遥感图像处理复习

第一章

图像(image)是对客观对象的一种相似性的描述或写真，它包含了被描述或写真对象的信息，是人们最主要的信息源

按图像的明暗程度和空间坐标的连续性划分：

图像可：数字图像，模拟图像

根据波段的多少，图像可分为：单波段图像，多波段图像，超波断图像

遥感数字图像（digital image）是指以数字形式表述的遥感影像。最基本的单位是像素，每个像素具有其空间位置特征和属性特征。

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列操作的过程。

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。

遥感数字图像处理的主要内容：

图像增强：着重强调特定的图像特征，在特征提取、图像分析和视觉信息的显示中很有用。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：也称图像复原、图像恢复。主要是对传感器或环境造成的退化图像进行模糊消除、噪声滤除、几何失真或非线性校正。

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，利用该规则从校正后的遥感数据中提取各种有用的地物信息。

遥感数字图像处理系统包括：硬件系统，软件系统，

第二章

遥感是遥感信息的获取、传输、处理以及分析判读和应用的过程。遥感的实施依赖于遥感系统。

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。

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。

传感器分辨率指标主要有：辐射分辨率，光谱分辨率，空间分辨率，时间分辨率

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。

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，光谱分辨率越高；波段数越多，光谱分辨率越高。

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称为时间分辨率。

数字化包括两个过程：采样和量化。

采样：将空间上连续的图像变换成离散点(即像素)的操作称为采样。采样间隔的大小，影响着图像表示地物的真实性。量化是将像素灰度值转换成整数灰度级的过程。

根据传感器选用的波长范围不同，遥感图像可以划分为下面两种类型：不相干图像，相干图像

元数据是关于图像数据特征的表述，是关于数据的数据。

普通遥感图像数据格式：BSQ格式，BIL格式，BIP格式

特殊遥感图像数据格式：陆地资源卫星L5的数据格式，HDF数据格式，TIFF图像格式，GeoTIFF图像格式

图像文件的大小=图像行数*图像列数*每个像素的字节数*波段数*辅助参数（辅助参数一般为1）

第三章

图像类别表示方法说明

二值图像 f (x,y)=0,1 文字、线图形、指纹等

灰度图像0≤f (x,y)≤2n-1 普通照片。量化位数n=6

,…,24,一般为8位

用彩色三原色表示

彩色图像﹛fi (x,y)﹜, i=R、G、

B

多光谱图像﹛fi (x,y)﹜, i=1,…,K 遥感图像，K为波段

立体图像fLfR 用于摄影测量和计算机

视觉分析等。L和R 分

别为左右图像

运动图像﹛fi (x,y)﹜, i=1,…,t 动态分析，视频制作。T

为时间

每个像素的取值为0或1的图像称为二值图像

单波段图像的统计特征：反映像素值平均信息的统计参数，反映像素值变化信息的统计参数

众数：图像中出现次数最多的灰度值,反映了图像中分布较广的地物反射能量。

方差：像素值与平均值差异的平方和，表示像素值的离散程度。

变差：像素最大值与最小值的差，即变差表示图像灰度值的变化程度，间接地反映了图像的信息量。

反差：反映图像的显示效果和可分辨性，有时又称为对比度。

用像素值的最大值/最小值、最大值-最小值、方差等来表示。反差小，地物之间的可分辨性小。

根据图像像素的灰度级范围,以适当的灰度间隔为单位划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像素数或该像素数占总像素数的比例值，做出的统计图即为灰度直方图。

直方图的性质：（1）直方图反映了图像灰度的分布规律。（2）任何一幅特定的图像都由唯一的直方图与之对应，但不同的图像可以有相同的直方图。（3）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。（4）由于遥感图像数据的随机性，在图像像素数足够多且地物类型差异不是非常悬殊的情况下，遥感图像数据与自然界的其他现象一样，服从或接近于正太分布

以横轴表示灰度级，以纵轴表示每一灰度级及其以下灰度级所具有的像素数或此像素数占总像素数的比值，做出的直方图即为累计直方图

多波段图像的统计特征：（1）多波段图像之间的统计特征不仅是图像分析的重要参数，而且也是图像合成方案的主要依据之一。（2）协方差和相关系数是两个基本的统计量，其值越高，表明两个波段图像之间的协变性越强。（3）利用图像之间或波段之间的相关性，可以实现图像的压缩处理等。

相关系数是描述波段图像间的相关程度的统计量，反映了两个波段图像所包含信息的重叠程度。

滤波是指改变信号中各个频率分量的相对大小、或者分离出来加以抑制，甚至全部滤除某些频率分量的过程。

纹理是由纹理基元按某种确定性的规律或只是按某种统计规律重复排列组成的。

####共生矩阵方法

第四章

颜色是外界光作用于人的视觉器官而产生的主观感觉，分为两大类：非彩色（消色）和彩色。

彩色是指除黑白系列以外的各种颜色。

彩色有3个基本性质：

明度：是人眼对光源或物体明亮程度的感觉。

色调：是色彩彼此相互区分的特性。

饱和度：是彩色纯洁的程度，也就是光谱中波长段是否窄，频率是否单一的表示。

亮度可以用一条灰度级色带表示，一端是纯黑色，另一端是纯白色，称为灰色梯尺

简答：常用的颜色空间模型

RGB(红/绿/蓝)模型：是由红、绿、蓝三原色混合得到的颜色集合所构成的颜色空间。3种颜色中的任意一组颜色均有256个等级的属性定义值。相加混色模型

CMYK(青/洋红/黄/黑)模型：以红、绿、蓝的补色青(Cyan)、品红(Magenta)、黄(Yellow)为原色构成的CMY颜色模型，常用于从白光中滤去某种颜色，又被称为减性原色系统。CMY颜色模型的原点为白

YIQ颜色模型：用于彩色电视广播。目标色调说明标准

HSI(色调/饱和度/强度)模型：色调H是描述纯色的颜色属性，饱和度S提供了白光冲淡纯色程度的量度。强度或亮度成分I在图像中与颜色信息无关。它是面向彩色图像处理的最常用的颜色模型。

彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟真彩色合成4种方法

伪彩色合成是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的方法，主要通过密度分割方法来实现。

密度分割方法是对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变为一幅彩色图像。

步骤：（1）求图像的极大值d max和极小值d min；（2）求图像的密度区间（3）求分割层的密度差Δd =ΔD／n，其中n 为需分割的层数(有时不是等分)；（4）求各层的密度区间；（5）定出各密度层灰度值或颜色。

如果彩色合成中选择的波段的波长与红绿蓝的波长相同或近似，那么得到的图像的颜色与真彩色近似，这种合成方式称为真彩色合成。

假彩色合成与伪彩色合成的不同之处在于，假彩色合成使用的数据是多波段图像

为什么模拟真彩色合成

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色图像。这时，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

拉伸是最基本的图像处理方法，主要用来改善图像显示的对比度。如果对比度比较低，那么就无法清楚地表现图像中地物之间的差异，因此，往往需要在显示的时候进行拉伸处理。

拉伸以波段为处理对象，它通过处理波段中单个像素值来实现增强的效果。在此过程中，图像直方图是选择拉伸具体方法的基本依据。

灰度拉伸分为线性拉伸和非线性拉伸两种方法

线性拉伸：全域线性拉伸，分段线性拉伸

非线性拉伸：指数变换、对数变换、平方根变换、高斯函数等

直方图均衡化的基本思想是对原始图像的像素灰度做某种映射变换，使变换后图像灰度的概率密度呈均匀分布，即变换后图像的灰度级均匀分布。

直方图均衡化

第四章（2）19篇

直方图均衡化的特点是：（1）各灰度级中像素出现的频率近似相等。2）原图像上像素出现频率小的灰度级被合并，实现压缩；像素出现频率高的灰度级被拉伸，突出了细节信息。

直方图规定化是为了使单波段图像的直方图变成规定形状的直方图而对图像进行转换的增强方法。

例子：第四章（2）26篇

第五章

为什么进行辐射校正？

利用传感器观测目标的反射或辐射能量时，传感器的测量值与目标的光谱反射率或光谱辐亮度等物理量是不一致的，这是因为测量值中包含了太阳位置和角度条件、薄雾等大气条件、或因为传感器的性能不完备等条件引起了失真

传感器所得到的目标测量值与目标的光谱反射率或光谱辐亮度等物理量之间的差值称为辐射误差

辐射误差产生的原因有两种：（1）传感器的响应特性。（2）外界（自然）环境：大气(雾和云)和太阳辐射等。

消除图像数据中依附在辐射亮度中的各种辐射误差的过程称为辐射量校正（radiometric calibration），简称辐射校正

遥感图像的几何误差可分为静态误差和动态误差两大类

几何精纠正又称为几何配准（registration）,是把不同传感器具有几何精度的图像、地图或数据集中的相同地物元素精确地彼此匹配、叠加在一起的过程

图像几何纠正的内容包括：系统几何纠正，投影变形纠正，几何精纠正

几何纠正基本原理：

回避成像的空间几何过程，直接利用地面控制点数据对遥感图像的几何畸变本身进行数学模拟，并且认为遥感图像的总体畸变可以看做是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果。因此，校正前后图像相应点的坐标关系可以用一个适当的数学模型来表示。

控制点（同名点），即图像上的一些已知点，这些点在原始图像和标准图像上的坐标已知。

地面控制点(GCP)是几何纠正中用来建立纠正方程的基础，是最关键的数据。

控制点数目的最小值按未知系数多少来确定。K阶多项式控制点的最少数目为(k+1)(k+2)/2

控制点因注意：控制点在工作范围内应均匀分布。如果图像扭曲变形明显，那么，更要强调这种分布的均匀性。

直接，间接成图法中常用间接成图法

重采样过程包括两步：像素位置变换，像素值变换

图像重采样方法：最近邻重采样，双线性内插重采样，三次卷积内插，双像素重采样法

最近邻法计算量最小，但处理后的图像的亮度具有不连续性，线性地物易产生锯齿状。双线性内插法的精度和计算量适中，并带有低通滤波的效果，细节信息丢失，边缘受到一定的平滑作用三次卷积法内插精度高且带有边缘增强的效果，缺点是运算量大

像素位置变换是按选定的纠正方程把原始图像中的各个像素变换到输出图像相应的位置上去，变换方法分直接成图法和间接成图法（或称正解法与反解法）。

内插计算像素值的过程称为数字图像的重采样

控制点的数目不如控制点的分布对纠正结果的影响大。只有在符合空间均匀分布要求的情况下，增加控制点的数目才可能提高纠正精度。

第六章

图像变换可以理解为为达到图像处理的某种目的而使用的数学方法，通过这种数学变换，图像处理起来较变换前更加方便和简单。

图像变换的目的1简化图像处理。2便于图像特征提取。3图像压缩。4从概念上增强对图像信息的理解。

图像变换方法：傅里叶变换，主成分变换，缨帽变换，代数运算，彩色变换

傅里叶变换指非周期函数的正弦和或余弦和乘以加权函数的积分表示。

傅里叶变换分为连续傅里叶变换和离散傅里叶，在数字图像处理中经常用到的是二维离散傅里叶变换。

卷积定理是频率域分析的基础。

图像的低频能量都集中在中心部分，高频能量分布在四周。

在图像中，像元的灰度值随位置变化的频繁程度可以用频率来表示，这是一种随位置变化的空间频率。对于边缘、线条、噪声等特征，高空间频率。均匀分布的地物或大面积的稳定结构，低的空间频率。

傅里叶变换的基本流程：正向FFT-定义滤波器-逆向FFT

(1)正向FFT：指定图像的一个波段，按照计算公式进行FFT，产生频率域图像。

(2)定义滤波器：以频率域图像为参照，定义滤波器。(3)逆向FFT：将定义的滤波器应用到频率域图像，并进行逆向FFT，得到空间域的图像，然后进行显示。

常用的5种滤波器：低通滤波器，高通滤波器，带通滤波器，带阻滤波器，自定义滤波器

代数运算：是根据地物本身在不同波段的灰度差异，通过不同波段之间简单的代数运算产生新的波段，达到突出感兴趣的地物信息、压抑不感兴趣的地物信息的图像增强方法。

主要用于对同一区域不同时段的图像求平均，这样可以减少图像的加性随机噪声，或者获取特定时段的平均统计特征。进行加法运算的图像的成像日期不应相差太大。

主成份变换：K-L 缨帽变换：K-T

K-T变换前3个分量的实际物理意义如下：

（1）亮度：反映了总体的反射值。

（2）绿度：反映了绿色生物量的特征。

（3）第三分量：土壤湿度。

####代数运算

彩色变换含义：

彩色变换的一般工作流程：选择波段进行RGB合成显示-进行彩色变换-进行其他图像处理-进行彩色逆变换-RGB合成显示。

第七章图像滤波

图像滤波可以从图像中提取空间尺度信息，突出图像的空间信息，压抑其他无关的信息，或者去除图像的某些信息，恢复其他的信息。

图像滤波可分为空间域滤波和频率域滤波两种方法

空间域滤波以重点突出图像上的某些特征为目的，通过像元与周围相邻像元的关系，采取空间域中的邻域处理方法进行图像增强方法。

边缘、线条、噪声等特征-——高空间频率。

均匀分布的地物或大面积的稳定结构——低的空间频率。

保留图像的低频部分抑制高频部分的处理称为低通滤波，起到平滑的作用。

保留图像的高频部分抑制低频部分的处理称为高通滤波，起到锐化的作用。

噪声是各种影响人的视觉器官对图像信息理解或分析的因素。

分类：按其产生的原因：外部噪声和内部噪声。

从统计理论观点可分为：平稳噪声和非平稳噪声。

从噪声幅度分布形态可分为：高斯噪声和瑞利噪声。

按产生过程进行分类：量化噪声和椒盐噪声。

均值滤波对高斯噪声比较有效。

中值滤波对椒盐噪声非常有效的。

高斯滤波器对于高斯噪声的去除非常好

梯度倒数加权法平滑的产生起源于这样的考虑：

（1）在一帧离散的图像中,相邻区域的变化大于区域内部的变化,在同一区域中中间像素的变化小于边沿像素的变化。（2）梯度值正比于邻域像素灰度级差值,即在图像变化缓慢区域,梯度值小,反之则大。

（3）现在取梯度倒数,该倒数之大小正好与梯度相反,以梯度倒数作权重因子,则区域内部的邻点权重就大于边沿近旁或区域外的邻点。也就是说,这种平滑其贡献主要来自于区域内部的象素,平滑后图像边沿和细节不会受到明显损害。

选择式掩模平滑旨在追求即完成滤波操作，又不破坏区域边界的细节。

图像锐化为了突出图像中的地物边缘、轮廓或线状目标，可以采用锐化的方法。锐化提高了边缘与周围像素之间的反差，因此也称为边缘增强。

窗口的大小影响着锐化的结果。窗口越大，越突出主要地物边缘。

同态滤波（homomorphic filter）是减少低频增加高频，从而减少光照变化并锐化边缘或细节的图像滤波方法。

同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。

第8章图像分割

图像分割是指把图像分成各具特性的区域并提取出感兴趣的目标的技术与过程。

图像分割的原则：1.分割算法基于灰度值的两个基本特性：不连续性和相似性。2.不连续性---依据像素灰度值的不连续性进行分割。3.相似性---依据同一区域内部像素的灰度值具有相似性进行分割。

图像分割的主要方法：1.基于边缘的分割法 2.区域分割 3.区域生长4.分裂-合并分割

工作流程(1)确定待分割的对象(2)选择对分割对象敏感的波段(3)选择分割方法进行分割(4)将分割后的结果图像转为矢量

图

灰度阈值法的基本思想：

1.首先确定一个合适的阈值T （阈值选定的好坏是此方法成败的关键）。

2.所有灰度值大于或等于这个阈值的像素都被判属于目标，所有灰度值小于该阈值的像素都被排除在目标之外（背景）。

根据分割对象与背景之间的差异，产生不同的确定阈值的方法：全局阈值法，自适应阈值法，最佳阈值的选择

分水岭算法

图像最初在一个低灰度值上阈值化。该灰度值把图像分割成正确数目的目标，但它们的边界偏向目标内部。随后，阈值逐渐增加，每一次增加一个灰度级，目标的边界将随阈值的增加而扩展，直到边界相互接触。这些初次接触的点构成了相邻目标间的最终边界。该过程在阈值达到背景的灰度级之前中止。

梯度方法

图像中，灰度变化较大的区域梯度值较大，变化缓慢的区域梯度值较小，在灰度均匀的区域梯度值为零。

腐蚀是消除目标所有边界点的一种过程，其结果是目标沿其周边比原物体小一个像素的面积。

膨胀是将与目标接触的所有背景点合并到该目标中的过程。该过程的结果是使目标的面积增大了相应数量的点。膨胀对于填补分割后目标的空洞很有用

收缩是将区域缩小为单一像素的过程

细化是指减小物体的截面宽度。可将一个曲线形目标细化为一条单像素宽的线，从而圆形化地显示出其拓扑性质。

抽骨架也称为中轴变换或焚烧草地技术，是一种用来确定物体骨架的细化技术。是所有与目标在两个或更多非邻接边界点处相切的圆心的轨迹。

细化和抽骨架过程会在所生成的图中留下毛刺。可通过一系列的消除端点的3×3运算除去，然后再重建那些留下的分支，这个过程就叫剪枝。

粗化：一些分割技术通常孤立目标的最佳边界太紧贴而不利于后续测量。粗化可在不合并彼此分离的目标的前提下扩大边界，从而修正了这种不足。