标严格数学变换基础上的（即成像瞬间像点、地面点以及传感器投影中心 3 点共线）基于多项式的几何校正回避成像的空间几何过程，直接对图像变形的本身进行数学模拟,把遥感图像的总体变形看作是平移、缩放、旋转、偏扭、弯曲以及更高次
3、的基本变形的综合作用结果基于多项式的几何校正的步骤:1.确定校正的多项式模型2.选择若干个控制点，利用有限个地面控制点的已知坐标，解求多项式的系数3.将各像元的坐标代入多项式进行计算，便可求得校正后的坐标4.位置进行变换，变换的同时进行灰度重采样5.对结果进行精度评定辐射校正辐射误差的来源1.传感器本身的性能引起的辐射误差2.大气的散射和吸收引起的辐射误差3.地形影响和光照条件的变化引起的辐射误差传感器端的辐射校正1.传感器端的畸变主要是由其光学系统，或者光电变换系统的特征所形成的在使用透镜的光学系统中，由于镜头光学特性的非均匀性，在其成像面存在着边缘部分比中心部分发暗的现象（边缘减光）在扫描
4、方式的传感器中，光电变换系统的灵敏度造成的畸变，其校正一般是通过定期地面测定，根据测量值进行校准2.传感器端的辐射校正也称为辐射定标，是把只具有相对意义的离散亮度值转换为具有物理意义的辐亮度或反射率的过程3.辐射定标分为相对定标和绝对定标大气校正1.消除大气影响的校正过程称为大气校正2.大气对辐射的影响大气吸收大气散射3.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利用特殊波段进行大气校正日地距离和太阳高度角校正在相同的大气条件、地表条件和传感器几何条件下，传感器接收到的辐射强度还受到大气顶层的太阳辐射强度和入射几何条件（太阳高度角）的影响太阳高度角校正：考虑太阳在
5、地球上的相对位置的季节变化，通过这个过程，不同太阳高度角照射下的图像数据的像元亮度值，被标准化到假设太阳在天顶时的像元亮度值日地距离校正：用于标准化地球和太阳间的距离的季节变化。太阳辐射随日地距离的平方而减小地形辐射校正比值法消除多光谱图像上地形阴影的影响。太阳高度角和地形影响引起的辐射误差,在多光谱图像上可以通过两个波段的比值基本消除其影响用 TM1/TM2 比值处理，比值图像上阴坡、阳坡的砂岩亮度值趋于一致，可消除地形影响。图像增强对比度增强一般是通过改变图像的亮度值来改变图像像元的对比度，对比度的增强即是增大亮度值的差异，其目的是提高图像质量和突出有用信息。计算对比度线性变换、分段线性变
6、换、对数变换、指数变换、直方图均衡化、直方图规定化线性变换当图象成象时曝光不足或过度, 或由于成象设备的非线性和图象记录设备动态范围太窄等因素。都会产生对比度不足的弊病，使图象中的细节分辨不清。这时可将灰度范围线性扩展。分段线性灰度变换 将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。（1）对数变换低灰度区扩展，高灰度区压缩。（2）指数变换高灰度区扩展，低灰度区压缩。直方图均衡是根据图像亮度值的出现频率来分配它们的亮度显示范围，使一定灰度范围内的像元的数量大致相等，得到一幅灰度直方图为均匀分布的新图像 直方图规定化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
7、增强处理的一种方法，亦属于非线性变换空域滤波空间滤波是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，突出图像上的某些特征卷积计算建立一个含有由系数矩阵或权重因子矩阵构成的移动窗口。这些矩阵被认为是算子(operators)或内核(kernels)，且它们的大小一般为奇数个像元内核在原始图像上移动，而且另一幅输出图像的内核中心灰度值，可以用原始图像中相对应的像元灰度值乘以内核内的对应系数，然后再将所有结果相加而得到这个处理是针对原始图像中的每一个像元值进行平滑（均值滤波、中值滤波）图像在获取和传输过程中，由于传感器的噪声及大气的影响，会在图像上产生一些不该有的亮点（“噪声”点），或
8、者图像中出现某些亮度值过大的区域为了抑制噪声改善图像质量或减少变化幅度，采用平滑方法可以减小变化，使亮度平缓或去掉不必要的亮点均值平滑：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”和平滑图像的目的中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值锐化（梯度、Roberts 梯度、Prewitt 梯度、Sobel 梯度）对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小习惯称为“梯度”。频域滤波傅立叶变换任何周期函数都可以表示为不同频率的加权正弦和/或余弦和的形式。图像在空间域的表示形式是空间坐标 x,y 的函数；图像在频率域
9、的表示形式是频率坐标 u,v 的函数图像从空间域变入频率域采用傅里叶变换；反之，则采用傅里叶逆变换频率域图像图像在空间上单位长度内的正弦状浓淡变化的重复次数称为图像的空间频率根据傅里叶变换的理论，一般图像在二维空间的灰度变化可以由无限多不同频率、不同振幅的正弦波和余弦波变化的叠加来表示，通常用正交的两个方向(u,v)的频率来合成将 f(x,y)表示的图像称为图像的空间域，将 F(u,v)表示的图像称为图像的频率域频率域平滑（低通滤波）图像的平滑除了在空间域中进行外，也可以在频率域中进行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)来抑制高频成分，通过低频
10、成分，然后再进行逆傅里叶变换获得滤波图像，就可达到平滑图像的目的频率域锐化（高通滤波）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，再经逆傅里叶变换得到边缘锐化的图像。波谱增强图像特征空间及地物分布特点特征空间是一个 n 维坐标系，每一个坐标轴代表多波段图像的一个波段，坐标值代表该波段像元的亮度值，图像中的每个像元对应于坐标空间中的一个点光谱特征空间是以各波段图像的亮度分布为坐标轴组成的空间同类地物在特征空间形成一个相对聚集的点集群不同类地物的点集群在特征空间内一般是相互分离的 主成份变换K-L 变换（主成分变换）主成分变换
11、是基于变量之间的相关关系，在尽量不丢失信息的前提下的一种线性变换方法将包含在原始 n 个波段内的所有信息压缩到比 n 个波段要少的几个“新波段”或所谓的“主成分”上，然后再用这些主成分来代替原始的图像数据缨帽变换土壤亮度变化为穗帽的底边，帽上面各部分反映了植物生长变化状况，植物株冠的绿色发展到顶点（最旺盛时在帽顶）以后逐渐枯黄，枯黄过程是从帽顶沿着一些称为帽穗的路径回归到土壤底线，因此有穗帽、缨帽之称为最大限度的观察这种规律，并用规律进行土壤和农作物的判断，必须对坐标空间做一变换，使坐标系实现平移和旋转这一变换是线性变换，变换后的新坐标轴将代表明确的景观意义，可以与地物直接联系。变换公式：Y=
12、BXX 为变换前的多光谱空间的像元矢量Y 为变换后的多光谱空间的像元矢量B 为变换矩阵K-T 变换中前三个坐标轴的意义：亮度(Brightness)：图像总体的反射值绿度(Greenness)：与绿色植被量高度相关湿度(Wetness)：与植被冠层和土壤湿度有关分类监督分类首先需要从研究区域选取有代表性的训练场地作为样本根据已知训练区提供的样本，建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别监督分类的主要步骤1.选择训练样本区2.确定类别数3.对每类选择足够多的有代表性的样本4.分类前分析样本区质量5.选择合适的分类算法6.分类结果的精度评价非监督分类在没有
13、先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（将相似度大的像元归为一类）的方法根据图像数据本身的统计特征及点群的分布情况，从纯统计学的角度对图像数据进行类别划分 仅凭遥感影像地物的光谱特征的分布规律，即自然聚类的特性，进行“盲目”的分类其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性；其类别的属性是通过分类结束后目视判读或实地调查确定的混淆矩阵混淆矩阵是由 n 行 n 列组成的矩阵，用来表示分类结果的精度混淆矩阵是通过将每个像元的位置和地面参考验证信息与计算机分类结果中的相应位置和类别来比较计算的混淆矩阵的每一列代表了地表实测值（参考验证信息），每一列中的数值等于地表真实像元在分类图像中对应于相应类别的数量混淆矩阵的每一行代表了计算机的分类信息，每一行中的数值等于计算机分类像元在地表真实像元相应类别中的数量
