最近邻法(Nearest Neighbor)用距离投影点(采样点)最近像元灰度值代替输出像元灰度值。
优点:简单计算量小,几何位置精度为±0.5像元,最大是保持像素值不变,效果尚佳。
缺点:有明显锯齿状,即灰度不连续,会影响制图效果。当相邻像素的灰度值差异较大时,可能会产生较大的误差。
双线性内插法(Bilinear)双线性插值法是对最近邻法的一种改进,即用线性内插方法,根据点的四个相邻点的灰度值,分别在x、y方向上进行两次插值、一次插值,计算出值。最后形成的插值函数为一双曲抛物面方程。
三次卷积法取与投影点邻近的16个象元灰度值(4*4) ,计算输出象元的灰度值。
优点:效果最好,精度最高,采样中的误差为双线性内插法的1/3,产生的图像比较平滑,
缺点:计算量最大,较费时。(对控制点选取的均匀性要求更高,否则效果不好) 地面控制点(GCP,Ground Control Point): 一些地图坐标或其它输出坐标为已知的特定像元。
数字图像增强 对比度变换 空间滤波变 彩色变换 图像运算 多光谱变换 常用的增强处理方法有对比度变换、空间滤波、彩色变换、图像运算和多光谱变换。
图像增强和图像校正的区别:图像校正目的是消除伴随数据获取过程中的误差及变形,使传感器记录的数据更接近于真实值。而图像增强则是为了突出相关
11
的专题信息,提高图像的视觉效果,使分析者能更容易地识别图像内容,从图像中提取更有用的定量化信息。
对比度变换是一种通过改变图像像元的亮度值来改变图像像元对比度,从而改善图像质量的图像处理方法。将图像中过于集中的像元分布区域(亮度值分布范围)拉开扩展,增加图像反差。因为亮度值是辐射强度的反映,所以又叫辐射增强。
方法: 对比度线性变换 对比度非线性变换
线性变换在改善图像对比度时,如果采用线性或分段线性的函数关系,那么这
种变换就是性变换。非线性变换:变换函数为非线性函数。
常用的非线性拉伸函数有指数函数、对数函数、高斯函数、平方根等。 ⑴指数函数 指数函数曲线对于图像中的亮的部分,指数变换扩大了灰度间隔,突出了细节;对于暗的部分,缩小了灰度间隔,弱化了细节。
⑵对数函数 对数函数与指数变换相反,对数变换主要用于拉伸图像中暗的部分,而压缩亮的部分。
空间滤波:又称邻域处理,重点突出图像上的某些特征为目的,是在被处理像
元周围像元的参与下进行运算并且增强图像的处理方法。
空间滤波:中心像元与周围相邻像元间的运算,用于去噪声、图像平滑、锐化和相关运算。
均值平滑:将每个像元在以其为中心的区域内,取平均值来代替该像
元值,以达到去掉尖锐“噪声”和平滑图像的目的。
中值滤波:将每个像元在以其为中心的邻域内,取中间亮度值来代替
该像元值,以达到去掉尖锐“噪声”和平滑图像的目的。
12
缺点:是在降低噪声的同时使图像产生模糊,特别在边缘和细节处。
而且邻域越大,在去噪能力增强的同时模糊程度越严重。
锐化:突出图像的边缘、线性目标或某些亮度变化率大的部分,锐化后不具有原图像信息,而提取了边缘信息。
罗伯特梯度:找到了梯度较大(像元间亮度变化较大)的位置,用不同的梯度计算值代替边缘处像元的值,实现突出边缘,锐化图像的效果。 索伯尔梯度: 拉普拉斯算法:
定向检测:当有目的地检测某一方向的边、线或纹理特征时,可选择特定的模板卷积运算作定向检测。
彩色变换:把数字图像组合转换成彩色图像,或者把各种增强或分类图像组合叠加,以彩色图像显示出来 单波段彩色变换 多波段彩色变换 HLS变换 单波段彩色变换(密度分割)单波段黑白遥感图像可按亮度分层,对每层赋予不同的色彩,使之成为一幅彩色图像。这种方法又叫密度分割。
多波段彩色变换利用计算机将同一地区不同波段的图像存放在不同通道的存储器中,并依照彩色合成原理,分别对各通道的图像进行单基色变换,在彩色屏幕上进行叠置,从而构成彩色合成图像。 合成方案: 真彩色图像 假彩色图像
HLS变换 HLS:色调、明度、饱和度
图像运算两幅或多幅单波段影像,完成空间配准后,通过一系列运算,可以实现图像增强,达到提取某些信息或去掉某些不必要信息的目的。
13
多光谱变换针对多光谱影像存在的一定程度上的相关性以及数据冗余现象,通过函数变换,达到保留主要信息,降低数据量,增强或提取有用信息目的的方法。
K-L变换离散变换的简称,又称主成分变换。是一种除去波段之间的多余信息,将多波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。即利用波段之间的相互关系,在尽可能不丢失信息的同时,用几个综合性波段代表多波段的原图像,使处理的数据量减少
K-T变换又形象地称为“缨帽变换”,也是一种线性组合变换。主要用于农作物生长过程而区别于其他植被覆盖。 目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。它使坐标空间发生旋转,但旋转后的坐标轴不是指向主成分的方向,而是指向另外的方向,这些方向与地面景物有密切的关系,特别是与植物生长过程和土壤有关。这种变换既可以实现信息压缩,又可以帮助解译分析农业特征。
辐射校正消除图像数据中依附在辐射亮度里的各种失真的过程称为辐射校正。完整的辐射校正包括遥感器校正、大气校正,以及太阳高度和地形校正。 造成几何位置的畸变有原因 :遥感器本身引起的畸变 外部因素引起的畸变 处理过程中引起的畸变
遥感器本身引起的畸变遥感器本身引起的几何畸变与遥感器的结构、特性和工作方式不同而异。这些因素主要包括:1) 透镜的辐射方向畸变像差; 2) 透镜的切线方向畸变像差; 3) 透镜的焦距误差; 4) 透镜的光轴与投影面不正交;5) 图像的投影面非平面;6) 探测元件排列不整齐; 7) 采样速率的变化; 8) 采样时刻的偏差; 9) 扫描镜的扫描速度变化 。
14
外部因素引起的畸变影响图像变形的外部因素包括: 1) 地球的曲率 2) 大气密度差引起的折光 3) 地形起伏 4) 地球自传 5) 遥感器轨道位置和姿态等 处理过程中引起的畸变遥感图像再处理过程中产生的误差,主要是由于处理设备产生的噪声引起的。
遥感图像的几何纠正方法遥感图象的几何粗处理和精处理 遥感图像的几何纠正按照处理方式分为光学纠正和数字纠正
光学纠正主要用于早期的遥感图像的处理中,现在的应用已经不多。除了对框幅式的航空照片(中心投影)可以进行比较严密的纠正以外,对于大多数动态获得的遥感影像只能进行近似的纠正
数字图象几何纠正:通过计算机对离散结构的数字图像中的每一个像元逐个进行纠正处理的方法。
几何精校正是指利用地面控制点使遥感图像的几何位置符合某种地理系统,与地图配准,并调整亮度值。也就是在遥感图像的像元与地面实际位置之间建立数学关系,将畸变图像空间中的全部像元转换到校正图像空间去。 内容一般包括两个方面:一个是图像像元空间位置的变换,另一个是像元灰度值的重采样。
几何精校正具体步骤 :选取地面控制点(GCP)选择空间变换函数重采样和内插
最邻近内插法 双线性内插 三次卷积内插
15