RS_Image

Posted on 2025-10-16 Edited on 2025-10-29 In 885 遥感基础与应用 Word count in article: 16k Reading time ≈ 30 mins.

【RS_Image】0 - 5 Chapter

绪论

1. RS 解译方法分类

解译：获取信息的过程
处理：信息转换的过程，处理是为了更好解译

1.1 常规目视解译

最普遍、最基本的解译方法。
主要根据影像的灰阶图形阴影等以及各种物体间影像关系来鉴别物体
与判读人员的专业训练及经验水平有很大关系，受像片分辨率力与人眼分辨率力的影响

1.2 电子光学解译

利用胶片的影像进行解译
信息量大、影像鲜明丰富（如假彩色合成的方法），使我们可以从某些微弱的信息中识别地物
实际上是目视法的延长，最终要得出判读结果，还需由人来完成，仪器设备本身不能得出最终的结果

1.3 电子计算机解译

利用记录的磁带解译，容量大
由计算机进行判读识别，效率高
可以直接显示、打印解译结果

2. RS 图像的处理方法

光学处理：处理胶片
计算机处理：处理数字图像，由数字图像处理系统完成
纸质 RS 图像不用处理

2.1 光学图像增强处理方法

彩色合成法
密度分割法
边缘增强法
反差增强法
光学影像比值法
其他光学增强处理

2.2 数字图像处理方法

2.2.1 图像恢复处理

辐射校正
大气校正
几何校正
条带噪音消除

2.2.2 图像增强处理

反差增强法
空间滤波法
图像变换
比值增强法
主成分分析法

2.2.3 图像识别与分类

监督分类
非监督分类

第一章 RS 图像信息增强的光学处理

暗室处理

1. 接触暗印像片

暗室里最基础的处理工作
一般根据胶片的反差大小选择适宜的相纸，进行暗印，印相机光应均匀，以防止曝光不一所产生的色调干扰
负片 → 正片

2. 放大

小比例尺 → 大比例尺
- 显示微小影像，增强图像信息
采用黑白放大机和彩放机进行，一般像元尺寸显示为0.1—0.4mm为最佳

3. 单片影像增强：

目的：模糊→清晰

3.1 反差增强法：

利用感光材料的性能，在胶片复制、像片洗印过程中，改变原图像的反差状况。如增强反差采用高反差的感光胶片或相纸、药液

3.2 边缘增强法：

显示不同性质的影像界限
将单片影像的两张正负透明胶片，药面相对重叠在一起，稍错开距离，下垫相纸用直、斜光曝光）
或药面相反重合，不错开，下垫相纸，用斜光照射曝光，从而突出了地物的边缘线，类似于浮雕像片，具有立体感，又称浮雕法。
此法适用于增强大的地物线性构造，错开距离应适当，过大界线不清

3.3 图像胶片减薄法：

以药液浸泡胶片，去掉胶片上过厚的银粒，使图像清晰。

平均减薄法：将整个图像均匀减去一层等厚的银粒，整个图像反差系数不变，适用于原底片曝光过度的胶片。
比例减薄法：根据胶片上原有银粒量的多少，按比例减薄，多的多减，少的少减，适用于反差较大的图像，可起到降低反差作用
超比例减薄法：将原图像黑度很大的部分减去很多的银粒，黑度小的减或不减，适用于对比度过大的图像

3.4 相关掩膜法：

用原负象片胶片，采用不同的材料及摄影处理，制成一组反差系数不同的正象掩膜片，然后不同的膜片间相互迭合处理，从而产生一张新的负片，达到图像增强的效果。
如两张正膜片相迭加，则反差增强。正、负膜片相迭加，则反差小。还可将三张胶片在彩色合成仪上以不同色彩合成，可得彩色片。
胶片 ⇒ 反差系数不同的掩膜片 ⇒ 叠合 ⇒ 新的胶片

3.5 傅立叶光学变换法：

遥感图像的像元灰度分布函数，是可按照傅里叶积分展开的二维频谱函数

因此，以一定的光学仪器，将RS图像转换为频谱图像，经处理后可以进行反差的增强、黑白变彩色，去掉图像上的模糊影像等功能

3.6 密度分割法：

通过光学变换，将胶片影像或像片密度（灰度）划分为若干等级，再用各种颜色代替不同的等级，达到识别地物信息的目的。
①首先用光导摄像管对黑白胶片或像片影像进行扫描，将影像密度转换为模拟的电压信号
②然后用灰阶发生器对电压信号进行分级，每一等级以不同的颜色表示
③最后在彩色电视监视器屏幕上显示出来，并且还可以用来面积的统计，直接用于自动识别制图

1 2	光电扫描灰阶发生器 RS图像 ---------→ 模拟电压信号 -----------→ 分级赋色 → 显示 → 统计

4. 假彩色合成：

多张胶片
是一种用于多波段RS图像的光学处理技术，可以将多波段的信息合为一体，综合显示。

4.1 假彩色合成的原理：

根据格拉斯曼定律，一单位蓝光，一单位绿光，一单位红光相加，可合成白光。

1 2	1 流明（W）= 0.11 流明（B） + 0.59 流明（G） + 0.30 流明（R） W = B + G + R

三原色(RGB):红绿蓝
加色法：三原色相加得间色；间色与相应原色组合可成白光，间色与对应原色组合成互补色。
减色法：白光 - 互补色 = 彩色
- W − B = Y，W − BG = R
可将不同波段的胶片 “染色”，进而合成所需的颜色。

4.2 假彩色合成的方法：

利用彩色合成仪，安置不同的滤光片；之后将处理成不同色光的不同波段胶片准确地迭合（“+” 字号），进行曝光，得到彩色合成的图像。
一般 MSS(多光谱扫描仪) 以 4、5、7 波段合成较多，称为标准合成法。
其中：
- 1 2 3 波段组合包含地形信息
- 2 3 4， 3 4 5波段利于提取植被信息
- 5 6 7 波段利于提取土地利用信息。

第二章 RS 数字图像处理概述

第一节 RS 信息处理的相关概念

1. 基础概念

信息：
- 信息是数据、消息中所包含的意义，信息是加工了的数据
- RS 图像处理的目的是为了提取信息。（土地利用信息）
数据：
- 数据是各种信息记录下来的可识别的符号，是信息的载体与具体表示形式
- 计算机数据一般包括数字与文字（广义：含各种符号…）
- 并非任何数据都表达信息
字位：
- 二进制字位，计算机系统中数据的最小单位，每一位只能取 0 或 1
- 任何形式的信息都必须转换为二进制后，才能进行计算机处理、存储、传输
字节：
- 8 位二进制构成一个字节，即 1Byte = 8bit
- 字节是衡量信息储备容量的基本单位。
记录：
- 若干字节所构成的一个存储单元。它是作为一个单位处理的一组相连的数据。
  - 逻辑记录：由彼此有关的、一组相邻的文件元素所组成。（人机交互）
  - 物理记录：通常总是密切地依赖于设备及媒体特性的。（计算机）
- 记录有长度概念，其单位是字节
- RSCCT 影像数据的记录长度一般等于扫描线长度。 TM：6967
块：块是作为一个单元来记录的一组相邻记录
- 它是计算机内存和输入、输出设备或外存之间进行交换的数据单位。
- 块与物理设备有关，当一块读入内存时，内存中暂时存放这一块的区域称为缓冲区（Buffer）
- 数字 RS 图像数据量很大，处理时一般以块为单位依次进行
文件：
- 文件是计算机中管理数据的单位
- 文件可以是一个程序，一组数据、一幅影像……
- 按照数据载体不同，文件可分为：
  - 磁带文件
  - 磁盘文件
  - 光盘文件
按照文件组织形式和存储方式可分为：
- （1）顺序文件：物理顺序与逻辑顺序一样的文件，其存储数据区在物理上是连续一起的（RSCCT中的磁带文件）
- （2）串联文件：存储数据区在物理上不相连，而是通过每一个数据区中的连接字来连接
- （3）索引文件：是带有索引表的文件
  - 索引区：顺序的给出各块记录
  - 数据区：在物理上可以连续也可以不连续

2. 遥感 CCT 磁带

① CCT：Computer Compatible Tape. 计算机兼容磁带
② 是遥感影像数据的主要载体，是遥感信息的原始记录，以数字形式记录在磁带上
③ 它是保存遥感图像信息的设备，也是进行图像数据处理及产生各种胶片影像的基础
规格：标准尺寸是 厚×宽×长：0.02英寸×0.5英寸×2400英尺（或3600英尺）绕成圆盘状的数字磁带
- 磁带有7或9个磁道记录数据，CCT用的多是9道，其中8位数据加1位奇偶校验位
- 每景TM数据是7×33兆字节
- 按记录密度分800BPI/时，1600BPI，6250BPI 每英寸字节数

CCT磁带记录的内容

①标识记录（ID）：
标明卫星号、成像时间、图像内容、磁带单位记录长度、图像注记带号、扫描行行数，及数据是否做了有关处理等
②注记记录（AN）：
是卫星像片四边的注记说明，一部分是成像时间，一部分是图像经纬度坐标位置数据
③图像数据记录（VD）：
是磁带的主要内容，记录每个像元各波段的数据
④专业注记带记录（SIAT）：
记录卫星获取数据时的高度、侧滚角、仰伏角、偏航角等参数，及遥感器性能参数，供几何校正用

第二节遥感数据格式

主要包括BSQ（波段顺序）格式和BIL（波段交叉）格式两种。
无论是哪一种记录格式，都可以分为四部分：
①磁带目录文件
②图像属性文件
③图像数据文件（最常用）
④尾部文件

1. BSQ 格式

BSQ是按波段顺序记录遥感影像数据的格式，每个波段的图像数据文件单独形成一个影像文件，每个影像中的数据文件按照其扫描行的次序一行一个记录顺序存放，存放完第一波段，再存放第二波段，一直到所有波段数据存放完为止。
在一个CCT组合中，只有一个磁带目录文件；而图像属性文件的数目则等于一景影像的波段数目，一景影像有几个波段，就有几个影像数据文件加尾部文件

2. BIL 格式

BIL是一种按照波段顺序行交叉排列的遥感数据格式
BIL格式与BSQ格式相似，整个遥感CCT也由四部分文件组成
不同的是，BIL格式的遥感CCT有且只有4个文件，原影像数据文件只有1个

3. BIP 格式（像元波段交替记录）

标注：BIP：BIL的行换成像元层，更加复杂了

第三节遥感图像函数及其物理意义

1. 遥感数字图像及图像函数

数字图像（digital image）：一系列具有一定含义的数字构成的矩阵
- 有行、列，即图像的行、列，基本元素是像元，其值为亮度（灰度），数字是非负的、有界的
  - 如：MSS图像是一个2340×3250的矩阵
  - 用函数表示为：
- 像素：像片上一块可以看成是像点的极小的影像
- 数字图像用像素灰度值的二维矩阵表示，是离散的光密度函数
  - 越黑，数值越小
图像函数：，代表二维图像空间内地物电磁波辐射能量的分布
- 是一个关于空间坐标x,y的二维空间函数
- 空间坐标就是图像像元的行、列或校正后的大地坐标
- 函数值就是地面(x,y)点地物的某种物理量的一种度量，常被称为灰度、亮度、密度……
光学图像：是一个二维的连续的光密度函数
- 以胶片为主要成像载体。
- 是地面实际情况的反映，但不是地物实际辐射特征本身，因为传感过程中的（后续字迹模糊，推测与“辐射传输等影响”相关）

：传感器接受的电磁波辐射特征，即图像函数

2. RS 图像函数 `g(x,y)` 三个基本标点

① 函数值物理意义的明确性。代表了地物电磁波辐射的一种度量；它要反映的是地物的光谱特征。反射光谱特征、热辐射…
② 函数定义域的限定性。由于每一种遥感传感器都具有一定的视域，因而它所获得的图像大小也是有限的，所以图像函数只在实际图像范围内有效
③ 图像函数值的限定性
- 2^8 = 256
- Rmax：地物的最大辐射量，一般0 - 255

第四节 RS图像处理系统基本构成

1. 硬件

① 计算机
② 输入设备：磁带机、磁盘机、摄像机、扫描仪、数字化仪…
③ 输出设备：磁带机、磁盘机、彩色显示器、绘图仪、打印机…
④ 外存设备：磁盘、光盘…
⑤ 显示和人机对话设备：显示器、鼠标、键盘…
⑥ 专用处理设备：阵列机、图像板…

2. 软件

系统软件
应用软件：
- ① 图像数据管理软件
- ② 图像输入输出设备控制软件
- ③ 基本图像处理软件
  - 主要功能模块：
    ① 数据文件的建立、存储、删除
    ② 数据的显示、压缩、修改
    ③ 图像的辐射变换、校准、增强
    ④ 图像的几何变换校正统计分析，集群分析
    ⑤ 图像特征的提取、图像监督/非监督分类
    ⑥ 图像成果处理与评价
    ⑦ 成果输出
    ⑧ 其他

第三章遥感图像的预处理

第一节概述

1. 误差原因

① 遥感成像过程中受到多种因素的影响；
- 例如：卫星速度变化、大气与地物反射和发射电磁波的相互作用，随机噪声…
② 实际的图像灰度值并不完全是地物辐射电磁波能量大小的反映
③ 分两大类：辐射失真、几何畸变

2. 纠正内容

辐射校正
几何畸变处理
噪声消除

辐射校正：

CCT磁带所记录的地物光谱特性数据，由于经过大气层的吸收、散射，卫星检测系统（传感器系统）的非一致性，使图像数据失真，根据卫星运行时所记录的各种数据进行纠正

几何纠正：

由传感器本身原因产生的变形纠正由地面站完成，也称几何粗纠正。用户为获取高的几何精度，以实际地面资料进行的纠正为几何精纠正。
由于卫星的运动，使扫描姿态变化，飞行高度，速度及扫描速度不稳定、地球自转，曲率、地形等因素影响。

余带噪声消除：

扫描过程中，由于传感器工作失常造成某一扫描带脱落、扫描停止等产生数据的空白。一般根据空白周围的数据记录进行补充恢复。
行或列部分缺失：利用上下相邻两行的平均值代替缺失的像元值。

第二节辐射校正

1. 概述

辐射校正：消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。
传感器本身灵敏性，地物光照条件、大气作用的影响，使测量值与实际不一致，即存在辐射失真。
DN值：遥感影像像元亮度值，记录地物的灰度值。无单位，整数，反映地物的辐射率水平。
辐射率水平：通常叫辐射亮度值，是某一个面积辐射能量的总和。
- 单位（瓦/平方厘米·微米·球面度）。
地表反射率：地面反射辐射量与入射辐射量之比，表征地面对太阳辐射的吸收和反射能力。
表观反射率：指大气层顶的反射率，又称视反射率、行星反射率。
- $表观反射率地表反射率大气反射率$
- 所以需要大气校正为地表反射率
发射率：又称比辐射率，是指物体的辐射能力与相同温度下黑体的辐射能力之比称为该物体的发射率，一般在 [0 - 1] 范围，用来描述热红外图像特征。
亮温：热红外辐射亮度图像转成亮温图像。与亮温相对应的就是地表温度，即消除大气等因素影响后的亮温。
从数据提供窗获取的未作任何处理的DN图像，
- 首先需定标为辐射亮度图像，然后对辐射率亮度图像进行大气校正得到地表反射率图像。

辐射校正的类型（内容）：

① 传感器校正：主要是校正由传感器灵敏特性变化所引起的辐射失真。
② 太阳高度角和地形引起的畸变校正。
③ 大气校正：主要目的是消除大气散射对辐射失真的影响。

按校正后的结果分：

① 绝对辐射校正：将遥感图像的DN值转换为绝对真实的地表反射率。
② 相对辐射校正：将一图像作为参考（或基准），调整另一图像的DN值，使得两时相图像的地物具有可比性，这个过程也叫多时相遥感图像的光谱归一化，实际工作中较多采用。

2. 辐射定标

概念：

将遥感器所得的测量值（DN值）变换为绝对亮度、地表反射率、表面温度等物理量有关的相对值的处理过程。
通常采用仪器自身内部监视环路和外部标准目标遥感试验场，方法对系统链路中的各个环节进行误差修正，来实现辐射定标。
被动式 RS 相对困难，主动式 RS 辐射定标可做的很好

辐射定标方法

辐射亮度值 = 增益 × 灰度值 + 偏置

3. 太阳光照条件的校正

TODO 全是公式没必要

4. 大气校正

大气的影响：

需要消除大气散射对图像亮度的影响，会导致DN值↑
大气校正目的是消除大气散射、吸收、反射引起的误差。

大气校正的方法：

辐射传输方程式方法:
对电磁波辐射传递过程进行模拟，构建方程求解。
此方法理论基础可靠，但实际使用较难。
野外波谱测试法：
原理是在遥感传感器进行测量时，在地面同一地点用相同的仪器，同步地测量各种地物的反射率，利用实际的反射率数据与图像亮度作回归分析，求出大气散射量，用图像亮度减去大气散射量达到大气散射校正的目的。
实际操作比较困难，也很少使用。
波段间的数据分析方法：（用的最多且最简单）
理论依据在于大气散射的选择性，即大气散射对短波影响大，对长波影响小。
TM图像中，蓝光波段 TM1 受大气散射影响最大，而红外波段 TM7 受影响最小或几乎不受影响。
根据图像TM7与其他波段的关系，可进行大气散射校正。
1. 回归分析法
2. 直方图对比法

第三节图像精纠正

1. RS 图像几何畸变原因与几何纠正方案

几何畸变原因：

系统性畸变(几何粗纠正)：是指遥感系统本身造成的畸变，这种畸变一般有一定的规律性，且能事先预测
随机性畸变(几何精纠正)：是指大小难以预测，其出现带有随机性畸变，地形起伏

遥感传感器：扫描镜线速不均匀、扫描镜摆动角度误差、采样时间不一致、探测器排列误差等，都会导致成像线条间距不均或形变。
卫星平台：卫星高度变化、速度变化、轨道漂移、卫星运动引起的章动（摆动）、姿态变化（俯仰、横滚、偏航）等，均会造成影像几何偏移或倾斜。
地球本身：地球自转、地形起伏（高度变化）、地球曲率等，也会引起几何畸变，使相同地物在不同扫描线位置上出现位移。

处理方法：

系统校正(粗纠正)：就是把遥感传感器的标准数据、传感器的位置、卫星姿态等测量值代入理论校正公式，进行几何畸变校正。
控制点校正(精纠正)：利用一些变形的遥感图像与标准地图间的对应点/控制点，通过几何控制点求出几何畸变模型，然后进行几何校正。
混合校正：先粗纠正，再精纠正。

几何校正包含的主要内容：

图像空间像元坐标的变换
变换后的标准图像空间的各像元灰度值的计算

2. 几何精纠正原理方法

概念：利用地面控制点对因各因素引起的遥感图像几何畸变进行纠正。
原理：用GCP数据对原始卫星图像的几何畸变过程进行数学模拟，建立原始的畸变图像空间与地理制图标准空间之间的对应关系，利用这种对应关系把畸变空间中的全部元素变换到校正图像空间中去，从而实现几何精纠正。

两个空间转换方法：

1. 直接转换：首先求出原始图像空间各像元在标准空间中的对应位置，然后将相应亮度值直接移过去。直接投影到标准空间中后，点的规则排列被打乱，求标准空间网格结点的灰度值可以用插值与网格化方法来实现。
1. 重采样法：通过校正空间点，反找原始空间对应位置来实现校正。能保证校正后空间中网格像元点呈均匀分布，最常用的方法之一。

3. 几何精纠正的具体步骤

建立原始图像与校正图像坐标系
寻找GCP（地面控制点），建立地面空间点文件
GCP定位精度检查，若精度较差，重新确定GCP
利用控制点建立纠正数学模型，对原始图像进行几何精校正
几何精校正的精度分析，若偏差较大，应重新进行，直到满足精度要求为止。

GCP的选取：

在图像上有明显的、清晰的定位识别标志，如道路交叉点、河流叉口、建筑边界、农田界线
地物稳定，不随时间而变化，以保证两幅不同时段的图像或地图几何纠正时，可以同时识别出来。
地面控制点应当均匀地分布在整幅图像内，且要有一定的数量保证。

多项式纠正模型：

参考图上的坐标：经纬度、平面投影坐标
图像上的像元坐标：一般是其行、列号。

精度检验：

当多项式的次数选定后，用所选定的地面控制点坐标，按最小二乘法回归求出多项式系数（又称换算参数）。然后用公式计算每个地面控制点的均方根误差（RMS Error）。

重采样·内插方法：

像元经校正重新定位后，输出图像像元点的规则排列被打乱，需按一定规则重新采样，建立新的图像矩阵。

常用的内插方法：

最邻进法：将最邻近的像元值赋予新的像元
- 仍保持原来的像元值，简单、速度快，不丢失细节。
- 会产生半个像元的位置偏移，某些地方不连贯，不连续性。
双线性内插方法：使用邻近4个点的像元值，按照其距内插点的距离，赋予不同的权，进行线性内插
- 具有平均化的滤波效果，比较连贯，具有平滑作用。
- 破坏了原来的像元值，有低频卷积作用，出现模糊现象；计算稍复杂。
三次卷积内插方法：使用内插点周围的16个像元值，用三次卷积函数进行内插
- 对边缘有所增强，有均衡化、清晰化效果。
- 破坏了原来的像元值，计算较大、复杂。

4. 图像配准

原理同几何精纠正
适用于多幅图像之间几何校正处理。一般用一幅图像（基准图像）对另一幅图像进行校正。

第四节数字图像的镶嵌与裁剪处理

1. 图像镶嵌的基本概念

把单幅的图像根据某些标志拼接成一幅大的图像。

同一成像时间相同成像条件：

比较简单，因为要镶
精确几何精纠正与精确配准。

不同时相或成像条件存在差异的图像：

首先，要解决图像精确配准和几何镶嵌问题
另外，灰度镶嵌

2. 图像配准及匹配

配准：是保证镶嵌图像几何位置的一致，使其准确的配准，精确的整合在一起，在重叠区选控制点。
图像的匹配：效果一致、色调、亮度（作用最明显）、对比度一致。
- 常用的匹配方法：直方图匹配、彩色亮度匹配。
- 直方图匹配：转换一幅图像的直方图，通过建立数学上的检索表，使其和另一幅图像的直方图相似。
- 彩色亮度匹配：将要匹配的图像以RGB彩色空间变换为亮度、色调、饱和度（IHS空间）然后用参考图像的亮度替代要匹配图像的亮度，再进行IHS到RGB的变换。

3. 镶嵌图像重叠区的灰度确认

（1）把两幅图像对应像元的平均直值作为镶嵌图像的灰度值

（2）取最大值

（3）加权和

4. 图像裁剪处理

目的是将研究之外的区域去除，获得完整的研究区数字图像。

过程：

矢量边界范围栅格化：是将面状矢量边界数据转化成二值栅格图像文件，文件像元大小与被裁剪图像一致。
掩膜计算（mask）：把二值图像中的裁剪区域的值设为1，区域外取0值，与被裁剪图像做交集运算。

第五节 RS 图像信息特征的统计分析

1. 遥感图像分析的基本统计

均值average：反映地物的平均反射强度，表示了地物的平均反射率。
中值mid value：图像灰度的中间值。反映了图像的总体亮度水平。
众数mode：出现最多；一幅图像中最大地物类型反射能量的反映。主要地物类型多个，众数也可能多个。
数值域：反映图像灰度动态变化范围。是RS图像灰度值变化程度的反映，可以间接地反映RS图像的信息景。

范围越大，影像的反差越强；
范围越小，影像越平淡。
方差和标准差：描述了像元值与图像平均值的离散程度，是图像信息量大小的重要标志之一。

当值较大时，说明灰度分布差异明显，图像信息量较大；
当值较小时，说明图像较均匀、细节较少。
反差contrast：描述的是图像的显示效果，直接影响图像的可分辨性。

2. 图像的直方图

概念：

每个波段亮度值的分布曲线
横轴：灰度级
纵轴：像元数 / 均分数

直方图的基本类型：

频数直方图：纵坐标值是某个灰度级的像元在图像中出现的百分数，它相当于概率密度曲线。
累积直方图：纵坐标是小于或等于特定灰度级像元在图像中的百分数，它相当于累积概率密度曲线。

图像数据集的理想分布：

在地物类型差异不是很大的情况下，图像数据像自然界的其它现象一样，服从或接近正态分布。

直方图的偏斜度量：

直方图发生偏斜时，RS图像的均值、中值、以及众数都将明显的不同用SK表示：
G：均值
mode：众数

直方图的特点：

① 直方图是对像素值分布概率的统计。通过直方图可知道某灰度级包含多少像素，但不知道像素点的位置。
② 一幅图像只能对应一幅直方图，但一个直方图可以对应多幅图像。
③ 分区直方图之和等于整个图像的直方图。即整个图像直方图是各区直方图的叠加。
④ 直方图的分布表达图像的反差及地物的反射率。

3. 多波段图像信息特征分析

协方差与协方差阵：

其中：

—— 波段与波段的协方差；
、 —— 第个像元在波段、上的灰度值；
、 —— 各波段的平均灰度值；
—— 样本像元总数。

相关系数与相关矩阵：是描述波段图像的相关程度的统计量：

其中：

—— 波段与波段的相关系数；
—— 协方差；
、 —— 各波段的方差（协方差矩阵的对角元素）。

第四章图像增强处理

第一节图像增强处理概述

1. 图像增强处理及其目的

可以突出图像中的有用信息，使图像中感兴趣的特征得以强调
最基本方法之一
使图像变的清晰，主要目的是为了扩大图像反差
提高图像的可解译性

2. 图像增强处理方法分类

按照增强的信息内容

波谱信息增强：主要突出灰度信息
空间特征增强：主要是对图像中的线、边缘、纹理结构等特征进行增强过程
时间信息增强：主要是针对多时相图像而言，目的是提取多时相图像中波谱空间特征随时间变化的信息

按图像增强处理空间

空间域增强：（图像空间）直接对RS图像进行各种运算
频率域增强：（频谱空间）

按图像处理的数学方式

点处理：是一种较简单的图像处理形式，它把原图像中的每一个像元值，按照特定的数学变换模型转换成输出图像中的一个新的灰度值。
邻域处理：是针对一个像元点周围的一个小邻域的所有像元所进行，输出值的大小除与像元点在原图像中的灰度值大小有关外，还取决于它邻近像元点的灰度值大小。
- 常用四邻域与八邻域
多波段处理：波段间经过运算处理，增强某种地物，+-*/ 波段运算
- 常用差值、比值

第二节反差（对比度）增强

1. 反差增强的原理

扩大图像的灰度动态范围，达到使图像信息增强的目的。

2. 反差增强方法

线性拉伸：

将像元值变动范围按照线性关系扩展到指定范围

均匀拉伸：将像元值的变动范围按照线性关系均匀扩展到预定范围。
- 一般像素的灰度范围：0-255（256个等级）
分段线性拉伸：将RS图像整个灰度范围划分n个区间，分区间进行扩展，每一区域有自己的变换函数。

非线性拉伸：

对于要进行拉伸的灰度范围是有选择性的。

指数扩展：把原的图像灰度区间[a,b]扩展为[c,d]
- 拉伸的是高亮度值部分，又叫亮区拉伸。
对数扩展：
- 拉伸的是低亮度部分，又叫暗区拉伸。

直方图均衡化：

又称直方图平坦化
把原来的直方图调整为一个新的均衡化、平坦化的直方图，调整后的图像每个灰度级包含有大致相等的像元个数，原始的RS图像的概率P函数图像变成一条平坦直线。
类似于中区扩展。

直方图归一化：

把原始直方图调整为事先规定的形式（多正态分布）

图像的二值化：

0, 1
最常用阈值法：
- 高于阈值 = 1
- 低于阈值 = 0

第三节比值与差值增强

比值法和差值法适用于多波段影像

1. 比值增强

概念：

是通过比值图像来突出类别或目标信息的方法。
比值是除法运算，比值图像由两个波段对应像元的亮度之比。

优势：

消除光照条件影响，亮度值改变，但亮度比值不变。
地物变化的动态监测。
比值图像可以突出某些地物，消弱某些地物，从而提取目标信息。（比值彩色合成法）

比值增强方法：

分为简单比值和组合比值

和差组合比值
交叉组合比值
标准化比值

2. 差值增强

通过差值图像来突出类别或目标信息的方法。
原理与比值法相同，主要用于提取多时相图像中地物随时间而变化的信息。

3. 比值和差值增强的预处理及后处理

重要：保证两个或多个图像的可比性。
预处理：
- ① 大气校正，避免大气条件差异影响
- ② 确定比值/差值处理方案
后处理
- ① 准确识别增减地物，制定科学分类检索方案
- ② 比值/差值常常会放大图像中噪声信号，应对结果进一步分析处理

4. 波段图像间的算数与逻辑运算

波段图像之间算术运算（比值、差值）
均值运算、最大值运算、min运算、乘法运算
逻辑运算：运用逻辑关系进行运算。
用的最多的是逻辑与、逻辑或、逻辑非。

5. 植被指数

由多光谱数据，经过线性和非线性组合构成的对植被有一定指示意义的各种数值
实际也属于波段算术运算的一种。
根据植被光谱特征，常用光和近红外：
常用的是归一化植被指数：
正值为植被，负值为水，零值为裸土。

第四节图像彩色增强处理

1. RS 图像的彩色

(1) 真彩色：与地物真实颜色相同/近似
(2) 假彩色
(3) 伪彩色

2. 假彩色合成

给定RS图像任意3个波段以不同颜色

加色法混色
减色法混色

3. 假/伪彩色显示

将一个波段或单一的黑白图像变换为彩色图像

首先规定不同密度等级的彩色编码表，经计算机处理，即可显示假彩色密度分割图像
确定最大/小亮度值，在该亮度范围内定出要分割的级和每一级分割的值

4. 彩色空间变换

彩色空间：

有两种：

RGB：由红、绿、蓝三原色组成的彩色空间，即RGB空间
IHS：由色调、饱和度、明度三个要素构成的空间即IHS空间，又称色系彩色空间。

RGB空间的不足：

RGB空间难以定量分析，不同色彩难以用准确数值来表示。
RGB图像的视觉效果较差。
RGB空间对图像进行增强处理结果难以控制，人眼不能直接感受RGB三色比例。

IHS空间的表示方法：

色调H：
- R、Y、G、D、P 五种基本色调，
- YR、GY、BG、PB、RP 五种中间色调，每个色调分10份
明度I：从0（黑）—10（白）分为11个等级来表示亮度
彩度S：从无彩色（灰色）到鲜艳（单色）分开，以数学表示
表示方法：色调—亮度/彩度
- 如：

彩色空间转换：

第五节图像的平滑处理

图像的低频和高频信息：

图像背景、区域性的、大型地物。如植被、湖泊等亮度变化是渐变的，与图像中低频相对应。
而一些子地貌变化，线状地物、子断裂等往往是在图像亮度突变处，与高频密切相关。

图像的平滑与尖锐化：

突出图像的低频信息，压抑图像高频成分，图像乘积平滑
增强图像高频信息，是尖锐化

1. 滑动平均法

输入图像中像元的邻域平均灰度作为输出图像中像元灰度值
降低由于图像噪声而引起的灰度偏差
邻域大小与平滑效果直接有关
邻域越大，平滑使边缘信息损失越大，合理选择

2. 多图像平均法

利用同一景物的多张影像相加来抑制噪声引起的高频成分，从而达到图像平滑的目的
操作难度大，实际应用少

3. 中值滤波

把局域区域中的中间亮度值作为区域中心点像元的输出值
3×3窗口，从大到小排序

4. 自选择的局部平均法

是一种带门限值的滑动平均预处理

设定一个门限值T（阈值）
计算窗口内像元，灰度平均值x
计算x与窗口中心像元点灰度值绝对差D
比较D与T，D>T，输出灰度值为x，反之不变（窗口中心灰度值）

可以使边缘损失减少，减轻输出图像模糊效应

5. 频率域低通滤波法

1
2
3

                  频率域          频率域
空间域--→傅立叶变换 ----------→ 滤波-----→傅立叶变换→空间域
                  抑制高频成分

常用的低通滤波器：

理想滤波器：
Buterworth滤波器：
指数滤波器：
梯形滤波器：

第六节 RS 图像的线与边缘特征增强处理

尖锐化处理
高通滤波处理

1. 频率域高通滤波处理

理想高通滤波器：
高通型Buterworth滤波器：
高通型指数滤波器：
梯形滤波器：

2. 空间域的定向滤波

原理：

通过一定尺寸的方向模板对图像进行卷积运算，并以卷积值代替原有亮度值
所谓的方向模板（卷积核）是一个各元素大小按照一定的规律取值，并因而对于某一方向灰度变化最敏感的数字矩阵
在所要求增强的方向上取值最大

计算方法：

卷积运算
模板的中心图像像元依次移动，在每一位置上把模板中每个点与图像上相对应的像元点相乘后相加

滤波器：

第七节图像变换

Image Transform
目的：为了简便而有效地对RS图像进行增强处理
RS图像从一种形式转换到另一种形式

1. 傅里叶变换

空间域 → 频率域

一维连续函数的傅立叶变换

一维傅里叶变换公式为：

对应的逆变换为：

二维连续函数的傅立叶变换

二维傅里叶变换为：

逆变换为：

2. 主成分分析（K-L 变换/PCA）：

K-L变换的作用：

对于一幅多波段图像，波段之间往往存在很大的相关性，直观上即不同波段图像之间很相似，有相当大的数据量是多余、重复的

主要特征

① 能够把原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中。
② 它能使新的组分图像中的组分之间互不相关，也就是说，各个组分包含的信息内容不重叠，起到数据提纯的作用。

进行 K-L 变换的目的：

① 压缩数据量，节省计算机的内存，加快图像处理速度
② 去除相关和图像增强

K-L变换的性质特点：

K-L变换是一种线性变换，是最佳的正交变换。
可用形式表示。
变换矩阵A是由各波段之间的协方差矩阵产生的由特征值向量所组成的矩阵
特点：
- ① 变换前后方差总和不变，而是把原来方差不等量地再分配到新的组分图像中
- ② 第一组分取得方差的绝大部分，一般约80%以上，后续组分图像的方差依次减少
- ③ 各组之间相关系数为 0 或接近于 0，即各组分图像的信息不同新的组分

K-L变换的一般流程：

多波段图像的统计特征分析
形成K-L变换的系数矩阵A：特征值、特征向量
K-L变换的后处理：对各组分图像进行分析处理

$求均值求相关矩阵求特征值求权系数用方差最大准则旋转初始矩阵计算旋转后的因子系数矩阵$

3. 其他图像变换方法

RGB to IHS
波段运算
缨帽变换
小波变换
……

第五章 RS 图像的分类处理

第一节 RS 图像分类原理与方法概述

1. 图像分类的概念

就是把图像中的每个像元或区域划归为若干类别中的过程
图像分类的过程就是模式识别的过程
RS图像分类的任务是通过对各类地物的光谱特征分析来选择特征参数，将图像特征空间划分为互不重叠的子空间，然后将影像内每个像元划分到各个子空间中，从而实现分类。
信息提取：通过图像分类提取地物面积信息、分布

2. RS 图像分类方法

监督目视解译
计算机自动分类
- 监督分类
- 非监督分类
基于人工智能和专家知识的分类

监督分类

又称为训练区分类，是在有先验知识的条件下，是利用对地面样区选择有代表性的训练样本来训练计算机，计算机按一定的统计判别规则对未知地区进行自动分类的方法

非监督分类

是根据图像数据的本身统计特征及点群的分布情况，从统计学的角度对图像数据进行类别划分
依赖于图像统计特征作为分类的基础，即相同的地物反映为相同的光谱反射值，则在图像空间中存在着有同一类地物聚集点所形成的点群

3. 图像分类处理和图像增强处理的异同

共同点：都是为了增强和提取遥感图像中的目标信息
图像增强：是增强图像的视觉效果，提高图像的可解译性
图像分类：着重着眼于地物类别的划分
- 定性的
- 定量的

第二节 RS 图像的监督分类

1. 概念及过程

“先学习-后分类”
先从图像中选择有代表性的训练区，选取所有要区分的各类地物的样本，用于训练分类器

监督分类过程：

打开图像目视观察
训练区选择
分类
结果输出

打开图像
  ↓
启动特征编辑器
  ↓
训练样地的建立与修改
  ↓
训练样地评价
  ↓
进行监督分类
  ↓
分类图后处理

选择样区原则

（1）样区要有代表性
（2）样区内的地物是单一的
（3）样区内的地物类别是已知的

2. 监督分类优缺点

优点

可以根据应用目的和区域，有选择的决定分类类别，避免出现一些不必要的类别。
可控制训练样本的选择。
可通过检查训练样本来决定训练样本是否被精确分类，从而避免分类中的严重错误。
可避免非监督分类中对光谱集群组的重新归类。

缺点

人为主观因素较强。
图像中同一类别的光谱往往有较大差异，训练样本可能没有很好的代表性。如同一森林类别等。
训练样本的选取和评估需花费较多的人力、时间。
只能识别训练样本中所定义的类别，若某类别其数量太少则容易遗漏。

3. 监督分类方法

最大似然法

概念：逐点计算图像中每个像元与每一个给定类别的似然度，然后把该像元分到似然度最大的类别中。
使用的判别函数有：
- 距离判别函数
- 概率判别函数（如Bayes~）
过程：
1. 选择代表性的训练区
2. 对样区内地物进行灰度统计和运算，求其各类参数
3. 选择判别函数并确定判别规则
4. 输入待分类数字图像，计算未知像素落在已知地物类别集群的概率

最小距离法

基本原理：利用训练样区数据获得各个类别的特征参数，对于未知像元，计算它与各个类别特征参数的距离，将未知参数归并到最小距离的类别中
涉及距离类型：绝对距离、欧氏距离等。

特征曲线法

原理：相同的地物在相同的地域环境及成像条件下，其光谱曲线是相同或相近的，可通过地物特征曲线的比拟进行分类
分类过程：
1. 利用训练区数据绘制每个分类类别的特征曲线
2. 对每个待分像元计算其特征曲线
3. 将未分像元的特征曲线与每个分类类别的特征曲线相比较，归并到最接近的类别中

第三节非监督分类

1. 原理与概念

在无先验类别的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并的方法。
RS图像上的同类地物应当具有相同/相近光谱特征相同或相近，同属一个光谱空间，也叫“聚类分析”“点群分析”，仅需很少的人工和初始输入。

2. 非监督分类优缺点

优点

不需要预先对所需分类的区域有广泛的了解和熟悉，无需选择训练样本。
人为误差的机会减少，非监督分类只需定义几个预先的参数，比监督所产生的更均质。
______，覆盖别的类别，能够被区分识别。

缺点

非监督分类产生的光谱集群组不一定对应分析者想要的类别，因此，存在集群与类别不相匹配的问题，几乎很少有一对一的关系。
分析者难以控制分类过程和产生的类别。
图像中各类别的光谱特征会随时间、地形等变化，不同图像或不同时段的图像之间的光谱集群组无法保持其连续性，图像之间对比困难。

3. 非监督分类方法

聚类分析

以图像的统计特征为基础，按照像元间的联系程度（亲疏程度）来进行归类的多元统计分析方法。
步骤：
① 确定采用的距离，即个体间亲疏关系的评价标准（如欧氏距离）
② 确定最终类别数，根据分类数确定分类的最终类别（集群）数
③ 计算个体间的距离
④ 找出距离最小的类别组
⑤ 计算归并后新个体间的距离，再归并
⑥ 判别。若满足给定类别数，聚类分析结束；若不满足，则重复④ - ⑥，直到满足为止

ISODATA法

重复自组织数据分析技术
分析前定义参数：
- ① 最大的集群组数，应多于最终所需类别
- ② 在循环中，最大的类别不变的像元百分比
- ③ 最长的时间
- ④ 每个集群中最小像元数量
- ⑤ 最小的集群均值间距离，小于则合并
- ⑥ 集群分散值，通常为0
循环过程：
- ① 初始随机的选择Cmax中心
- ② 计算其他像元离这些中心的距离，按最小距离规则进行归类
- ③ 重新计算每个集群的均值，按已定义的参数合并或分开集群组。
- ④ 重复 ② - ③，直到其满足循环结束条件

第四节误差和精度评价

1. 精度评价含义

精度评价是对两幅图像进行比较，其中一幅是要进行评价的遥感分类图像，另一幅是假设精确的参考图。由此确定分类的精确度。
其参考类别一般通过野外考察、更详细的航片，或其他来源的专题分类图得到大多数精读评价。
都是对图像进行采样，采用抽样验证的方法。

2. 抽样方法

抽样方法	说明	适用场景
简单随机抽样	分类图上随机选一定数量像元，对比其类别与实际类别的一致性	各类别分布均匀、面积差异小
系统采样	按单位面积图面抽取固定样点数，保证抽样均匀性	需抽样均匀的场景
分层采样	先对图像分层（如地理区、类别等），再对每层采样，层内可采用简单随机或系统抽样	地理区、自然生态区、行政区域或分类后的类别
聚点/集群采样	先抽主样本（如多边形、航片等），再在主样本内抽二级样本	需保证每个类别样本量的场景

3. 误差矩阵与精度估计量

（1）误差矩阵（混淆矩阵）
为n×n矩阵（n为类别数），是精度评价的标准格式，用于呈现分类结果与实际类别的混淆情况。
（2）基本精度估计量
- 总体分类精度：表示分类结果与地面实际的符合概率。
- 用户精度（第i类）：表示从分类结果中一个随机抽取样本
- 错分误差 = 1 - 用户精度
- 制图精度（第j类）：表示地面获得的实际类资料
- 漏分误差 = 1 - 制图精度

4. KAPPA 分析

公式：（为总像元数，为误差矩阵对角线像元数，为第i行和，为第i列和）。
一般认为时，分类结果较合适。

绪论