遥感制图第四章 遥感影像图的增强、复原与融合
合集下载
遥感数字图像处理-第四章_遥感数字图像增强处理课件
学习交流PPT
9
二、辐射增强
点运算用数学公式表示为：
s T r
r--原始图像f(x,y)的灰度级 s--增强图像g(x,y)的灰度级
T--灰度映射函数
❖ 只作用在单个像素上，输出g(x,y)只与位置 (x,y)处的输入f(x,y)有关。“点到点的处理”
❖ 点运算完全由T决定。根据T的形式，可分为 线性点运算和非线性点运算。
学习交流PPT
3
图像增强不是以图像保真度为原则，而是通过 处理设法有选择地突出便于人或机器分析某些 感兴趣的信息，抑制一些无用的信息，以提高 图像的使用价值，即图像增强处理只是增强了 对某些信息的辨别能力。
学习交流PPT
4
❖增强的实质
增强感兴趣地物与周围地物之间的反差。
学习交流PPT
5
➢图像增强的分类
• 若a2-a1<b2-b1，则影像被拉伸，亮度范围扩大，;
• 若a2-a1>b2-b1，影像被压缩，亮度范围缩小，;
• 对于a2与a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗 处，均可根据对影像显示效果的需要而人为地设定。
学习交流PPT
26
在曝光不足或过度的情况下，图像灰度可能会局限在一个很 小的范围内，这时在显示器上看到的将是一个模糊不清、似乎没 有灰度层次的图像，此时可利用灰度变换对图像每一个像素灰度 作拉伸，可以有效地改善图像视觉效果。
学习交流PPT
24
设图像变换前原图像的灰度范围为的亮度值为： xaa1,a2
设图像变换后的亮度值为： xbb1,b2
则 xb b1 xa aa b2 b1 a2 a1
xb
b2 a2
b1 a1
(xa
a1)b1
第四章3遥感图像处理图像增强
5.遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
② 就变换后的新波段主分量而言，K—L变换后的 新波段主分量包括的信息量不同，呈逐渐减少趋 势。其中，第一主分量集中了最大的信息量，常 常占80％以上，第二、第三主分量的信息量依次 快速递减，到第n分量信息几乎为0。由于K—L变 换对不相关的噪声没有影响，所以信息减少时， 便突出了噪声，最后的分量几乎全是噪声。所以 这种变换又可分离出噪声。
基于上述特点，在遥感数据处理时，常常用K— L变换作数据分析前的预处理（数据压缩和图像增
强）。举例P125
6.遥感图像多光谱变换(Ⅱ)——缨帽变换(K—T变换)
(1)K—T变换是Kauth—Thomas变换的简称，这种变换也是 一种线性组合变换，其变换公式为：Y=BX 这里X为变换前的多光谱空间的像元矢量，y为变换后的 新坐标空间的像元矢量，B为变换矩阵。这也是一种坐标 空间发生旋转的线性变换，但旋转后的坐标轴不是指向主 成分方向，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K—T变换时的B值： P126 在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分 辨率的热红外(第6波段)波段不予考虑。
1.遥感图像增强(工)——对比度变化1
非线性变换
直方图均衡化(histogram equalization):把原图像的直方 图变换为灰度值频率固定的直方图，使变换后的亮度级 分布均匀，图像中等亮度区的对比度得到扩展，相应原 图像中两端亮度区的对比度相对压缩。
1.遥感图像增强(工)——对比度变化1
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果放在窗口中心的像元位置，成为新像元的灰度 值。然后活动窗口向右移动一个像元，再做同样的运算。 P117说明
遥感入门图像融合ppt课件
遥感图像的融合处理
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的关键技术之一是彩色变换， 下面首先简单介绍彩色变换。
• 彩色变换又称为彩色编码，所谓彩色变换即为两 种彩色模型编码系统之间的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的关键技术之一是彩色变换， 下面首先简单介绍彩色变换。
• 彩色变换又称为彩色编码，所谓彩色变换即为两 种彩色模型编码系统之间的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
遥感图像及其增强课件
36
图像增强: 点运算增强
• 灰度级变换的应用( 2)
– 局部提高、局部降低对比度
– 大于45度提高；小于45度降低
255
255
216
线性
142
非线性
23
0
48
0 196 255
128
255 37
图像增强: 点运算增强
• 灰度级变换的应用( 3)
– 灰度级切片(密度分割，彩色编码(伪彩 色))
255
7
图像及其直方图示例
8
直方图定义(2)
一个灰度级别在范围[0 ，L-1]的 数字图像的直方图是一个离散函数
• p(rk)= nk
• 由于rk 的增量是1，直方数可表示为： • p(k)= nk
• 即，图像中不同灰度级像素出现的次数
9
• 两种图像直方图定义的比较
• p(rk)= nk/n (第一种定义) • p(rk)= nk (第二种定义)
255
255
216
142
23
0
0
32
图像增强: 点运算增强
• 获取变换函数的方法( 2)
– 交互样点插值
• 用过点的三次样条插值曲线，获得变换函数
Photoshop软件调整图 像
33
图像增强: 点运算增强
• 灰度级变换的应用(1)
– 亮度调整——加亮、减暗图像
255
255
218
加 亮
32
128
128
排列 2 、BIL (Band Interleaved by line)格式 按波段顺序相间的排列各行像元数据。 3 、BIP (Band Interleaved by Pixel)格式 按波段顺序相间的排列各列像元数据
图像增强: 点运算增强
• 灰度级变换的应用( 2)
– 局部提高、局部降低对比度
– 大于45度提高；小于45度降低
255
255
216
线性
142
非线性
23
0
48
0 196 255
128
255 37
图像增强: 点运算增强
• 灰度级变换的应用( 3)
– 灰度级切片(密度分割，彩色编码(伪彩 色))
255
7
图像及其直方图示例
8
直方图定义(2)
一个灰度级别在范围[0 ，L-1]的 数字图像的直方图是一个离散函数
• p(rk)= nk
• 由于rk 的增量是1，直方数可表示为： • p(k)= nk
• 即，图像中不同灰度级像素出现的次数
9
• 两种图像直方图定义的比较
• p(rk)= nk/n (第一种定义) • p(rk)= nk (第二种定义)
255
255
216
142
23
0
0
32
图像增强: 点运算增强
• 获取变换函数的方法( 2)
– 交互样点插值
• 用过点的三次样条插值曲线，获得变换函数
Photoshop软件调整图 像
33
图像增强: 点运算增强
• 灰度级变换的应用(1)
– 亮度调整——加亮、减暗图像
255
255
218
加 亮
32
128
128
排列 2 、BIL (Band Interleaved by line)格式 按波段顺序相间的排列各行像元数据。 3 、BIP (Band Interleaved by Pixel)格式 按波段顺序相间的排列各列像元数据
如何使用测绘技术进行遥感影像融合和图像增强
如何使用测绘技术进行遥感影像融合和图像增强遥感影像融合和图像增强是测绘技术中的重要环节，它们在地理信息系统、农业、环境保护等领域起到了关键作用。
本文将介绍如何使用测绘技术进行遥感影像融合和图像增强。
一、遥感影像融合遥感影像融合是将多幅不同波段、分辨率或传感器获取的遥感影像融合在一起，从而提供更全面、准确的信息。
这样做的好处是可以充分利用各种遥感影像的优势，得到更多的图像信息。
首先，进行遥感影像融合需要进行预处理。
这包括对影像进行几何校正、辐射校正等。
通过这些处理，可以使不同影像间的坐标一致，波段响应一致，为融合做好准备。
其次，选择合适的融合算法进行影像融合。
常用的融合算法有基于像素的方法、基于变换的方法等。
基于像素的方法是将不同分辨率的像素进行线性或非线性组合，得到融合后的像素值。
而基于变换的方法则是利用变换技术将不同波段的影像转换到同一空间，再进行融合。
最后，对融合结果进行评价和分析。
评价融合结果的指标有很多，如空间分辨率、光谱信息保持性等。
通过评价可以判断融合结果是否达到预期效果，进一步改进和优化影像融合方法。
二、图像增强图像增强是指通过一系列的算法和方法，改善遥感影像的视觉效果和信息提取能力。
图像增强可以提高影像的对比度、清晰度等，从而更好地展现地物特征。
常用的图像增强方法有直方图均衡化、滤波器增强等。
直方图均衡化通过调整像素的灰度级，使图像的直方图分布更均匀。
这样可以提高图像的对比度，使地物边缘更加清晰。
滤波器增强是通过应用特定的滤波器来增强图片的某些特定频率成分，从而改善图像的细节和质量。
除了常用的增强方法，还有一些基于人工智能的图像增强算法也在被广泛研究和应用。
例如，基于深度学习的图像增强算法可以通过学习大量的图像样本，自适应地调整图像的亮度、对比度等参数，获得更好的增强效果。
总结起来，遥感影像融合和图像增强是测绘技术中不可或缺的环节。
通过合理选择融合算法和增强方法，可以提高遥感影像的信息提取能力和显示效果，为各行各业的应用提供更准确、全面的数据支持。
遥感制图第四章遥感影像图的增强、复原与融合
色彩空间变换
将图像从一种色彩空间转换到另一种 色彩空间，以便更好地利用色彩信息 进行增强。
空间分辨率增强
超分辨率重建
利用多幅低分辨率图像，通过算法重建出高分辨率图像，提高图 像的细节表现能力。
锐化滤波器
通过设计特定的滤波器，对图像进行卷积运算，突出图像中的边缘 和细节信息。
多尺度分析
将图像在不同尺度上进行分解，提取不同尺度的特征信息，再将这 些信息融合，实现空间分辨率的增强。
拉伸，以增强局部对比度。
对比度受限的自适应直方图均衡化
03
在自适应直方图均衡化的基础上，限制过度的对比度增强，以
避免噪声和细节的丢失。
色彩增强
色彩映射
色彩饱和度和亮度调整
通过改变图像中像素的颜色值，使其 更符合人类的视觉感知，提高图像的 可视化效果。
通过调整色彩的饱和度和亮度，使图 像更加鲜艳、生动。
遥感制图第四章遥 感影像图的增强、 复原与融合
contents
目录
• 遥感影像图增强 • 遥感影像图复原 • 遥感影像图融合 • 遥感影像图的应用
01
遥感影像图增强
对比度增强
直方图均衡化
01
通过拉伸图像的灰度直方图，使其均匀分布，从而提高对比度，
使图像细节更加清晰可见。
自适应直方图均衡化
02
根据图像局部区域的灰度分布特性，对每个像素点进行不同的
02
遥感影像图复原
噪声去除
均值滤波
通过将像素邻域的平均 值替代中心像素值，平
滑图像，去除噪声。
中值滤波
将像素邻域的中值替代 中心像素值，对椒盐噪 声有较好的去除效果。
高斯滤波
利用高斯函数对图像进 行平滑处理，降低噪声
如何进行遥感影像的融合和增强处理
如何进行遥感影像的融合和增强处理遥感影像处理是指通过对卫星、无人机或其他遥感设备获取的影像进行处理和分析，进而提取有用信息的过程。
遥感影像的融合和增强是其中重要的一环，可以提高图像的分辨率、减少噪声、增强特定的目标等，从而更好地满足实际应用的需求。
一、遥感影像融合的基本原理和方法遥感影像融合是指将多源、多波段的遥感影像合并成一幅新的影像，以获取更全面、更准确的信息。
常见的融合方法有色彩合成和分辨率合成两种。
色彩合成是将不同波段的遥感影像以某种方式进行组合，以表现出不同目标的物理特性。
常见的色彩合成方法有RGB合成、主成分分析法等。
RGB合成是将红、绿、蓝三波段的图像分别分配给红、绿、蓝三个通道，以达到表现亮度和色彩的效果。
主成分分析法则是通过对多波段影像进行主成分分析，提取出最具代表性的主成分图像，再将其染成真彩色图像。
分辨率合成是通过将低分辨率的遥感影像与高分辨率的影像进行融合，以提高图像的细节信息。
常用的分辨率合成方法有小波变换法、多尺度变换法等。
小波变换法是指将影像信号分解到不同的尺度上，再根据不同尺度上的细节信息进行图像融合。
多尺度变换法则是通过将低分辨率图像进行插值或补全，使其与高分辨率图像尺寸一致，再进行融合。
二、遥感影像增强的基本原理和方法遥感影像增强是指通过某种处理方法，提升影像的视觉效果、减少噪声、增强特定目标等。
下面介绍几种常用的增强方法。
直方图均衡化是一种常用的图像增强方法，通过对影像的直方图进行重分布，增加图像的对比度。
直方图均衡化可分为全局均衡化和局部均衡化两种。
全局均衡化是对整幅图像的直方图进行均衡化处理，适用于图像对比度较低、灰度级分布不均匀的情况。
局部均衡化则是将图像分为若干个小块，对每个小块的直方图进行均衡化，适用于目标细节丰富、不同区域具有不同对比度的图像。
滤波方法也是一种常用的图像增强方法，通过滤除或抑制图像中的噪声，增强图像的细节信息。
常见的滤波方法有均值滤波、中值滤波、高通滤波等。
遥感影像图像融合方法ppt课件
贝叶斯估计法；专家系统；神经网络法；模糊集理 论；可靠性理论以及逻辑模板法等
7
遥感数据融合方法介绍
➢ 像素级融合是最低层次的图像融合 ➢ 它将经过高精度图像配准后的多源影像数据按照一定
的融合原则，进行像素的合成，生成一幅新的影像 ➢ 融合的目的在于提高图像质量，提供良好的地物细节
信息，直接服务于目视解译，自动分类
➢ 这样，遥感数据与非遥感数据可在空间上对应一致， 又可在成因上互相说明，以达到深入分析的目的。
20
遥感与非遥感数据的融合
1. 地理数据的网格化 ①使地理数据成为网格化的数据； ②地面分辨率与遥感数据一致； ③对应地面位置与遥感影像配准。 2. 最优遥感数据的选取 3. 配准融合
21
小结
➢ 多源数据融合实现了遥感数据之间的优势互补，也实 现了遥感数据与地理数据的有机结合。
精确几何配准
图像融合
融合结果评价及利用
遥感图像融合流程图
预处理 融合处理 应用
6
图像融合的层次
➢ 像元级 线性加权法、IHS变换、PCA变换、高通滤波法、小 波变换融合算法等
➢ 特征级 Dempster-shafer推理法；聚类分析法；贝叶斯
估计法；熵法；带权平均法；表决法及神经网络法等 ➢ 决策级
3
图像融合
➢ 数据融合( Fusion, Merge)的定义 指同一区域内，遥感数据之间或遥感数据与非 遥感数据之间的匹配融合
➢ 多种遥感数据源信息融合是指利用多种对地观测技术 所获取的关于同一地物的不同遥感数据，通过一定的 数据处理技术，提取各遥感数据源的有用信息，最后 将其融合到统一的空间坐标系(图像或特征空间)中， 进行综合判读或进一步的解析处理
不进行直方图修正
7
遥感数据融合方法介绍
➢ 像素级融合是最低层次的图像融合 ➢ 它将经过高精度图像配准后的多源影像数据按照一定
的融合原则，进行像素的合成，生成一幅新的影像 ➢ 融合的目的在于提高图像质量，提供良好的地物细节
信息，直接服务于目视解译，自动分类
➢ 这样，遥感数据与非遥感数据可在空间上对应一致， 又可在成因上互相说明，以达到深入分析的目的。
20
遥感与非遥感数据的融合
1. 地理数据的网格化 ①使地理数据成为网格化的数据； ②地面分辨率与遥感数据一致； ③对应地面位置与遥感影像配准。 2. 最优遥感数据的选取 3. 配准融合
21
小结
➢ 多源数据融合实现了遥感数据之间的优势互补，也实 现了遥感数据与地理数据的有机结合。
精确几何配准
图像融合
融合结果评价及利用
遥感图像融合流程图
预处理 融合处理 应用
6
图像融合的层次
➢ 像元级 线性加权法、IHS变换、PCA变换、高通滤波法、小 波变换融合算法等
➢ 特征级 Dempster-shafer推理法；聚类分析法；贝叶斯
估计法；熵法；带权平均法；表决法及神经网络法等 ➢ 决策级
3
图像融合
➢ 数据融合( Fusion, Merge)的定义 指同一区域内，遥感数据之间或遥感数据与非 遥感数据之间的匹配融合
➢ 多种遥感数据源信息融合是指利用多种对地观测技术 所获取的关于同一地物的不同遥感数据，通过一定的 数据处理技术，提取各遥感数据源的有用信息，最后 将其融合到统一的空间坐标系(图像或特征空间)中， 进行综合判读或进一步的解析处理
不进行直方图修正
- 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)。
Mask原理
▪ Mask技术是摄影中一种影像复制方法。用一张模 糊的透明正片作为遮光板，这张影像模糊的或边缘 不清晰的透明正片称为Mask，然后将这张模糊的 透明正片和负片按轮廓线叠加在一起，使用硬性相 纸晒像使得负片中大反差减小、小反差增大，以达 到反差基本一致，最终得到一张照度与颜色均匀并 且反差适中的相片，即恢复影像。
Mask法用于遥感影像辐射均匀性校正
模型
I(x ,y ) I(x ,y ) B (x ,y )
其中，I (x,表y) 示不均匀光照影像， I (表x , 示y ) 理
想条件下受光均匀的影像，即通过均匀性校正后 的影像， 表B (示x, 背y ) 景影像。
由此模型可以看出，辐射不均匀影像可以看 做是由辐射均匀影像叠加了一个背景影像的结果。 如果能很好的模拟出背景影像，并将其从原影像 中减去即可得到辐射均匀的影像。
Z (u ,v ) I(u ,v ) R (u ,v )
③ 确定H(u,v) 压缩i(x,y)分量的变化范围，削弱I(u,v)； 增强r(x,y)分量的对比度，提升R(u,v)，增强细
节。
S ( u ,v ) H ( u ,v ) I ( u ,v ) H ( u ,v ) R ( u ,v )
非地物变化因素造成的图像中辐射值的变化往往 使整幅影像呈现出灰度不均匀的现象，称这种现 象为辐射不均匀现象。
辐射不均匀对遥感影像成图、变化检测等图像后 续处理工作均会造成影响，因此，消除辐射不均 匀的影响，即进行辐射均匀性校正，是对遥感影 像后续应用的前提和保证。
辐射不均匀影像举例
辐射均匀性校正方法1- Mask法
⑤ i0(x,y)exi'p (x,[y)] r0(x,y)exr'p (x,[y)]
g(x,y)i0(x,y)r0(x,y)
应用举例
原始影像
同态滤波后影像
辐射均匀性校正方法3- Retinex法
Retinex理论
✓ 为什么叫做 Retinex? ▪ — Retinex：Retina(视网膜)+cortex(大脑皮层)； ▪ — 一种跨越了影像和人类视觉鸿沟的方法
《遥感制图》
第四章 遥感影像图的增强、复 原与融合
沈焕锋
武汉大学 资环与环境科学学院
shenhf@
遥感影像增强
灰度变换 模板、掩模、滤波 平滑 锐化 高通 低通 空间域、频率域 伪彩色、假彩色 加、减、乘、除运算
影像复原基本概念
图像增强和图像复原是相交叉的领域，但图像增强 主要是一个主观、探索性的过程，为了人的视觉系统 的生理接受特点而设计一种改善影像的方法；而图像 复原大部分过程是一个客观过程，试图利用退化现象 的某种先验知识来重建或复原被退化的影像，即复原 或重建技术把退化模型化，并且采用相反的过程进行 处理。
具体步骤：
确定H(u,v)
rH>1
由于该种形式的滤波
器与高通滤波器相似， 我们可以通过稍微修
rL<1
改Gassian滤波器来
得到：
H (u ,v ) (H L )[ 1 e c (D 2 (u ,v )/D 0 2 )]L
具体步骤：
F ④ i'(x ,y) 1 [H (u ,v )I(u ,v )] F r'(x ,y ) 1 [H (u ,v )R (u ,v )]
辐射均匀性校正方法3- Retinex法
Retinex原理
▪ 影像可以分为两部分：光照分量与反射分量，二者 的乘积即为影像本身。
▪ 通过视网膜和大脑皮层的神经反馈与处理，人眼最 终感受到的是由每个点的反射值组成的影像，这一 幅影像不会因为光照条件的变化而发生变化，即保 持了影像的亮度和色彩恒常性。因此，Retinex理 论属于一种恒常理论。
Mask法用于遥感影像辐射均匀性校正
算法流程图
输入影像
低通滤波
背景影像
相减运算 拉伸处理 输出影像
这里，低通滤波 采用高斯滤波，且 高斯核的大小随影 像 尺寸的增大而增大
应用举例
原始影像
Mask校正后影像
辐射均匀性校正方法2-同态滤波法
原理 ▪ 图象的灰度由照射分量和反射分量合成。反射 分量反映图象内容，随图象细节不同在空间上 作快速变化。照射分量在空间上通常均具有缓 慢变化的性质。 ▪ 照射分量的频谱落在空间低频区域，反射分量 的频谱落在空间高频区域。
✓ 起源 ▪ — 最早由 Edwin Land 于1963年提出； ▪ — 它是一种人类视觉对亮度和色彩感观的模型；
▪ — 1977年 nd 在美国科学杂志上发表了The Retinex Theory of Color Vision
✓ 无理论，只有实验验证了Retinex ▪ — 一种自动的影像处理过程； ▪ — 独立于屏幕显示变量
特点 ▪ 频率域运算 ▪ 消除不均匀照度的影响, 增强图象细节。
辐射均匀性校正方法2-同态滤波法
图像的照度-反射模型
f(x,y)i(x,y)r(x,y)
▪ 其中 i(x, y) 为照度，r(x, y) 为反射系数
同态滤波的目的：消除不均匀照度的影响而又不 损失图象细节。
同态滤波流程图：
①
输入影像 f(x,y) ln
JfgH f 2Q f 2
若Q为单位矩阵、拉普拉斯算子等
f HTHQTQ1HTg
影像去噪
噪声影像
高斯滤波(PSNR=22.21) MAP方法(PSNR=23.17)
影像去模糊
原始遥感2号影像
去模糊影像
辐射均匀性校正
在遥感数据的获取过程中，引起图像中辐射值变 化的因素有：地物变化和光照、大气、成像位置 等成像条件的变化。
②
③
FFT H(u,v)
输入影像 g(x,y) exp
⑤
F ,y ) lf n ( x ,y ) li ( n x ,y ) lr ( n x ,y )
F F F ② [ z ( x ,y ) ] [i ( x l ,y ) n ] [r ( l x ,y n )]
5.5 空间域复原法
无约束复原法 有约束复原法
无约束复原法
由退化模型可得：
g f mhxmn
m
希望找到一个pf，使得噪声项
n 2 gHf 2
即最小化
Jf gHf 2
ngHf
最小 得到：
f (HTH)1(HTg)
有约束复原法
无约束复原法基础上附加一定的约束条件
JfgHf 2L(f)
得到：
▪ Mask技术是摄影中一种影像复制方法。用一张模 糊的透明正片作为遮光板，这张影像模糊的或边缘 不清晰的透明正片称为Mask，然后将这张模糊的 透明正片和负片按轮廓线叠加在一起，使用硬性相 纸晒像使得负片中大反差减小、小反差增大，以达 到反差基本一致，最终得到一张照度与颜色均匀并 且反差适中的相片，即恢复影像。
Mask法用于遥感影像辐射均匀性校正
模型
I(x ,y ) I(x ,y ) B (x ,y )
其中，I (x,表y) 示不均匀光照影像， I (表x , 示y ) 理
想条件下受光均匀的影像，即通过均匀性校正后 的影像， 表B (示x, 背y ) 景影像。
由此模型可以看出，辐射不均匀影像可以看 做是由辐射均匀影像叠加了一个背景影像的结果。 如果能很好的模拟出背景影像，并将其从原影像 中减去即可得到辐射均匀的影像。
Z (u ,v ) I(u ,v ) R (u ,v )
③ 确定H(u,v) 压缩i(x,y)分量的变化范围，削弱I(u,v)； 增强r(x,y)分量的对比度，提升R(u,v)，增强细
节。
S ( u ,v ) H ( u ,v ) I ( u ,v ) H ( u ,v ) R ( u ,v )
非地物变化因素造成的图像中辐射值的变化往往 使整幅影像呈现出灰度不均匀的现象，称这种现 象为辐射不均匀现象。
辐射不均匀对遥感影像成图、变化检测等图像后 续处理工作均会造成影响，因此，消除辐射不均 匀的影响，即进行辐射均匀性校正，是对遥感影 像后续应用的前提和保证。
辐射不均匀影像举例
辐射均匀性校正方法1- Mask法
⑤ i0(x,y)exi'p (x,[y)] r0(x,y)exr'p (x,[y)]
g(x,y)i0(x,y)r0(x,y)
应用举例
原始影像
同态滤波后影像
辐射均匀性校正方法3- Retinex法
Retinex理论
✓ 为什么叫做 Retinex? ▪ — Retinex：Retina(视网膜)+cortex(大脑皮层)； ▪ — 一种跨越了影像和人类视觉鸿沟的方法
《遥感制图》
第四章 遥感影像图的增强、复 原与融合
沈焕锋
武汉大学 资环与环境科学学院
shenhf@
遥感影像增强
灰度变换 模板、掩模、滤波 平滑 锐化 高通 低通 空间域、频率域 伪彩色、假彩色 加、减、乘、除运算
影像复原基本概念
图像增强和图像复原是相交叉的领域，但图像增强 主要是一个主观、探索性的过程，为了人的视觉系统 的生理接受特点而设计一种改善影像的方法；而图像 复原大部分过程是一个客观过程，试图利用退化现象 的某种先验知识来重建或复原被退化的影像，即复原 或重建技术把退化模型化，并且采用相反的过程进行 处理。
具体步骤：
确定H(u,v)
rH>1
由于该种形式的滤波
器与高通滤波器相似， 我们可以通过稍微修
rL<1
改Gassian滤波器来
得到：
H (u ,v ) (H L )[ 1 e c (D 2 (u ,v )/D 0 2 )]L
具体步骤：
F ④ i'(x ,y) 1 [H (u ,v )I(u ,v )] F r'(x ,y ) 1 [H (u ,v )R (u ,v )]
辐射均匀性校正方法3- Retinex法
Retinex原理
▪ 影像可以分为两部分：光照分量与反射分量，二者 的乘积即为影像本身。
▪ 通过视网膜和大脑皮层的神经反馈与处理，人眼最 终感受到的是由每个点的反射值组成的影像，这一 幅影像不会因为光照条件的变化而发生变化，即保 持了影像的亮度和色彩恒常性。因此，Retinex理 论属于一种恒常理论。
Mask法用于遥感影像辐射均匀性校正
算法流程图
输入影像
低通滤波
背景影像
相减运算 拉伸处理 输出影像
这里，低通滤波 采用高斯滤波，且 高斯核的大小随影 像 尺寸的增大而增大
应用举例
原始影像
Mask校正后影像
辐射均匀性校正方法2-同态滤波法
原理 ▪ 图象的灰度由照射分量和反射分量合成。反射 分量反映图象内容，随图象细节不同在空间上 作快速变化。照射分量在空间上通常均具有缓 慢变化的性质。 ▪ 照射分量的频谱落在空间低频区域，反射分量 的频谱落在空间高频区域。
✓ 起源 ▪ — 最早由 Edwin Land 于1963年提出； ▪ — 它是一种人类视觉对亮度和色彩感观的模型；
▪ — 1977年 nd 在美国科学杂志上发表了The Retinex Theory of Color Vision
✓ 无理论，只有实验验证了Retinex ▪ — 一种自动的影像处理过程； ▪ — 独立于屏幕显示变量
特点 ▪ 频率域运算 ▪ 消除不均匀照度的影响, 增强图象细节。
辐射均匀性校正方法2-同态滤波法
图像的照度-反射模型
f(x,y)i(x,y)r(x,y)
▪ 其中 i(x, y) 为照度，r(x, y) 为反射系数
同态滤波的目的：消除不均匀照度的影响而又不 损失图象细节。
同态滤波流程图：
①
输入影像 f(x,y) ln
JfgH f 2Q f 2
若Q为单位矩阵、拉普拉斯算子等
f HTHQTQ1HTg
影像去噪
噪声影像
高斯滤波(PSNR=22.21) MAP方法(PSNR=23.17)
影像去模糊
原始遥感2号影像
去模糊影像
辐射均匀性校正
在遥感数据的获取过程中，引起图像中辐射值变 化的因素有：地物变化和光照、大气、成像位置 等成像条件的变化。
②
③
FFT H(u,v)
输入影像 g(x,y) exp
⑤
F ,y ) lf n ( x ,y ) li ( n x ,y ) lr ( n x ,y )
F F F ② [ z ( x ,y ) ] [i ( x l ,y ) n ] [r ( l x ,y n )]
5.5 空间域复原法
无约束复原法 有约束复原法
无约束复原法
由退化模型可得：
g f mhxmn
m
希望找到一个pf，使得噪声项
n 2 gHf 2
即最小化
Jf gHf 2
ngHf
最小 得到：
f (HTH)1(HTg)
有约束复原法
无约束复原法基础上附加一定的约束条件
JfgHf 2L(f)
得到：