遥感数字图像处理重点整理Word文件下载.docx
《遥感数字图像处理重点整理Word文件下载.docx》由会员分享，可在线阅读，更多相关《遥感数字图像处理重点整理Word文件下载.docx（42页珍藏版）》请在冰豆网上搜索。
每个点都有确定的数字编号
摄影受电磁光谱的成像范围限制
可以是电磁光谱的任意范围
一旦获取了照片，颜色就是确定的
颜色没有特定的规则，在处理过程中可以根据需要通过合成产生
具有红、绿、蓝3个通道
多个波段（3-8000）
4、遥感数字图像处理
是利用计算机图像处理系统对遥感图像中的像素进行系统操作的过程。
传统的模拟图像受媒介大小的限制无法完全表述这些信息，也很难进行信息的进一步处理，只有经数字化后才能有效地进行信息分析和处理，数字图像处理极大地提高了图像处理的精度和信息提取的效率。
主要内容：
图像增强：
压抑、去除噪声，增强整体图像或突出图像中的特定地物的信息，使图像更容易理解、解释和判读。
灰度拉升、平滑、锐化、彩色合成、主成分（K-L）变换、K-T变换、代数运算、图像融合等
增强过程本身不会增加数据中原有的信息内容，仅仅是突出了特定的图像特征，使得图像更易于可视化的解释和理解。
图像校正：
也称为图像恢复、图像复原，主要是对传感器或环境造成的退化图像进行模糊消除、噪声消除、几何失真或非线性校正。
校正方法：
辐射校正和几何纠正。
信息提取：
根据地物光谱特征和几何特征，确定不同地物信息的提取规则。
主要包括图像分割、分类等方法，处理结果为分类专题图。
5、遥感数字图像处理系统
硬件系统：
计算机、数字化设备、大容量存储器、显示器、输出设备、操作台
软件系统：
ERDASIMAGINE（C语言）、ENVI（IDL语言）、PCIGeomatica、ERMapper
6、数字图像处理的发展和两个观点
离散方法：
一幅图像的存储和表示均为数字形式，因为数字是离散的
空间域图像处理以图像平面本身为参考，直接对图像中的像素进行处理。
连续方法：
图像通常源自物理世界，服从可用连续数学描述的规律，因此具有连续性。
频率域基于傅里叶变换，频率域图像处理时对傅里叶变换后产生的反映频率信息的图像进行处理。
第二章《遥感数字图像的获取和存储》
1、遥感系统：
是一个从地面到空中乃至整个空间，从信息收集、存储、传输、处理到分析、判读、应用的技术体系，主要包括遥感试验、信息获取（传感器、遥感平台）、信息传输、信息处理、信息应用等5个部分。
2、传感器——信息获取的核心
收集和记录电磁辐射能量信息的装置，是信息获取的核心部件，如航空摄影机、多光谱扫描仪、成像等
按工作方式是否具有人工辐射源：
被动方式——被动遥感：
以太阳辐射和地物自然辐射为辐射源，不需人工辐射源，如各种摄像机、扫描仪、辐射计等，其工作波段集中在可见光和红外区。
主动方式——主动遥感：
具有人工辐射源，主动向目标发射强大的电磁波，然后传感器接受目标反射的回波，如各种形式的雷达，其工作波段集中在微波区。
按数据的记录方式：
成像方式：
成像传感器接受的目标电磁辐射信号转换成数字或模拟图像，是目前最常见的传感器类型。
按成像原理可以分为摄影成像和扫描成像两类。
摄影成像：
在打开快门后的一瞬间几乎同时收集目标上所有的反射光，聚焦到胶片上成为一幅影像，并记录下来如全景摄影机、多光谱摄影机、缝隙摄影机、框幅摄影机等。
扫描成像：
扫描方式的传感器逐点逐行地收集信息，各点的信息按一定顺序先后进入传感器，经过一段时间后才能收集完一幅图像的全部信息。
目标面扫描的方式：
收集系统直接对目标面扫描，一点一行顺序收集目标面上各单位的信息，然后拼成一幅图像。
光学-机械扫描仪（多光谱扫描仪—MSS专题制图仪—TM）
成像雷达（全景雷达和侧视雷达）
影像面扫描的方式：
收集系统不直接对地面扫描，而是先用光学系统将目标的辐射信息在靶面上聚集形成一幅图像然后利用摄像管中的电子束对靶面扫描来收集其数据，或依靠电荷耦合器件（CCD）组成的阵列进行电子扫描来获得数据。
电视摄影机、固体扫描仪
非成像方式：
记录的是一些物理参数，不能产生图像，如可见光-近红外辐射计、热红外辐射计、微波辐射计、微波高度计、微波散射计
3、电磁波
传感器
特点
传感器实例
波长范围/nm
紫外
对紫外线光感测
紫外摄影机
50——380
可见光
用感光胶片或光电探测器作为感测元件，地面分辨率高，但只能在晴朗的白天使用
可见光摄影机、TV摄影机等
380——760
红外
近红外常使用感光胶片，中、远红外常使用光学机械扫描仪；
具有昼夜工作能力
红外光学扫描仪
760——1.0*10^6
微波
具有昼夜工作能力，能提供高分辨率图像，并与日照、云层遮挡无光，有一定穿透能力
合成孔径雷达
1.0*10^6——1.0*10^9
4、传感器的分辨率
指传感器区分自然特征相似或光谱特征相似的相邻地物的能力。
高分辨率意味着区分能力强，能够区分小的相邻地物，低分辨率意味着能够获取大范围的平均辐照度。
1）辐射分辨率：
是传感器区分反射或发射的电磁波辐射强度差异的能力
高辐射分辨率意味着可以区分信号强度的微小差异。
表示：
可见光、近红外波段：
用等效反射率表示
热红外波段：
用噪声等效温差、最小可探测温差和最小可分辨温差表示。
遥感图像：
图像的量化位数可以看做是辐射分辨率的近似表述。
2）光谱分辨率：
是传感器记录的电磁光谱中特定波长的范围和数量
波长范围越窄，波段数越多，光谱分辨率越高，地物越容易被区分和识别。
但并非波段越多越好，会产生“掩盖”地物的辐射特性，不利于快速探测和识别地物。
3）空间分辨率：
是遥感图像上能够详细区分的最小单元的尺寸或大小，即传感器能把两个目标物作为清晰的实体记录下来的两个目标物之间最小的距离。
是表征图像分辨地物目标细节能力的指标。
也可以用地面分辨率（像素所代表的地面实际尺寸的大小）来表示。
像素：
是将地物信息离散化而形成的格网单元，在遥感图像中，单位为米，像素为正方形，其大小与遥感空间分辨率高低密切相关，空间分辨率越高，像素越小。
解像力（解相率）：
用单位距离能分辨的线宽或间隔相等的平行线的条数来表示，单位为线/毫米或线对/毫米
瞬间视角场IFOV（角分辨率）：
是传感器的瞬间视场，它和遥感平台高度H共同决定了地面的分辨单元，即像素大小P，P=2Htan（IFOV/2）
高空间分辨率：
小于10M，SPOT\QUICKBIRD\IKONOS，重访周期长（数天），能够反映地物明确的几何信息，适用于特定地区进行定点监测，多用于数字城市和工程制图。
中空间分辨率：
10~100M，ASTER\TM，重访周期（数周），具有较多的光谱信息，便于进行土地利用和土地覆盖、资源、地表景观等方面的研究。
低空间分辨率：
大于100M，NOAA\MODIS，重访周期短（数小时），适用于进行大范围的环境遥感监测，例如洪水、火灾、云和沙尘暴等。
4）时间分辨率：
对同一目标进行重复探测时，相邻两次探测的时间间隔
一类是传感器本身设计的时间，受卫星运行规律影响，不能改变
一类是人为设计的时间分辨率，它一定等于或小于卫星传感器本身的时间分辨率
在遥感图像应用中意义重大，可以进行动态监测和预报，进行自然历史便器和驱动力分析，可以提高成像率和解像力，提高地物的识别精度。
5、数字化包括——采样、量化
采样：
将空间上连续的图像变换成离散点（即像素）的操作。
采样间隔和采样孔径的大小是重要的参数。
采样间隔影响着图像表示地物的真实性，间隔越小，图像越接近于真实，但采用成本及后处理的成本也越高，图像存储所需要的空间越大。
采样时，连续的图像空间被划分为网格，并对各个网格内的辐射值进行测量。
量化：
将像素灰度值转换成整数灰度级的过程。
图像数据M行，N列，量化位数为g，存储空间M*N*g/8字节。
，其中N为量化级，M为量化位数（量化灰度级）
通常得到的都是量化之后的遥感图像，图像中的像素值被称为数字值（DN值）、灰度级或亮度值。
量化影响着图像细节的再现程度，间隔越大，细节损失越多，图像的棋盘化效应越明显，量化影响着图像细节的可分辨程度，量化位数越高，细节的可分辨率越高，保持图像大小不变，降低量化位数减少了灰度级会导致假的轮廓。
6、遥感图像类型
不相干图像：
光学遥感所产生的图像，包括多光谱图像（多波段图像，每个采样位置包括多个波段的值）、高光谱图像和高空间分辨率图像
属于被动遥感，图像受大气状况影响很大，限制了再多云多雨地区的应用。
相干图像：
微波遥感所产生的图像，多取决于传播的条件，微波遥感属于主动遥感，其穿透能力强，不受天气的影响，可以全天候工作。
7、遥感数字图像的级别
0级产品：
未经过任何校正的原始图像数据。
1级产品：
经过了初步辐射校正的图像数据。
2级产品：
经过了系统级的几何校正——我们到手的数据
3级产品：
经过了几何精校正，保密级别
8、元数据
是关于图像数据特征的表述，是关于数据的数据。
包括图像获取的日期和时间、投影参数、几何校正精度、图像分辨率、辐射校正参数
元数据与图像数据同时发布，或者嵌入到图像文件中，或者是单独的文件。
也称为头文件，多为二进制格式或随机。
9、遥感图像数据格式
设图像数据位N列，M行，K个波段
1）BSQ格式
是像素按波段顺序依次排列的数据格式，先按照波段顺序分块排列，在每个波段块内，再按照行列顺序排列，保证了像素空间位置的连续性。
B1（1,1）（1,2）（1,3）……（1,N）
（2,1）（2,2）（2,3）……（2,N）
……
BK（1,1）（1,2）（1,3）……（1,N）
……
（M,1）（M,2）（M,3）……（M,N）
2）BIL格式
像素先以行为单位分块，在每个块内，按照波段顺序排列像素，像素的空间位置在列的方向上是连续的。
第一行B1（1,1）（1,2）（1,3）……（1,N）
B2（1,1）（1,2）（1,3）……（1,N）
BK（1,1）（1,2）（1,3）……（1,N）
第M行B1（M,1）（M,2）（M,3）……（M,N）
B2（M,1）（M,2）（M,3）……（M,N）
BK（M,1）（M,2）（M,3）……（M,N）
3）BIP格式
以像素为核心，像素的各个波段数据保存在一起，打破了像素空间位置的连续性。
保持行的顺序不变，在列的方向上按列分块，每个块内为当前像素不同波段的像素值。
B1B2……BKB1B2……BK
第一行（1,1）（1,1）（1,1）（1,2）（1,2）（1,2）
第二行（2,1）（2,1）（2,1）（2,2）（2,2）（2,2）
第M行（M,1）（M,1）（M,1）（M,2）（M,2）（M,2）
4）TIFF图像格式
5）HDF数据格式
优势：
独立于操作平台的可移植性；
超文本；
自我描述性；
可扩展性
6）GeoTIFF图像格式
独立性和拓展性的特点，条理清晰、结构严谨，容易实现与其他遥感影像格式的转换。
7）陆地资源卫星L5的数据格式
10、图像文件
坐标：
左上角像素的坐标从0开始，向右向下按整数递增，经过集合校正后图像文件坐标用地图坐标来表示
大小=图像行数*图像列数*每个像素的字节数*波段数*辅助参数（一般为1）8位量化位1个字节，16位为2个
11、数字图像分辨率
图像上的点被映射或指定到给定的空间里的数量（通常是以英寸、厘米、像素为单位），是图像中最小可分辨距离。
第三章《遥感数字图像的表示和统计描述》
1、遥感图像模型
遥感图像是传感器通过探测地物电磁波辐射能量所得到的的图像，反映连续变化的物理场，虽然波段不同，记录的辐射能量、成像的方式以及成像系统等也有差异，但还是可以从理论角度归纳得到一个具有普遍意义的模型，成为遥感图像模型。
图像上的能量=目标发射的能量+目标反射的能量
陆地遥感图像模型：
其中，
为目标物的反射率；
为黑体的电磁波发射能力；
为入射的辐射量；
表示极化方向，主要用于微波成像；
代表波长；
为成像时间。
在可见光和近红外波段，白天物体自身发射的辐射量课忽略不计，可以简化为
2、多源图像
在同一地区，随时间、波段和极化方向不同而获得的多个图像的组合，叫做多源图像
多波段图像（多光谱图像）
多时相图像
多极化图像
3、图像函数f（x,y）实际上代表在二维空间内物体反射或发射电磁波辐射能量的分布，不是传感器实际记录的图像数据。
设g（x,y）表示二维空间的图像函数，则对应的变换关系可以表示为g（x,y）=T{f（x,y）}，其中T表示某种由地物到图像的变换；
g（x,y）是遥感图像处理后产生的图像函数。
g（x,y）具有连续性；
定义域的限定性；
函数值的限定性；
函数值物理意义的明确性。
4、遥感图像的数字表示
1）确定的（写出图像函数表达式，对于数字图像，表示成矩阵或向量）
图像的矩阵表示
二值图像：
每个像素的取值为0或1的图像，没有颜色的概念，数值仅包括0和1，是逻辑运算之后的结果，0用来表示背景（假），1用来表示前景目标（真）。
灰度图像：
每个像素由一个量化的灰度值（灰度级）来描述的图像，单波段图像为灰度图像。
对于8位量化而言，灰度值0为黑色，255为白色。
彩色图像：
每个像素由红、绿、蓝（RGB）三原色构成的图像，对于多光谱遥感图像，可通过RGB合成产生彩色图像。
图像的向量表示
按行或列排序，优点是可以直接利用向量分析的有关理论和方法。
2）统计的（用一种平均特征来表示）
图像的数字特征可作为区分或识别图像中地物的依据，将图像看做具有正态分布的随机变量，可以使用统计学方法对图像进行统计描述。
单波段图像的统计特征
基本统计特征反映像素值平均信息的统计参数：
均值、中值、众数
反映像素值变化信息的统计参数：
方差、变差（最大值与最小值之差）、反差（对比度）
直方图：
是灰度级的函数，描述的是图像中各个灰度级像素的个数。
对于数字图像来说，直方图实际就是灰度值概率密度函数的离散化图形。
性质：
反映了图像灰度的分布规律（可以通过修改图像的直方图来改变图像的反差）。
任何一幅特定的图像都有唯一的直方图与之对应，不同的图像可以有相同的直方图。
如果一幅图像仅包括两个不相连的区域，并且每个区域的直方图已知，则整幅图像的直方图是这两个区域的直方图之和
遥感图像的数据服从或接近正态分布，直方图的形态与正态分布的曲线形态类似
应用：
可以有目的地改变直方图形态来改善图像的对比度。
峰值偏向灰度大，图像偏亮；
反之…
二阶矩表示灰度级的对比度；
三阶矩表示直方图的偏斜度；
四阶矩表示直方图的峰度
多波段图像的统计特征
协方差：
协方差矩阵P48值越高表示两个波段图像之间的协变性越强
相关系数：
相关矩阵P48
直方图匹配：
可用欧氏距离来衡量
5、窗口、邻域和卷积
窗口：
对于图像中任一像素（x,y），以此为中心，按上下左右对称所设定的像素范围，称为窗口
邻域：
中心像素周围的行列称为该像素的邻域，按照与中心像素相邻的行列总数来命名
邻域运算：
对于中心像素（x,y），其值f（x,y）表示，可按照相邻性规则通过计算产生
卷积：
是空间域上针对特定窗口进行的运算，是图像平滑、锐化中使用的基本的计算方法
卷积公式
h（x,y）为窗口模板（或卷积核）是相邻像素对中心像素影响程度的表述，边缘的处理方法：
设为0值；
保留原值；
按对称原则从图像中取值
6、滤波
狭义：
滤波是指改变信号中各个频率分量的相对大小，或者分立出来加以抑制，甚至全部滤除某些频率分量的过程
广义：
把某种信号处理成为另一种信号的过程
Y（f）=X（f）H（f），滤波的概念主要用在频率域中，在空间域中即为卷积运算。
7、纹理
图像的某些局部性质，或是对局部区域中像素之间关系的一种度量。
纹理基元按照某种确定性的规律或只是按照某种统计规律重复排列组成的。
三要素：
某种局部的序列性，不断重复；
序列基本部分非随机排列组成；
各部分大致是均匀的统一体，纹理区域内任何地方都有大致相同的结构尺寸
人工纹理（有规则的，是自然背景上的符号排列组成的，可以使线条、点、字母、数字）
自然纹理（不规则的，是具有重复排列现象的自然景物，如森林、草地之类的）
纹理在局部区域内呈现不规则形，而在宏观上又表现出某种规律。
纹理的性质有均匀性、密度、粗细度、粗糙度、规律性、线性度、定向性、方向性、频率、相位。
传统的纹理特征描述方法：
统计方法（利用图像的特征求出特征值，实现对纹理特征的描述，自相关函数、灰度共生矩阵、灰度级行程长、滤波模板、随机模型、分形模型）
结构方法（用结构方法力图找到纹理基元，一般只适用于规则性较强的人工纹理）
8、空间自相关函数方法
空间自相关函数可用来对纹理的粗糙程度进行描述。
一般地，粗纹理的自相关函数随距离的变化比较缓慢，细纹理变化比较快
9、共生矩阵是用来描述纹理中灰度基元之间空间联系的基础，反映了纹理中灰度分布的性质。
基于共生矩阵，可定义许多基于统计法的纹理特性。
（案例P55）常用指标有行平均、列平均、行标准差、列标准差。
第四章《图像显示和拉伸》
1、颜色
非彩色（消色）：
黑、白以及从黑过渡到白的一系列的灰色，它们对光谱上各个波长的反射是没有选择性的，称之为中性色。
黑白系列的非彩色只能反映物质的光反射率的变化，其在视觉上的感觉是亮度的变化。
彩色：
是指除黑白系列以外的各种颜色。
有色调、明度、色度三个基本特性。
色调（hue）：
是色彩最重要、最基本的特征。
根据色调来称呼某种颜色为红色、黄色、绿色。
色调是经物体表面反射（或投射）后达到神经的色光确定的，对于单色光的色调，可以用其波长来确定，而由混合光组成的色彩的色调，可以用组成混合光的各种波长光量的比例来确定。
明度：
是颜色的亮度在人们视觉上的反映，是从人的感觉上来说明颜色的性质
明度与亮度是有区别的，亮度在光度学的概念中可以用光度计测量，与物体反射的光量有关，与人的视觉无关
色度：
是水中溶解性的物质或胶状物质呈现的米黄色乃至黄褐色的程度，包含有色调信息，但没有亮度信息。
2、颜色空间模型
RGB模型：
是根据人眼锥体接受光线的方法构造成的模型，可生成256*256*256=16M种颜色
中心波长R-700nm、G-546.1nm、B-435.8nm
CMYK模型：
是彩色胶片的染料和印刷油墨所形成的颜色空间
HIS模型、LAB模型
3、颜色模型
一种颜色模型是用一个三维坐标系统及这个系统中的一个子空间来表示，系统中的每个颜色都由一个单点表示。
RGB模型（彩色监视器和彩色摄像机）：
基于笛卡尔坐标系统，黑色在原点，白色在离原点最远的角上，蓝绿色、紫红色和黄色在另3个顶角
CMY模型（彩色打印机）：
公式：
P62
YIQ模型（彩色电视广播）：
P62去掉了亮度（Y）和颜色信息（I和Q）间的紧密联系
HIS模型（图像显示处理）：
强度成分在图像中与颜色信息无关；
色调和饱和度成分与人们获得颜色的方式密切相关
4、图像的显示
1）显示过程
CPU从存储介质中读取数据，并以位的形式保存在图像处理器的缓冲存储器（图像存储器）内。
读书器读取存储器里的位数据，然后将此值赋给彩色查找表CLUT中的RGB。
模数转换器（D/A）将RGB数据值变为适当的模拟信号（连续的电信号），该模拟信号用以调整RGB电子枪的强度，控制着每个像素在视频CRT（阴极摄像管）屏幕显示的亮度。
（图P63）
2）全色显示
8位图形处理器有一个相连的8位（256个元素）的查找表（CLUT），该CLUT中RGB排列均呈0-255渐变顺序，每个元素都有对应的RGB值。
3）彩色显示
电子显示法（软拷贝）：
用彩色监视器显示
彩色硬拷贝设备显示：
相减混色原理显示彩色图像，使用CMYK颜色空间。
相加混色基本规律：
红+绿=黄红+蓝=紫蓝+绿=青红+蓝+绿=白
三基色：
红蓝绿三补色：
青紫黄
真彩色：
选择波段与RGB对应
假彩色：
输入波长与RGB不同
图像显示使用颜色索引（P65图仔细研究）
5、图像的彩色合成——彩色增强
伪彩色合成：
把单波段灰度图像中的不同灰度级按特定的函数关系变换成彩色，然后进行彩色图像显示，主要通过密度分割来实现。
密度分割法：
对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之成为一幅彩色图像。
经过密度分割后，图像的可分辨力得到明显提高，如果分级与地位光谱特性的差异对应较好，可以较准确地区分出地物类别。
真彩色合成：
合成后图像的颜色更接近于自然色，与人对地物的视觉感觉相适应，更容易对地物进行识别。
假彩色合成：
假彩色合成使用的数据是多波段图像，假彩色合成选用的波段应该与地物的光谱特征为出发点，不同的波段合成方法，用来突出不同的地物信息。
标准假彩色方案：
TM（432）、MSS（421）、SPOT（321），植被红色、水体与黑色或蓝色、城镇为深色
模拟真彩色合成：
由于蓝光容易受大气中气溶胶的影响，有些传感器舍弃了蓝波段，因此通过彩色合成无法得到真彩图像，可通过某种形式的运算得到模拟的红绿蓝3个通道，然后通过彩色合成近似地产生真彩色图像。
SPOTIMAGE公司：
红色用XS2表示，绿色用（XS1+XS2+XS3）/3的波段运算来实现，蓝色采用XS1波段代替，绿波段单做蓝波段，红波段不变，绿波段用三个波段的平均值代替。
ERDASIMAGING软件：
红色用XS2表示，绿色用（XS1*3+XS3）/4波段，蓝色用XS1波段。
不确定参数法：
引入全色波段（P），红色（aP+（1-a）*XS3），绿色2*P*XS2/（XS1+XS2），蓝色2*P*XS1/（XS1+XS2），a引入为了防止出现过饱和（0.1-0.5），若XS1和XS2为0，则会出现不合理结果。
6、图像拉伸
升级会员 