遥感数字图像处理基础 知识点.docx
《遥感数字图像处理基础 知识点.docx》由会员分享,可在线阅读,更多相关《遥感数字图像处理基础 知识点.docx(10页珍藏版)》请在冰豆网上搜索。
遥感数字图像处理基础知识点
第一章数字图像处理基础
1数字图像处理:
将图像转换成一个数字矩阵存放在图像存储器中,然后利用计算机对图像信息进行数字运算和处理,以提高图像质量或者提取所需要的信息
2数字图像获取:
把客观场景发射或者发射的电磁波信息首先利用光学成像系统生成一副模拟图像,然后通过模数转换将模拟图像转换为计算机可以存储的离散化数字图像。
3采样:
即图像空间坐标或位置的离散化,也就是把模拟图像划分为若干图像元素,兵赋予它们唯一的地址。
;离散化的小区域就是数字图像的基本单元,称为像元也称像素。
量化:
即电磁辐射能量的离散化,也就是把像元内的连续辐射亮度中离散的数字值来表示,这些离散的数字值也称灰度值,,因为它们代表了图像上不同的亮暗水平。
4遥感数字图像获取特征参数
质量特征:
空间分辨率:
数字图像上能被详细区分的最小单元的尺寸或大小
辐射分辨率传感器探测原件在接受光谱信号时,所能分辨的最小辐射度差
信息量特征:
光谱分辨率:
传感器探测元件在接收目标地物辐射能量时所用的波段数目
时间分辨率:
对同一区域进行重复观测的最小时间间隔。
5模拟图像:
在图像处理中通过某种物理量的强弱变化来记录图像亮度信息的图像
6数字图像:
把连续的模拟图像离散化成规则网格并用计算机以数字的模式记录图像上各网格点亮度信息的图像
7数字图像特性:
空间分布特性:
1空间位置:
数字图像以二维矩阵的结构的数据来描述物体,矩阵按照行列的顺序定位数据,所以物体的位置也是用行列号表示。
2形状:
点状线状和面状3大小:
线状物体的长度或面状物体的面积,表现为像元的集聚数量4空间关系:
包含,相邻,相离三种拓扑关系
数值统计特性:
对图像的灰度分布进行统计分析。
图像的灰度直方图:
用来描述一幅数字图像的灰度分布,横坐标为灰度级,纵坐标为灰度级在图中出现
8直方图的用途:
1图像获取质量评价2边界阙值的选择3噪声类型的判断
9遥感数字图像的输出特征参数:
1输出分辨率:
屏幕分辨率和打印的分辨率2灰度分辨率:
指输出设备能区分的最小灰度差3颜色空间模型:
RGB模型CMYK模型HSI颜色模型
10数字图像种类:
1.黑白图像:
二值数字图像,0表示黑色1表示白色;2.灰度图像:
单波段图像每个像元的灰度值的取值范围由灰度量决定;3.伪彩色图像:
把单波段图像的各灰度值按照一定规则映射到颜色空间中某一对应颜色;4.彩色图像:
由红绿蓝3个颜色通道的数字层组成的图像
第二章数字图像存储
1比特序:
一个字节中8个比特的存储顺序称为比特序。
CPU存储一个字节的数据时有两种比特序:
1大端:
将高比特位(逻辑上的高数据位)存储在低比特地址*(物理上的存储地址)2小端:
将高比特位存储在高比特地址
2图像文件存储的基本信息:
元文件:
图像的解码信息单独存放,称为元文件或头文件。
文件头:
解码信息及数据内容封装在同一文件中,其常位于文件的起始位置。
.图像文件的头信息通常包括:
解码顺序(字节序,大端解码表示大字节序。
从小端解码表示小节字序);
.图像的行数和列数(构成图像的像元行数和列数,确定图像的空间范围大小);c.图像的数据类型;d.图像的波段数;e.图像的偏移量(图像数据存储的起始位置距离图像文件起始位置偏移的字节数)
3多波段数据存储方式:
BSQ(按波段顺序存储)BIP(按波段像元交叉存储)BIL(按行交叉存储)BSQ:
适合读取单个波段的数据,波普处理的能力较弱(最佳的空间处理能力)
BIP:
适合读取光谱剖面数据,打破了像素空间位置的连续性(最佳的波普处理能力)
BIL:
介于空间处理和光谱处理之间的一种折中存储格式
4常见图像文件的存储格式:
TIFFGeoTiffHDFHDF-EOFIMG
第三章空间域处理方法
1数值运算:
指遥感图像波段内各个像元灰度值以及波段间的各个像元灰度值进行加减,乘除等数学运算
2集合运算:
指同一图像以及不同图像进行的求子集求并集等集合的基本运算。
3逻辑运算:
对称布尔运算,逻辑常量只有两个既0.1用来表示两个对立的关系真及假。
4数学形态学:
以形态为基础对图像进行分析的数学工具。
数值运算包括单波段运算和多波段运算:
单波段运算:
1点运算:
对单幅图像像元的逐像元值运算;2.领域运算输出图像中每个象元灰度值是有输入像元及其邻域内内的像元灰度值共同决定的运算。
多波段运算:
1代数运算:
对多幅输出入图像进行的像元对像元的数学运算:
2.剖面运算:
对多波段图像像元构成的剖面进行的波段间的数值运算
领域运算
滑动窗口:
在进行邻域运算时,邻域窗口逐像元移动既每次移动的步长为一个像元。
跳跃窗口:
如邻域窗口进行邻域运算时,以其窗口大小为步长进行的移动;
卷积运算:
将模板在输入图像中逐像元移动,每到一个位置就把模板的值及其对应的像元值进行乘积运算并求和从而得到输出图像对应于模板中心位置的像元灰度值;
邻域统计:
多样性,密度,众数,少数,求和,均值,标准差,最大值,最小值,秩
集合运算:
空间操作,波段操作
空间操作:
1.图像裁剪:
目的,保留需研究的部分将研究区以外部分去除:
2.图像镶嵌:
在统一坐标系下,把多景相邻遥感图像拼接成一幅大范围无缝的图像。
波段操作:
.波段提取:
从一个多波段的图像中提取某一特定波段作为一个独立的文件:
波段叠加:
将同一地理范围不同波段的文件合并为一个多波段文件。
镶嵌的要点:
1尽量选择相同的颜色和质地,将镶嵌的图像在重叠区应具有相似的色调,纹理等2.缝合线尽量选择在布料不同颜色或图案的交界处以减少违和感3.拼接线两边的色调差异大,需考虑对拼接线两边附近的图像做匀色处理。
腐蚀:
是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的目标物。
膨胀:
将目标区域接触的背景点合并到该目标物中,使目标边界向外部扩张的处理。
开运算:
先腐蚀再膨胀;闭运算:
先膨胀再腐蚀
第四章变换域处理方法
1常见的图像变换算法:
特征分析,频率域,颜色空间
基于特征分析的变换:
主成分分析,最小噪声分离,缨帽变换,独立成分分析
频率域变换:
傅里叶变换,小波变换
.颜色空间变换:
HIS,RGB,CMYK
2主成分分析PCA:
通过正交变换将一组可能相关的变量转换到一组线性不相关的变量的统计分析的过程
图像压缩,去噪,增强,融合,特征提取目的:
让保留下来的维度之间的相关性尽可能小,让让保留下来的维度方差尽可能大。
去除波段间的多余信息,把原有波段中的有用信息集中列数数目尽可能少的主成分中,并使这些主成分图像间互不相关,各个主成分保函的信息内容不重叠,从而大大减少总的数据量
3最小噪声分离变换MNF变换:
各分量按照信噪比从大到小排列
4缨帽变换:
基于图像物理特征的固定变换,硬毛变换后坐标不是指向主成分方向,而是指向及地面景物密切相关的方向,特别是及植物生长过程和土壤深度有关。
缨帽变换主要用于特征提取,四个分量:
第一分量为亮度值,反映地物总体反射率的综合效果;第二分量为绿度指数,及地面植被覆盖,叶面积指数及生物量相关性很大;第三分量为湿度指数,反映地面水分条件,尤其为土壤湿度条件;其他分量为黄度指数和噪声。
5独立成分分析ICA:
线性变换,把多光谱或高光谱遥感数据转换成互相独立的部分。
ICA算法:
信息最大化法,最大似然估计,最小化互信息法等
6傅里叶变换:
傅里叶级数,任何连续周期信号可以由一组适当的正弦曲线组合而成。
傅立叶变换物理意义:
将原来难以处理的时域信号换成易于分析的频域信号,还可以通过反傅立叶变换把频域信号恢复成时域信号。
傅立叶变换局限性:
1.傅里叶变换系数均是常数,不随时间变化,因此傅里叶变换只能处理频谱成分不变的平稳信号,而在处理非平稳信号时会带来很大的误差不易于处理非平稳信号2.傅里叶变换存在时域和频域的局部矛盾。
7小波变换:
用由零开始由零结束,中间为一段震荡的波用小波信号表示。
它是一种能量在时域非常集中的波。
适用于大部分信号,尤其是瞬时信号,他针对绝大部分信号的压缩,去噪检测效果都特别好。
8颜色空间变换:
1.HIS:
色调饱和度亮度2.RGB:
红绿蓝3.CMYK;印刷三原色:
青色品红色黄色
第五章辐射校正1辐射畸变:
遥感传感器在接收来自地面目标物的电磁波辐射能量时。
受遥感传感器本身特性,大气作用以及地物光照条件等影响,致使遥感传感器的探测值及地物实际的光谱辐射值不一致,遥感图像产生的辐射误差(即灰度失真)称为辐射畸变。
辐射矫正:
消减或修正因辐射误差而引起的畸变,这一过程称为辐射矫正。
辐射定标:
将传感器记录的DN值转化为入瞳外的辐射宽度值或反射率的这个过程
2.遥感传感器入瞳处的太阳辐射能量主要来自3部分:
目标物反射,大气散射,近邻反射
a地面目标物的直接反射此部分辐射能量在太阳光入射到地面的经地面反射的过程中投到大气成分的吸入和散射而减小b大气成分和气溶胶对太阳辐射的散射(大气程散射)在到达地面之前被散射而进入传感器c地面目标物周边背景的邻近反射
3.大气校正:
通过消除大气散射,吸收对太阳辐射的影响,将大气顶层辐射亮度值或反射率转化为地表辐射亮度值或地表反射率,这个过程称为大气校正
4.辐射度:
指单位时间内大单位面积上通过的辐射通量
5.朗伯面:
属于漫反射面,当入射幅照度一定是,任何角度观测的反射亮度都是一个常数
6.根据获取定标参数的时间和地点不同可以将辐射定标分为三类
a受射前的实验室定标b基于星载定标器的星上定标c发射后的场地定标
7.绝对大气校正:
将遥感图像的DN值转换为地表反射率或地表辐射亮度
相对大气校正:
用DN值来表示地物反射率或反射辐射亮度的相对大小
8.统计模型:
基于地表变量和遥感数据的相关关系而建立的,既可进行相对大气校正又可进行实现绝对校正
相对大气校正:
1内部平均相对反射率法IARR:
以整幅图像的平均辐射光谱之作为参考光谱,以计算每个像元的光谱曲线及参考光谱曲线的比值作为相对反射率,由此消除大气影响,亦可消除地形阴影的影响2平场域法FF:
选择图像中块面积大亮度高,而光谱响应曲线变化平缓的区域建立平场域,利用该区域的平均光谱辐射值来模拟图像获取大气条件下的太阳光谱,将每个像元的辐射值及该区域平均光谱辐射值的比值作为地表反射率,用以消除大气的影响3对数残差法LRC:
目的为了消除光照及地形的影响
绝对大气校正4经验线性法ELC:
实测各定标点的地面反射光谱值,计算像元点的平均辐射光谱,利用线性回归建立反射光谱及辐射光谱间的关系,计算线性方程的两个系数进行像元灰度的反射率反馈
物理模型:
16S模型:
太阳第五及传感器之间的几何关系,大气模式,传感器的光谱特性,地表反射率2MOPTRAN模型
9.地形校正:
基于DEM的地形矫正方法:
朗伯体的反射率模型非朗伯体反射率模型和其他方法
余弦校正法:
斜面接受的辐射度及太阳入射角的余弦值程正比,同时考虑太阳天顶角对辐射的影响
C矫正发:
基于余弦校正在低太阳入射角地区出现过度校正现象,则引入半经验系数C
第六章几何校正1几何略变:
在遥感成像过程中,传感器生成的图像像元相对地面目标的实际位置发生了挤压,扭曲,拉伸和偏移问题,这一现象我们称为几何略变
2造成遥感图像几何略变的因素:
1传感器内部因素:
透镜,图像投影面,探测元件排列2遥感平台因素:
平台高度变化,速度变化,轨道偏移及姿态变化3地球因素:
地球自转,地形起伏,地球曲率
3几何校正:
1几何精校正:
根据产生畸变的原因,利用空间位置变化关系,采用计算公式和取得的辅助参数进行校正2几何精校正:
在几何粗校正的基础上,使图像的几何位置符合某种地理坐标系统,及地图配准并调整亮度值,即利用地面控制点做的精密校正
4几何配准:
将不同时间,不同波段,不同传感器系统所获得的同一地球的图像经几何变换使同名像点在位置上和方位上完全重叠后的操作
几何配准及几何校正的区别:
几何校正注重的是数据本身的处理,目的是为了还原数据的真实性,而几何配准注重的是图像和图像数据之间的几何关系,其目的是为了和参考数据达成一致,不考虑参数数据的正确
5几何校正涉及的两个过程:
一是空间位置二是像元灰度值的重新计算,即重采样
坐标变换:
直接法:
从原始图像阵列出发,依次计算每个像元在输出图像中的坐标,输出的像元值大小不变,但输出图像中的像元分布不均间接法:
从输出图像阵列出发,依次计算每个像元在原始图像中的位置,然后计算原始图像在该位置的像元值,再将计算的像元值赋予输出图像像元,空间分布均匀,需重采样
6地面控制点的选择:
1地面控制点需要在图像上有明显的清晰的识别标法2控制点上的地物不随时间而变化,以保证当两幅不同时间的图像或地图进行几何校正时也能识别3在没有做过地形校正的图像上选择控制点时,应在同一地形高度上进行4地面控制点应当均匀地分布在整幅图像内,且需保证有一定的数量
7几何校正一般通过均方根误差RMS来观察控制点的几何校正精度,单位为像元
重采样:
根据原始图像的像元信息内插为新的像元值
最近邻法:
直接将及某像元位置最邻近的像元值作为该像元的新值
双线性内插法:
取采样点到周围4邻近像元的距离加权计算栅格值
三次卷积法:
使用采样点周围16个邻近像元进行距离加权计算像元灰度值,使图像变得平滑,视觉效果好,但是会破坏图像光谱信息
8.4D产品:
DLG:
digitalLineGraphic数字线划地图DEM:
DigitalElevationModel数字高程模型DRG:
DigitalRasterGraphic数字栅格地图DOM:
DigitalOrthophotoMap数字正射影像图
9.几何校正步骤:
:
(1)对畸变图像和基准图像建立统一的坐标系和地图投影
(2)选择地面控制点,按GPS选择原则,在畸变图像和基准图像上寻找相同地物的地面控制点对(3)选择校正模型,实现畸变图像和基准图像之间的像元坐标变换4)选择合适的重采样方法对畸变图像的输出图像像元进行灰度赋值(5)几何校正的精度分析
10.几何校正类型:
图像到图像的几何校正(基准图像和畸变图像)图像到地图的几何校正具有地理位置信息的几何校正、正射校正
11.图像自动匹配图像匹配要素:
特征空间、搜索空间、搜索策略和相似性度量
图像匹配算法的评估指标:
匹配速度,匹配精度,匹配概率和匹配适应性
方法:
(1)基于灰度的匹配方法:
直接利用整幅模板图像的灰度信息,建立模板图像和输入图像之间的相似性度量,然后采用某种搜索策略寻找使相似性度量值最大或最小的变换模型的参数值。
(2)基于特征的匹配方法:
首先需要对图像进行特征换取,然后根据相似性原则对两幅图像的特征进行匹配,选取变换模型,通过合适的搜索策略求得变换的最优化参数,再利用此参数对输入图像行变换
第七章图像去噪声1.图像去噪声:
减少或改善数字图像中噪声的过程,叫做图像去噪声。
2.图像噪声:
造成图像失真质量下降的图像信号,在图像上常表现为孤立的像元点或像元块。
3.噪声类型:
(1)随机噪声模型:
高期噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声、脉冲噪声、椒盐噪声(黑白相间的亮暗点噪声,胡椒噪声和盐噪声分别对应低灰度噪声和高灰度噪声)
(2)周期噪声:
整幅出现黑白相间条纹
4.空间域去噪声由于噪声像元的灰度值常及周边像元的灰度值不协调,表现为极高或极低,因此可以利用局部窗口的灰度值统计特性(均值、中值)去除噪声
(1)均值滤波:
取每个像元邻域内的所有像元灰度值的平均值代替该邻域中心的像元值,从而达到去除尖锐噪声以及平滑图像的目的
(2)中值滤波:
及均值滤波相似将像元的替换值由邻域内的像元平均值变为了邻域内的像元中间值(3)保持边缘平滑滤波:
抑制噪声的同时保持图像的细节信息,它在平滑处理前应先判断当前像元是否为边缘点K近邻均值滤波:
找出待处理像元邻域内K个及该邻域中心像元灰度值最接近的像元然后取这K个像元的平均值作为待处理像元的新值。
(4)数学形态学去噪声:
开运算、闭运算、开-闭运算、闭-开运算。
5.变换域去噪声:
(1)傅里叶变换:
高频部分对应空间域图像灰度变化剧烈的地方。
边缘、噪声等快速度变化的区域。
低频部分对应空间域图像灰度变化平缓的地方。
均值地表变换平缓的区域。
频率域去噪声的技术流程:
先把图像从空间域变换到频率域,然后在频率域对噪声成分进行掩膜滤波,抑制或者消除噪声,最后再把图像从频域反变换到空间域。
傅里叶变换去噪声流程:
含噪声图像—傅里叶正变换—中心化的频率谱图像—掩膜滤波—频率域去噪声结果—傅里叶反变换—去噪声图像。
基于傅里叶变换的图像去噪声主要采用低通滤波器,带阻滤波器和陷波滤波器掩膜过滤掉噪声部分所对应的频率。
(2)小波变换:
小波变换去噪基本思路:
利用小波变换把含噪声信号分解到多尺度中,然后在每一尺度下把于噪声的小波系数抑制或去除,保留并增强属于信号的小波系数,最后重构出小波去噪声后的信号。
第八章图像增强1.图像增强:
通过一定手段对原图像进行变换或者附加一些信息,有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征,从而加强图像目视判读和识别效果,以满足某些特殊分析的需求。
2.空间图像增强:
对图像的灰度值直接进行处理以达到改善图像视觉效果的目的地。
点运算:
(1)灰度变换:
线性变换、分段线性变换、反比运算、昂次变换
(2)直方图调整直方图匹配:
将原图像的直方图以参考图像的直方图为标准做变换,使两幅图像的直方图相同或相似,从而使原图像具有及参考图像美化的色调和方差。
直方图均衡化:
将原图像的直方图匹配成均匀分布的直方图。
邻域运算:
(1)反锐化掩膜图像增强:
对原图进行平滑滤波,将原图减去平滑滤波结果得到边缘信息,最后加权的边缘信息及原图相加以达到增加效果。
(2)微分算子:
提取边缘和纹理细节信息。
灰度形态学梯度运算:
膨胀腐蚀型梯度、腐蚀型梯度、膨胀型梯度。
3.变换域图像增强:
在图像的某个变换域内对图像的变换系数进行某种修改,然后再反变换到空间域以达到图像增强的目的。
基于频率域转换的傅里叶变换:
图像的细节信息对应于频率域的高频部分,因此可以在频率域中先对高频部分进行增强再反变换到空间域,或者仅提取高频部分对应的信息叠加到原图像。
高通滤波器,高斯高通滤波,理想高通滤波器,巴特沃斯高通滤波器。
高斯高通滤波器较其他两种结果更为平滑,地物轮廓和纹理整体上都很清晰,图像增强效果优于其他两种。
基于多尺度分割的小波变换:
在多尺度上分解为低频分量,水平次高频分量,垂直次高频分量和对角高频分量四个部分。
细节部分体现在高频部分,图像的概况主要体现在低频部分。
颜色空间变换:
多波段图像的图像增强。
4.伪彩色处理:
在图像显示时,将灰度图像中各像元的灰度值按照一定的规则赋予不同的颜色,使之成为一幅彩色图像,这种把灰度转换成彩色的映射处理被称为伪彩色处理。
原因:
人眼对色彩的敏感性远远高于对灰度的敏感性,人眼正常只能分辨20多个灰度级,可分辨100种以上的彩色。
5.图像融合:
它着重于把在时间或空间中存在互补的多源数据按照一定的法则进行运算,从而获得比任何单一数据更为精确、信息更为丰富的合成图像。
根据数据的抽象程度自下而上可以在3个层次上进行:
数据级融合、特征级融合、决第级融合、像元级融合
第九章感兴趣目标及对象提取1.图像分割:
指从图像中将某个特定区域及其他部分进行分离并提取出来的处理,即把前景目标从背景中提取出来,通常也称图像的二值化处理方法:
阈值法,边界分割法,区域提取法,形态学分水岭分割。
2.对象提取:
提取遥感图像上具有相同特征(如光谱,纹理和空间组合关系特征)的“同质均一”单元。
贴标签(处理):
是对二值图像的每个不同连通域赋予不同的编号以区分不同的连通域。
创建一幅及二值图像大小相同的空白标签图像逐像元扫描,第一个像元编号1(从左到右,从上到下逐步扫描所有值为一的目标像元)如及已编像元连接取相同编号,如及已知编号像元不连接,赋予其新的编号如及两个不同编号像元连接,当前像元取其中较小的编号,并将连接的所有较大的编号改为当前像元编号。
边界提取:
对贴标签的结果图像进行递归搜索运算以获得各目标物的边界坐标,将这些边界坐标首尾连接起来则得到闭合的矢量边界。
第十章特征提取和选择1.物体之间的差异体现在他们的某一种或多种属性上(如颜色大小的粗糙度),这些在物体之间具有差异的属性就是物体的特征又称特征属性变量。
2.特征选择的过程。
(1)特征提取:
光谱特征提取:
主成分变换,最小噪声分离,缨帽变换,独立成分分析,空间特征提取(纹理特征,形状特征)
(2)特征选择:
子集产生,子集评价,评价终止,结果验证(3)特征组合:
各特征参及分类的先后顺序,各特征参及分类的权重。
第十二章遥感制图表述
1.遥感制图的基本要求:
(1)信,指制图表达的信息是可靠的。
(2)达,指制图表达的信息是清晰可用的(3)雅,指制图的结果是美观的。
2.制图流程:
5w+1H(why,who,what,where,when,how)
(1)制图目的:
why(为何制图)who(制图给谁看)
(2)制图规划:
确定制图内容what,选择素材是确定遥感图像的空间范围where和时间范围when(3)只涂颜色:
解决如何对图像信息进行清晰表达how