《【2017年整理】第4章 遥感图像处理(2)》由会员分享，可在线阅读，更多相关《【2017年整理】第4章 遥感图像处理(2)（72页珍藏版）》请在金锄头文库上搜索。
1、1 第四章 遥感图像处理 遥感系统 1）目标物的电磁波特性 2）信息的获取（传感器和遥感平台） 3）信息的接收 4）信息的处理 5）信息的应用 2 遥感图像处理 光学影像 光学原理和光学处理方法 数字影像 数字图像校正 数字图像增强 多源信息复合 3 数字图像校正 1 数字图像 （ Digital Image） 2 辐射校正（ Radiometric correction） 3 几何校正（ Geometric correction） 4 模拟图像与数字图像 光学图像（模拟图像） 连续图像 照片 二维的连续的光密度函数。 图像上的光密度随坐标 x,y变化而变化，如果取一个方向的图像，则密度随空间
2、变化，是一条连续的曲线。 数字图像 离散图像 计算机存储 指能够被计算机存储、处理和使用的图像。 数字图像可以理解为多维数组。 模拟图像与数字图像之间可通过模 /数（ A/D）转换。 5 照片 照片上的手指 QuickBird（校园） 局部放大 数字图像： 指能够被计算机存储、处理和使用的图像。 “离散化”、二维矩阵：每个元素的取值是图像连续变化的灰度的离散整数值。 6 1、 离散化的单元 像元值的涵义 ？ 代表什么 ？ 2、 在计算机内是如何存储的 （ 以什么数据类型 ） ？ 3、 图像所占存储空间如何计算 ？ 模拟图像 （灰度、颜色的连续分布 ） 采样 像元号 像元 7 不同反差特征的图像
3、 图像直方图 用平面直角坐标系表示一幅灰度范围为 0-n的数字图像像元灰度分布状态，横轴表示灰度级，纵轴表示某一灰度级（或范围）的像元个数占像元总数的百分比。 通过直方图可以直观地了解图像特征，以确定图像增强方案并了解图像增强后效果。 8 反差增强 9 遥感图像处理系统 计算机（主机） 图像输入输出设备 磁带机、数字化器等；打印机、绘图仪、激光图像记录仪 专用处理设备 图像计算机、阵列处理机 外存设备 磁盘、磁带、光盘 显示器 软件部分 系统软件、应用软件（图像处理软件） 10 1 数字图像 （ Digital Image） 2 辐射校正（ Radiometric correction） 3
4、几何校正（ Geometric correction） 数字图像校正 11 辐射校正 由于 传感器 响应特性和 大气 的吸收、散射及其它随机因素影响，导致图像模糊失真，造成图像分辨率和对比度相对下降。这些都需要通过辐射校正复原。 包括： 系统辐射校正、大气校正 12 大气影响的定量分析 0E0L地面上单位面积的辐照度为 c o s0EE 假定地表面是朗伯体 ， 其表面为漫反射 ， 则某方向物体的亮度为 c o s00 ERERL 系统增益系数因子 ，进入传感器的亮度值 S c o s00 SERL无大气影响状况 13 大气影响的定量分析 c o s01 STETRLDESTRL 2PD SLS
5、ETRSTETRL c o s0受入射方向透过率 和反射方向透过率 的影响，进入传感器的亮度值为： TT漫入射辐照度为 ED，反射后进入传感器的亮度值为： 散射光直接进入传感器的辐射（程辐射亮度 LP） 14 大气影响的定量分析 PD SLSETRSTETRL c o s0大气的影响主要是减少了图像的对比度，使原始信号和背景信号都增加了因子。 15 大气影响的粗略校正 通过比较简便的方法去掉上式中的 LP，从而改善图像质量。 PD SLSETRSTETRL c o s0问题：精确校正？ 16 绝对校正示意图 17 常用大气辐射校正模型 18 大气影响的粗略校正 （ 1）直方图最小值去除法 （
6、2）回归分析法 19 （ 1）直方图校正方法 从图像像元亮度值中减去一个辐射偏置量（ LP），辐射偏置量等于图像直方图中最小的辐射亮度值。 前提（假设）： 水体（或阴影）等物体的灰度值为 0，大气散射导致图像上这些物体的灰度值不为0（辐射偏置量） 暗物体法（ Dark-object method） 20 21 22 （ 2）回归分析法 原理 ：在遥感图像上大山的阴影区或深大水体区域 ， 各个波段的反射为零 。 同时 ， 大气散射主要影响短波部分 ，波长较长的波段几乎不受影响 ， 因此可用其校正其它波段数据 。 方法 ：在不受大气影响的波段 （ 如 TM5或 7） 和待校正的某一波段图像中 ，
7、选择一系列目标 ， 将每个目标的两个待比较的波段灰度值提取出来进行回归分析 ， 建立线性回归方程 。 XbaY Y：待校正波段的图像亮度值 X：不受大气影响波段的图像亮度值 23 （ 2）回归分析法 7TMbiaiT M i 怎么求 a,b？ 24 数字图像校正 1 数字图像（ Digital Image） 2 辐射校正（ Radiometric correction） 3 几何校正（ Geometric correction） 25 地球旋转 地球曲率 传感介质的不均匀 地形起伏 传感器姿态变化 成像投影方式 遥感影像变形的原因 26 遥感影像变形的原因 （ 1）遥感平台位置和运动状态变化
8、27 遥感影像变形的原因 （ 2）地形起伏影响 28 遥感影像变形的原因 （ 3）地球表面曲率的影响 像点位置的移动 像元对应于地面宽度的不等 29 遥感影像变形的原因 （ 3）地球表面曲率的影响 30 遥感影像变形的原因 （ 4）大气折射的影响 31 遥感影像变形的原因 （ 5）地球自转的影响 32 几何畸变校正 33 几何畸变校正 数字纠正 ：通过计算机对图像每个像元逐个地解析纠正处理完成，可以较精确改正线性和非线性变形误差。 包括两个方面（基本环节）： （ 1）像 元坐标变换； （ 2）像元灰度值重新计算（重采样）。 34 数字图像几何纠正的主要处理过程 准备工作 输入原始数字影像 建立
9、纠正变换函数 确定输出影像范围 像元坐标变换 像元亮度值重采样 输出纠正后的图像 准备工作 ：图像、地图、大地测量资料、平台轨道参数、传感器参数、控制点的选择；（具体内容可选） 纠正变换函数建立 ：输入和输出图像间的坐标变换关系；如多项式法、共线方程法等。 35 数字图像几何校正方法 (函数的建立 ) 多项式纠正法 ：常用的方法 基本原理 ： 不考虑成像的空间几何过程，而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、仿射、偏扭、弯曲及更高次的基本变形的综合作用结果，因此，将纠正前后图像相应点间的坐标关系用一适当的多项式表达。 一般取 2次，可以满足精度要求 需要
10、地面控制点 ： 分布、数量 36 确定纠正后图像的边界范围 纠正后图像的边界范围，指在计算机存储器中为输出影像所开出的存储空间大小，以及该空间边界范围（首行、首列、末行、末列）的地图（或地面）坐标定义值； 纠正后图像和原始图像的形状、大小、方向都不一样。所以在纠正过程的实施之前，必须首先确定新图像的大小范围。 37 先求出原始图像四个角点（ a, b, c, d）在纠正后图像中的对应点（ a, b, c, d）的坐标（ Xa,Ya） (Xb,Yb) (Xc,Yc) (Xd,Yd)；然后求出最大值和最小值。 为了将该边界范围转换为计算机纠正后的存储数组空间，须在其中划分出网格，每个网格代表一个输
11、出像元；须根据精度要求 确定输出像元的地面尺寸； 地面坐标与输出图像坐标关系表达 确定纠正后图像的边界范围 38 确定纠正后图像的边界范围 X1 = min (Xa, Xb, Xc, Xd) X2 = max (Xa, Xb, Xc, Xd) Y1 = min (Ya, Yb, Yc, YXd) Y2 = max (Ya, Yb,Yc, Yd) 39 坐标变换 确定原始图像和纠正后图像间的坐标变换关系 （ x, y） - (u, v) (u行数 , v列数 , 均为整数 ) 有两种方案： 直接纠正方案 和 间接纠正方案 直接纠正方案 ：从原始图像阵列出发，依次对 其中每一个像元 P(x， y)
12、分别计算其在输出（纠正后）图像的坐标 P(X， Y)，并计算 P(X， Y)的灰度值 ; 间接纠正方案 ：从空白图像阵列出发，依次计算每个像元 P(X， Y)在原始图像中的位置 P(x， y)，然后把该点的灰度值依次计算后返送给 P(X， Y). 二者间并无本质差别， 互为逆变换 40 坐标关系 ),( ppXp yxFX ),( ppYp yxFY ),( PPxp YXfx ),( PPyp YXfy （ xp ,yp） （ XP,YP） 分别是任意一个像元在原始图像和纠正后图像中的坐标 。 直接 间接 41 直接纠正方法 :从原始图像 ， 依次对每个像元根据变换函数 F（ ） ， 求得它
13、在新图像中的位置 ， 并将灰度值付给新图像的对应位置上 。 间接纠正法 :从新图像中依次每个像元 ， 根据变换函数 f () 找到它在原始图像中的位置 ， 并将图像的灰度值赋予新图像的像元 。 二者并无本质区别 ， 互为逆变换 坐标变换 42 图像灰度值的重采样 几何校正过程中，由于校正前后图像的像元大小可能变化、像元点位置的相对变化等，不能简单用原图像像元灰度值代替输出像元灰度值。 对应的坐标值可能不是整数 因此，需要插值（重采样） 三种插值方法： 最邻近法、双线性法、三次卷积法 43 灰度值重采样示意图 44 最邻近采样法（ Nearest neighbour） 45 原始图像 纠正后图像
14、（最邻近插值） 46 双线性内插采样法 47 双线性内插法 利用 X方向和 Y方向进行三次插值 (4个邻点 ) 48 双线性插值 原始图像 纠正（双线性插值） 49 立方体卷积采样法 50 三次卷积法 (cubic convolution) 取与投影点邻近的 16个像元灰度值（ 4*4） ，计算输出像元的灰度值 有不同的实现算法 51 原始图像 几何纠正（三次卷积） 52 控制点的选择 地面控制点 （ GCP， Ground Control Point） : 一些特定的像元，其地图坐标或其它输出坐标为已知 人工地物 线性地物交叉点 不易随时间变化的目标 大比例尺的图像 ：道路交叉点、机场跑道、建筑物 小比例尺的图像 ：城区、一些线性地物交叉点（河流、道路） 分布 ：较均匀分布与图像范围内，保证足够数量 53 控制点的选择
