多光谱变换
遥感导论。简答
1. 遥感系统包括：被测目标的信息特征、信息获取、信息的传输与记录、信息的处理和信息的应用。
2. 遥感的特点：①大面积的同步观测；②时效性；③数据的综合性和可比性；④经济性，投入少、收益高；⑤局限性，遥感所利用的电磁波有限。
3. 电磁波的性质：①横波；②在真空中以光速传播；③满足f*入=c, E=h*f。
E为能量，单位J; h为普朗克常数，h=6.626X 10 (-34) J/s；f为频率；入为波长；c为光速，c=3X 10(8) m/s。
④电磁波具有波粒二象性，即具有波动性和粒子性。
5. 朝霞和夕阳呈现橘红色的原因：日出和日落时，太阳高度角小，阳光斜射地面，通过的大气层比阳光直射时要厚得多，在过长的传播中，波长最短的蓝光几乎被散射掉，波长次短的绿光也大部分被散射掉，只剩下波长最长的红光，散射最弱，透过大气最多，加上剩余的极少量绿光，最后合成呈现橘红色。
6. 云层呈白色的原因：云、雾粒子中水滴的直径比波长大得多，对可见光中各个波长的光散射强度相同，所以人们看到云雾呈白色。
7. 大气散射的三种类型：①瑞利散射，是当大气中粒子的直径比波长小得多时发生的散射，特点是散射强度与波长的四次方成反比，即波长越长，散射越弱。
瑞利散射对红外辐射影响较小，对可见光影响很大。
②米氏散射，是当大气中粒子的直径与辐射的波长相当时发生的散射，由大气中的微粒，如烟、尘埃、小水滴及气溶胶等引起。
特点是散射强度与波长的二次方成反比，散射在光线向前方向比向后方向更强，方向性比较明显。
③无选择性散射，当大气中粒子的直径比波长大得多时发生的散射，特点是散射强度与波长无关，即在符合无选择性散射条件下的波段中，任何波长的散射强度相同。
8. 微波为什么具有穿云透雾的能力：微波波长比粒子的直径大得多，属于瑞利散射的类型，散射强度与波长四次方成反比，波长越长散射强度越小，所以微波透射能力强，因而称其具有穿云透雾的能力。
9. 电磁波穿过大气层时，会发生吸收、散射和折射等现象。
第五章 遥感图像处理—图像增强
特征；其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
其中：
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
（1）指数变换
xb be
（2）对数变换
axa
c
xb b度进行分层，每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行：
（1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中 n为需分割的层数；
（4）求各层的密度区间；
（5）定出各密度层灰度值或颜色。
减法运算可以增加不同地物间光谱反射率以及在 两个波段上变化趋势相反时的反差。不同时相同 一波段图像相减时，可以提取波段间的变化信息。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 段图像相加可以得到近似全色图像；而绿色波 段，红色波段和红外波段图像相加可以得到全 色红外图像。
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
三讲遥感图像处理3
原始图像
复合后图像 27
28
多源信息复合
1、遥感信息复合 2）不同时相的遥感数据复合
步骤 （1）配准 （2）直方图调整 （3）复合
29
多源信息复合
2、遥感与非遥感信息复合
步骤： 1、地理数据的网格化 （1） 网格数据生成 （2） 与遥感数据配准
1、n维多光谱空间
像元矢量
11多光谱变换1、n维多光谱间12多光谱变换
1、n维多光谱空间 每个像元点在多光谱空间中的位置都可以表示为一个N维向量X
x1
x2
X
xi
x1, x2 , xi , xn T
xn
13
多光谱变换
2、K-L变换[离散（Karhunen-Loeve）变换]
主 成 分 变 换 （ PCA, Principal Component Analysis）
数字图像增强
4 图像运算 5 多光谱变换
1
图像运算
两幅或多幅单波段图像，空间配准后可进行算术运算， 实现图像的增强。
1、差值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相减。差值图像提供了不同波段或不同时相图 像间的差异信息。
2、比值运算：两幅同样行、列数的图像，对应像元的亮 度（灰度）值相除（除数不为0）。比值图像，像元的亮度反 映了两个波段光谱比值的差异，常用来检测植被，消除“同 物异谱”现象。
2、最优遥感数据的选取：可选PCA变换后的前 两个波段。 3、复合
30
地层（R），化探（G）和重力（B）数据合成影像 31
遥感与地层，重力，化探融合影像
32
主要成矿地层影像
2021摄影测量与遥感技术-摄影测量与遥感技术(精选试题)
摄影测量与遥感技术-摄影测量与遥感技术1、航摄像片的内方位元素包括（）。
A.航摄像机主距和像主点的像平面坐标值B.航摄像机主距和摄影姿态参数C.像主点的像平面坐标值和摄影中心位置D.航摄像机主距和摄影中心位置2、一张航摄像片有（）个外方位元素。
A.2B.3C.4D.63、在兼顾设计精度和设计工作量的同时，保证设计用图比例尺和航摄比例尺的倍率在（）之间。
A.2-5倍B.3-6倍C.1-3倍D.4-7倍4、航摄像片上一段距离与地面相对应距离之比为（）。
A.成图比例尺B.地形图比例尺C.摄影比例尺D.制图比例尺5、若需测绘1：5000的地形图，则航摄比例尺为（）A.1：7000～1：14000B.1：10000～1：20000C.1：20000～1：40000D.1：25000～1：600006、同一条航线上，相邻像片之间的影像重叠称为（）重叠。
A.垂直B.旁向C.水平D.航向7、相邻航线像片之间的影像重叠称为（）重叠。
A.垂直B.旁向C.水平D.航向8、常用光学航摄像片为（）投影A.平行B.正射C.中心D.斜9、摄影中心与像片平面的垂线的交点为（）。
A.像主点B.像底点C.地底点D.主合点10、航摄仪有效使用面积内镜头分辨率的要求（）。
A.每毫米内不少于20线对B.每毫米内不少于25线对C.每毫米内不少于30线对D.每毫米内不少于40线对11、高程注记点依据地形类别及地物点和地形点的多少，其密度大约控制在图上每100cm2内（）个。
A.10~30B.20~40C.5~10D.5～2012、立体像对相对定向元素有（）个。
A.3B.4C.5D.613、立体像对绝对定向元素有（）个。
A.4B.5C.6D.714、同名投影点在x方向的偏差为（）A.上下视差B.左右视差C.像点位移D.投影差15、是否完成相对定向可检查同名光线投影在承影面上是否还存在（）。
A.上下视差B.左右视差C.像点位移D.投影差16、航片上的投影差是由（）引起的像点位移A.地形起伏B.像片倾斜C.摄影姿态D.地球曲率17、在进行绝对定向时需要（）个控制点。
遥感影像多光谱变换
23假彩色图像和真彩色图像，将三份影像进行对比分析3.缨帽变换，提取亮度，绿度，湿度信息：a.点击Toolbox – Band Ratio - Band Mathb.在Band Math窗口中，在Enter an expression下输入公式，点击Add to List将公式加载与对话框下，点击OKc.对B1 B2 B3 B4 B5 B6分别赋值LC820161028HENGSHUI512影像的的红，绿，蓝，近红外(NIR)，短波红外1（SWIR1），短波红外2(SWIR2)d.计算亮度，绿度，湿度信息，重复以上步骤，公式为求亮度公式：0.3029*b1+0.2786*b2+0.4733*b3+0.5599*b4+0.508*b5+0.1872*b6求绿度公式：-0.2941*b1-0.243*b2-0.5424*3+0.7276*b4+0.0713*b5-0.1608*6求湿度公式：0.1511*b2+0.1973*b2+0.3283*b3+0.3407*b4-0.7117*b5-0.4559*b6其他选项相同，将文件分别存入缓存Memory中，文件分别为Memory1，Memory2，Memory3。
并且在窗口中联动展示，并对比分析。
e.点击Raster Management – IDL – Layer Stacking，出现Layer Stacking Parameters窗口中点击Import File，输入Memory1，2，3。
选择路径输出文件名为K_T，点击OK。
4.色彩变换：a.同样应用Band Math工具，首先进行归一化处理，打开Band Math输入公式float(b1)/(float(b1)+b2+b3)，其中B1 B2 B3分别赋予蓝、绿、红时，计算得到蓝光波段的归一化结果；分别赋予绿、蓝、红时，得到绿光波段的归一化结果；分别赋予红、绿、蓝时得到红光波段的归一化结果。
第四章 遥感图像处理—数字图像增强
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、比值运算 两幅同样行、列数的图像，对应像元的亮度值相除 (除数不为0)就是比值运算，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
遥感(RS)考研总结
遥感科学导论一、名词解释1.遥感广义：泛指一切无接触的远距离探测，从远处探测感知物体，通过探测仪器接收来自目标地物的电磁波信息，经过对信息的处理，判别出目标地物的属性。
2. 遥感技术以摄影方式或非摄影方式获得被探测目标的图像或数据的技术。
3.电磁波变化的电场和磁场交替产生，以有限的速度由近及远在空间传播的过程就是电磁波。
4.电磁波普按电磁波在真空中传播的波长或频率递增或者递减顺序的排列。
5.绝对黑体对于任何波长的电磁波辐射都全部吸收的物体。
6.辐射温度如果实际物体的总辐射出射度（包括全部波长）与某一温度绝对黑体的总辐射出射度相等，则黑体的温度称为该物体的辐射温度。
7.太阳常数不受大气影响，在距太阳一个天文单位内，垂直于太阳辐射方向，单位面积单位时间黑体所接受的太阳辐射能量。
8.大气窗口电磁波通过大气层时较少被反射，吸收和散射的，透射率较高的波段称为大气窗口9.发射率是实际物体与同温度的黑体在相同条件下辐射功率之比。
10.光谱反射率是物体的反射辐射通量与入射辐射通量之比，ρ=Eρ/E，这个反射率是在理想的漫反射的情况下，整个电磁波长的反射率。
11.光谱反射特性曲线反射波谱是某物体的反射率（或反射辐射能）随波长变化的规律，以波长为横坐标，反射率为纵坐标所得的曲线即称为该物体的反射波谱特性曲线。
卫星轨道参数 :用来描述在空间中的卫星轨道的具体形状位置，并可以用这些常数递推出卫星在过去或将来的位置。
最常用的是开普勒轨道常数，即升交点赤经Ω、近地点幅角ω、轨道倾角i、卫星轨道的长半轴a、卫星轨道的偏心率e、近地点角距w。
12.升交点赤经含地轴和春分点的子午面与含地轴和升交点的子午面之间的交角。
13.卫星姿态角定义卫星质心为坐标原点，沿轨道前进的切线方向为X轴，垂直轨道面的方向为Y轴，垂直XY平面为Z轴，则可以定义姿态角的三种：绕X轴旋转的姿态角————滚动，绕Y轴旋转的姿态角--------俯仰，绕Z轴旋转的姿态角--------航偏14.地物波谱地物的电磁波响应特性随电磁波长改变而变化的规律，称为地表物体波谱，简称地物波谱。
遥感图像解译的常见方法和技巧
遥感图像解译的常见方法和技巧遥感图像解译是指通过对遥感图像进行分析和解读，获取地物和环境信息的过程。
在当今社会中，遥感技术在农业、城市规划、环境监测以及资源调查等领域中发挥着重要作用。
然而，由于图像复杂性和解译难度的增加，如何有效地进行遥感图像解译成为了一个亟待解决的问题。
本文将介绍遥感图像解译的常见方法和技巧，希望能给读者在实际应用中带来一些启发。
一、多光谱图像解译多光谱图像是指通过多波段的遥感数据获取的图像，其中每个波段对应一种特定的光谱信息。
多光谱图像解译是最常用的遥感图像解译方法之一。
它基于光谱特征来识别和分析地物，通过比较不同波段的反射率和亮度值，可以获得不同地物的光谱特征，并进行分类判别。
在多光谱图像解译中，常用的技巧包括：光谱特征提取、光谱段的组合以及光谱变换。
光谱特征提取是指从多光谱图像中提取能够反映地物特征的光谱信息，例如反射率、亮度值等。
通过提取不同波段的光谱特征，可以实现对地物的分类和判别。
光谱段的组合是指将不同波段的光谱信息进行组合，以突出地物的特征。
例如，在植被遥感图像中，将近红外波段和红光波段进行组合，可以更好地区分植被和非植被地区。
光谱变换是指通过对光谱数据进行数学变换，以改变光谱分布和强度，从而获得更明显的地物信息。
常用的光谱变换方法包括主成分分析和单波段反射率之间的比率。
二、纹理特征分析除了光谱特征，纹理特征也是进行遥感图像解译的重要指标之一。
纹理特征通过对图像像素间的空间关系分析，反映了地物的空间分布和结构特征。
在遥感图像解译中，纹理特征分析可以用于识别和判别不同地物的纹理特征，提高分类的准确性。
在纹理特征分析中，常用的方法包括：灰度共生矩阵（GLCM）、纹理特征值和基于波谱变换的纹理分析。
灰度共生矩阵是一种常用的纹理特征计算方法，它通过计算像素间的灰度级对出现的频率来描述图像的纹理特征。
纹理特征值是一种通过计算图像像素间的像素差异和空间关系来描述地物纹理特征的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3-红
TM
1-蓝
4-近红外
Correlation Band 1 Band 2 Band 3 Band 4 Band 1 1.0000 0.9568 0.9380 0.0130
2-绿 Band 2 0.9568 1.0000 0.9793 0.1187
Band 3 0.9380 0.9793 1.0000 0.0803 Band 4 0.0130 0.1187 0.0803 1.0000 Band 5 0.8070 0.8486 0.8807 0.0925 Band 6 0.8454 0.8691 0.8995 -0.0703
Inv
1
4
PC
2
5
3
6
真彩色：TM321 假彩色
TM432
TM741
TM PC123
缨帽变换
缨帽变换
• 缨帽变换是Kauth和Thomas通过分析陆地卫星 MSS图像反映农作物和植被生长过程的多时相 数据，提出的一种经验性的、固定核的多波段 图像的线性组合变换 ，又称K-T变换
缨帽变换要点
y1 11,12,,1n x1
y2
21,22
,,2n
x2
ym
m1
,
m2
,
,mn
xn
多光谱变换
• 主要方法
– 主成分变换，Principal Components Transformation
– 缨帽变换 ,Tasseled Cap Transformation
主成分变换
• 即主成分分析(PCA)、卡夫林－列夫变换(KL变换) ， 是根据各波段之间的协方差或相关系数构建的一种 正交线性变换方法
• 变换的目的就是把原来多波段图像中的有用信息集 中到数目尽可能少的新的主成分图像中，并使这些 主成分图像之间互不相关，也就是说各个主成分包 含的信息内容是不重叠的，从而大大减少总的数据 量并使图像信息得到增加
• K-T变换可表示为
uRxc
• 其中x为图像象元矢量，R为变换矩阵，c为避免u中 出现负值而定义的常向量。不同传感器的数据，R不 同
TM数据
0.30370.27930.47430.55850.50820.1863
0.28480.24350.54360.72430.08400.180 0
R 00..1852049200..1098743900..4332972300..3045086000..27011122 00..247567 83
主成分变换的性质和特点
• K-L变换是一种线性变换，而且是当取Y的前p （p<m）个主成分经反变换而恢复的图像X′和原图 像X在均方误差最小意义上的最佳正交变换。它具 有以下性质和特点
– （1）由于是正交线性变换，所以变换前后的方差总和不 变，变换只是把原来的方差（方差大说明信息量大）不 等量的再分配到新的主成分图像中
加法运算
• 指两幅或多幅同样大小的图像对应象元的灰 度值相加
F(x,y)af1(x,y)f2(x,y) fn(x,y)
通a常 1 n
• 可用于削弱图像的加性噪声
差值运算
• 指两幅同样大小的图像对应象元的灰度 值相减
F ( x ,y ) f 1 ( x ,y ) f 2 ( x ,y ) b
若以各特征方量为列构成矩阵，即
U矩阵满足：UTU=UUT=I（单位矩阵），则U矩阵是正交 矩阵。 U矩阵的转置矩阵即为所求的K-L变换的变换矩阵T。
T=
主成分变换则：
y1 11,12,,1m x1
即
y2
21,22
,,2m
x2
TM5/TM7抑制地形阴影
可以消除或减弱地形阴 影、云影影响和植被干 扰以及显示隐伏构造等
植被指数
• 植被指数(VI, Vegetation Indices)是基
于植被在红光波段(R)的强吸收和近红外波段 (IR)的强反射，通过这两个波段影像的比值或 线性组合来表达植被信息（如叶面指数、植被 覆盖度、生物量等）的参考量 – 差值植被指数 DVIRR – 比值植被指数 RVI IRR – 归一化差值植被指数 ND (IVR R I)(IR R ) – 绿度植被指数：KT变换中的绿度
TM432
差值植被指数 DVI
TM432
比值植被指数 RVI
TM432
归一化差值植被指数 NDVI
植被指数
常用传感器的红外和红光波段
传感器 红外波段 红光波段
TM
4
3
MSS
7(4)
5(2)
QuickBird
4
3
多光谱变换
多光谱变换
• 多光谱遥感影像，特别是陆地卫星的 TM等传感器，波段多，信息量大
多光谱变换
图像运算
图像运算
• 图像运算是指对两幅或两幅以上的输入图像
的对应像元逐个地进行和、差、积、商的四 则运算，以产生有增强效果的图像
• 图像运算是一种比较简单和有效的增强 处理，是遥感图像将增强处理中常用的 一种方法
• 进行代数运算处理的遥感图像必须进行 大气辐射校正、噪音抑制、几何配准等 预处理
• 用于动态监测、运动目标检测和跟踪及目标 识别等
差值运算
• 应用
– 增强在两个不同波段间亮度差异大的目标 – 检测同一区域内目标的运动变化
TM4－TM3
TM41999.9－TM42001.9
比值运算
• 两个波段对应像元的灰度值之比或几个波段 组合的对应像元灰度值之比
– 简单比值运算
F (x ,y ) f2 (x ,y )f1 (x ,y )
3-红
多光谱变换
• 多光谱变换方法可通过函数变换， 达到保留主要信息、降低数据量， 增强有用信息的目的
• 变换的本质是对遥感图像实行线性 变换，使多光谱空间的坐标系按一 定规律进行旋转
多光谱空间
• 多光谱空间就是一个n维坐标系，每一个坐标轴代 表一个波段，坐标值为亮度值，坐标系内的每一个 点代表一个像元
主成分变换
矩阵
其中，m和n分别为波段数（或称变量数）和每幅图像中 的像元数；矩阵中每一行矢量表示一个波段的图像 对于线性变换Y=TX，如果变换矩阵T是正交矩阵，并且 它是由原始图像数据矩阵X的协方差矩阵S的特征向量所 组成，则称此变换为主成分变换
主成分变换的具体过程
1. 根据原始图像数据矩阵X，求出它的协方差矩阵S。
• 像元点在坐标系中的位置可以表示成一个n维向量, 其中每个分量xi表示该点在第i个坐标轴上的投影， 即亮度值
x1
X
x2
x1, x2 ,, xn T
xn
多光谱变换
• 通过线性变换，以获得新的波段数据，实现在降低 数据冗余、压缩数据量的同时保留主要信息、增强 有用信息的目的
• 本质是对多光谱遥感图像实行线性变换，使多光谱 空间的坐标系按一定规律进行旋转
– 组合比值运算
F(x,y)F1(x,y) F2(x,y)
ba00[[gf00((xx,,yy))]] ba11[[gf11((xx,,yy))]] bann[[gfnn((xx,,yy))]]
比值运算
• 应用
– 可以扩大不同地物的光谱差异，区分在单波段 中容易发生混淆的地物
– 可以消除或减弱地形阴影、云影影响和植被干 扰以及显示隐伏构造等
ym
m1
,
m
2
,,mm
xm
式中Y矩阵的行向量
为第j主成分 。
经过K-L变换后，得到一组（m个）新的变量（即Y 的各个行向量），它们依次被称为第一主成分、第 二主成分、…第m主成分。这时若将Y矩阵的各行 恢复为二维图像时，即可以得到m个主成分图像。
主成分变换的应用
• 数据压缩
– 以TM影像为例，共有7个波段处理起来数据量很 大。进行K－L变换后，第一，或前二或前三个主 分量已包含了绝大多数的地物信息，足够分析使 用，同时数据量却大大地减少了。应用中常常只 取前三个主分量作假彩色合成，实现数据压缩， 也可作为分类前的特征选择。
• 数据量太大，在图像处理计算时，也常 常耗费大量的机时、占据大量的磁盘空 间。
• 实际上，一些波段的遥感数据之间都有 不同程度的相关性，存在着数据冗余。
TM
1-蓝
2-绿
Correlation Band 1 Band 2 Band 3 Band 1 1.0000 0.9568 0.9380 Band 2 0.9568 1.0000 0.9793 Band 3 0.9380 0.9793 1.0000 Band 4 0.0130 0.1187 0.0803 Band 5 0.8070 0.8486 0.8807 Band 6 0.8454 0.8691 0.8995
0.28480.24350.5436 0.7243 0.0840 0.1800
0.1509 0.1973 0.3273 0.3406 0.71120.4573
R
0.82420.08490.43920.05800.2012 0.2768
0.32800.05490.1075 0.18550.4357 0.8085
0.32800.05490.10750.18550.43570.8085
0.10840.90220.41200.05730.02510.0238
缨帽变换的物理意义
• MSS数据为4波段数据
x[x1 x2 x3 x4]T
uR xc
• 变换后，
u[u1 u2 u3 u4]T
• u1为“亮度(Brightness)”特征，反映地物总体辐射强度，土 壤亮度；
S是一个实对称矩阵
Xi
xi
1 n
n k1
xik
（即为第i个波段的均值）
主成分变换的具体过程