1、第六章 遥感图像辐射处理,内容提纲,遥感图像的辐射处理 遥感图像增强 图像平滑 图像锐化 多光谱图像四则运算 图像融合,问题的提出,传感器接收的电磁波能量与目标本身辐射的能量是不一致的。 传感器输出的能量包含了由于太阳位置和角度条件、大气条件、地形影响和传感器本身的性能等所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解造成影响，必须加以校正或消除。,基本概念,辐射定标和辐射校正是遥感数据定量化的最基本环节。 辐射定标：指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。 辐射校正：指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。,
2、6.1遥感图像的辐射处理,辐射误差 传感器辐射标定 辐射校正 地面辐射校正场,6.1.1辐射误差,传感器接收的电磁波能量包含三部分： 太阳经大气衰减后照射到地面，经地面反射后，又经大气第二次衰减进入传感器的能量 地面本身辐射的能量经大气后进入传感器的能量 大气散射、反射和辐射的能量。 遥感图像的辐射误差主要包括： 传感器本身的性能引起的辐射误差 地形影响和光照条件的变化引起的辐射误差 大气的散射和吸收引起的辐射误差,6.1.2传感器辐射定标,绝对定标：对目标作定量的描述，要得到目标的辐射绝对值。绝对定标要建立传感器测量的数字信号与对应的辐射能量之间的数量关系，即定标系数，在卫星发射前后都要进行
3、。 相对定标：只得出目标中某一点辐射亮度与其他点的相对值。又称为传感器探测元件归一化。为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。由于传感器中各个探测元件之间存在差异，使传感器探测数据图像出现一些条带。相对辐射定标的目得就是降低或消除这些影响。,绝对定标方法,设传感器入口处波段i的辐射度Li和传感器输出的亮度值i之间存在线性关系：卫星运行时，传感器的辐射灵敏度将随时间而变，故传感器的绝对辐射定标中的增益和偏置量要不断更新。这一更新利用卫星上的太阳标定器和地面标定场来完成。,Landsat专题制图仪TM的辐射定标,TM1，2，3，4，5，7的辐
4、射定标通过星上定标光源系统进行。该系统有三组带有遮光快门的定标光源，一个可控制黑体温度的表面供第六波段定标。快门还提供一个零辐射亮度的表面作为TM1，2，3，4，5，7波段的直流参考水准，并提供第二个已知温度表面供六波段定标。在TM遥感器正反扫描前的1.31.5毫秒时间间隔内，探测器同时观测到定标辐射信号灯、直流参考水准和已知温源。前二者用于TM1，2，3，4，5，7波段定标而后者用于第六波段温度定标用。,6.1.3辐射校正,影像的辐射校正 太阳高度角和地形影响引起的辐射误差校正 大气校正 系统噪音,大气校正,大气的影响：减少照射到地面的能量，增加对传感器探测到的，与地面特征无关的散射。 消除
5、大气的影响是非常重要的，消除大气影响的校正过程称为大气校正。校正的方法： 寻找0反射目标 条件：整个图像在相同的大气条件下获得。,常用校正方法,1) 基于地面场地数据或辅助数据进行辐射校正 在遥感成像的同时，同步获取成像目标的反射率，或通过预先设置已知反射率的目标，把地面实况数据与传感器的输出数据进行比较，来消除大气的影响。本方法假设地面目标反射率与传感器所获得的信号之间属于线性关系。,常用校正方法,2) 利用某些波段特性来校正其它波段的大气影响。 一般情况下，散射主要发生在短波图像，对近红外几乎没有影响，如MSS-7几乎不受大气辐射的影响，把它作为无散射影响的标准图像，通过对不同波段图像的对
6、比分析来计算大气影响。,回归分析法,在不受大气影响的波段图像和待校正的某一波段图像中，选择从最亮到最暗的一系列目标，对每一目标的两个波段亮度值进行回归分析，如MSS的第4和7波段，其亮度值分别为L4和L7，回归方程为：,直方图法,目标：图像中存在亮度为零的目标。 理想情况：图像的亮度值应为零。 实际情况：目标的亮度值不为零。 方法：根据具体大气条件，各波段要校正的大气影响是不同的。为确定大气影响，显示有关图像的直方图,从图上可以得知最黑的目标亮度为零，即第七波段图像的最小亮度值为零，第四波段的亮度最小值为a4，则a4就是第四波段图像的大气校正。,直方图法,系统噪音,图像数据中的干扰。 产生的原
7、因：受感测、信号数字化或数据记录过程中的限制。 影响：数字图像质量下降，或完全掩盖图像中的真正辐射信息。 目的：图像恢复到与初始图像尽可能接近的状况。 方法：与噪音的特性有关 关键：探测噪音,系统的条带噪音,6.1.4地面辐射校正场,当遥感数据进行辐射定标和辐射校正后，如何评价其精度，需要通过地面辐射校正场来对计算结果进行验证和修正。因此通过地面辐射校正场来提高辐射定标和校正的精度具有特别重要的意义。 建立地面辐射校正场符合遥感数据定量化的需要 建立地面辐射校正场可以弥补星上定标的不足 满足多种遥感资料的应用需要,现有的定标场,一个完整的地面试验场对地理环境和技术准备有极高的要求。目前世界上比
8、较典型的地面辐射场有：1979年美国在新墨西哥州白沙建立的地面辐射定标场，1987年法国在马赛西北La Crau建立的地面辐射定标场。利用地面辐射定标场对有关的传感器进行了定标，取得了预期的成果。,我国地面辐射校正场,从二十世纪八十年代接收和应用国内外气象和陆地卫星数据时，已认识到了在我国建立自己的地面辐射校正场的重要性和迫切性，以提高数据辐射定标和辐射校正精度。以后我国将发射自己的各类遥感卫星，因此建立地面辐射校正场具有十分重要的现实意义。 我国根据需要选择了敦煌西戈壁作为可见光和红外波段的辐射校正场，青海湖作为热红外波段和红外低发射率的辐射校正场。,中国气象局第7号令 气象探测环境和设施保
9、护办法,第十五条 严禁在遥感卫星辐射校正场场区内从事任何建设和改变场区内自然状态的行为。本办法所称遥感卫星辐射校正场，是指利用辐射特性稳定、均匀的地物目标作为辐射参考基准，通过星地同步观测，对在轨运行遥感仪器进行绝对辐射定标或星上辐射定标校正的场地。,6.2 遥感图像增强,图像灰度直方图 图像反差调整,6.2.1 图像灰度直方图,图像灰度直方图反映了一幅图像中灰度级与其出现概率之间的关系。,6.2.2 图像反差调整,线性变换 直方图均衡 直方图正态化 直方图匹配 密度分割 其他非线性变换,线性变换,简单线性变换：按比例拉伸原始图像灰度等级范围 目的：为了充分利用显示设备的显示范围，使输出直方图
10、的两端达到饱和。 特点：一对一关系，像元总数不变。 其数学表达式为：,线性增强,线性变换,直方图均衡,将随机分布的图像直方图修改成均匀分布的直方图，其实质是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。,直方图均衡,效果：增强了峰值处的对比度，两端（最亮和最暗）的对比度减弱了,直方图均衡,直方图正态化,将随机分布的原图像直方图修改成高斯分布的直方图,直方图匹配,通过非线性变换使得一个图像的直方图与另一个图像直方图类似。 要求 1图像直方图总体形状应类似； 2图像中黑与亮特征应相同； 3图像的空间分辨率应相同； 4图像上地物分布应相同，尤其是不同地区的图像匹配。
11、如果一幅图像里有云，而另一幅没有云，那么在直方图匹配前，应将其中一幅里的云去掉。,其他非线性变换,非线性变换有很多方法，如对数变换、指数变换、平方根变换、标准偏差变换、直方图周期性变换。,密度分割,密度分割与直方图均衡类似。产生一个阶梯状查找表，原始图像的灰度值被分成等间隔的离散的灰度级，每一级有其灰度值。,n为密度分割的层数,密度分割,灰度反转,对图像灰度范围进行线性或非线性取反，产生一幅与输入图像灰度相反的图像。 结果：原来亮的地方变暗，原来暗的地方变亮。 灰度反转有两种算法： 简单的灰度反转 条件反转,灰度反转,条件反转其中Din为输入图像灰度且已归一化（01.0），Dout为输出反转灰
12、度。简单的灰度反转,6.5 多光谱图像四则运算,针对多源遥感图像的特点，可以利用多源图像之间的四则运算来达到增加某些信息或消除某些影响的目的。 减法运算 加法运算 乘法运算 除法运算 混合运算,减法运算,Bm=BXBY 其中BX、BY为两个不同波段的图像或者不同时相同一波段图像。 当为两个不同波段的图像时，通过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。而当为两个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。 当用红外波段与红波段图像相减时，即为植被指数，即VI=B1RBR,红外波段-红波段,加法运算,通过加法运算可以加宽波段，如绿色波段和红色时段图像相加
13、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。,红波段+绿波段,除法运算,通过比值运算能压抑因地形坡度和方向引起的辐射量变化，消除地形起伏的影响； 也可以增强某些地物之间的反差，如植物、土壤、水在红色波段与红外波段图像上反射率是不同的，通过比值运算可以加以区分。 因此，比值运算是自动分类的预处理方法之一。,红波段/红外波段,混合运算,归一化差分植被指数，也称为生物量指标变化，可使植被从水和土中分离出来。差分比值运算 ，可以消除部分大气影响。,6.6 图像融合,图像融合：将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。,融合的目的,从不
14、同的遥感图像中获得更多有用的信息，补充单一传感器的不足。 全色图像一般具有较高空间分辨率（如SPOT全色图像分辨率为10m），多光谱图像光谱信息较丰富（SPOT有三个波段），为提高SPOT多光谱图像的空间分辨率，可以将全色图像融合进多光谱图像。通过融合既提高多光谱图像空间分辨率（10m），又保留其多光谱特性。,关键技术问题,图像的配准 空间配准 数据关联 融合模型的建立与优化 充分认识研究对象的地学规律与信息特征 充分了解每中融合数据的特性，适用性和局限性 如何考虑选择最佳波段用于融合 融合方法的选择,融合的层次,基于像素的融合，基于特征的融合，基于知识的融合,融合分类,三种融合层次特点比较,
15、遥感图像融合的条件,融合图像应包括不同空间和光谱分辨率 融合的图像应是同一区域 图像应尽可能精确配准 在不同时间获取的图像中，其内容没有大的变化,遥感图像融合流程,预处理包括两部分：图像几何校正与图像配准,基于像素级的图像融合具体方法,要求多源图像精确配准 分辨率一致 将图像按某种变换方式分解成不同级的子图像，同时，这种分解变换必须可逆，即由多幅子图像合成一幅图像，即为融合图像。这时多幅子图像中包含了来自其它需要融合的经图像变换的子图像。,融合的方法,加权融合 基于HIS变换的图像融合 基于主分量变换的图像融合 基于小波变换的图像融合 比值变换融合 乘积变换融合 基于特征的图像融合 基于分类的
16、图像融合,加权融合,基于像元的加权融合对两幅图像 按下式进行：,A，B为常数； 为两个图像的权，,为两幅图像的相关系数：,加权融合,SPOT全色图像与多光谱图像的融合，由于多光谱中的绿、红波段与全色波段相关性较强，而与红外波段相关性较小，可以采用全色波段图像与多光谱波段图像的相关系数来融合。其过程如下： 对两幅图像进行几何配准，并对多光谱图像重采样与全色图像分辨率相同； 分别计算全色波段与多光谱波段图像的相关系数；用全色波段图像和多光谱波段图像按下式组合：,基于HIS变换的图像融合,IHS变换将图像处理常用的RGB彩色空间变换到IHS空间。IHS空间用亮度（Intensity）、色调（Hue）
17、、饱和度(Saturation)表示。 IHS变换可以把图像的亮度、色调和饱和度分开，图像融合只在强度通道上进行，图像的色调和饱和度保持不变。,基于IHS变换的融合过程,待融合的全色图像和多光谱图像进行几何配准，并将多光谱图像重采样与全色分辨率相同； 将多光谱图像变换转换到HIS空间。 对全色图像I和HIS空间中的亮度分量I进行直方图匹配。 用全色图像I代替IHS空间的亮度分量，即HISHI S。 将HI S逆变换到RGB空间，即得到融合图像。,基于主分量变换的图像融合,方法一 对多光谱图像的多个波段进行主分量变换。变换后第一主分量含有变换前各波段的相同信息，而各波段中唯一对应各波段的部分，被
18、分配到变换后的其它波段。 将高分辨率图像和主成分第一分量进行直方图匹配，使高分辨率图像与主成分第一分量图像有相近的均值和方差。 用直方图匹配后的高分辨率图像代替主成份的第一分量进行主分量逆变换。,基于主分量变换的图像融合,方法二 将高分辨率图像作为一个波段和多光谱图像组合一起进行KL变换，变换后图像信息的再分配达到高分辨率图像和多光谱图像的融合。,基于主分量变换的图像融合,设全色图像P，多光谱图像M有n个波段，将M组合成一个含有n个波段的向量集X: 各个波段之间的方差为:,基于主分量变换的图像融合,协方差矩阵 ：一个满秩矩阵，其特征值为实数，它表示n+1个波段图像中的各地物在n+1维空间中的分
19、布。 求出特征值后对特征值 ，进行排序 ，求出对应的特征向量 ，构成特征向量集 。,基于主分量变换的图像融合,用KL变换式 进行KL正变换。变换后的第一主分量含有变换前各波段图像的相同信息，而各波段中其余对应部分被分配到变换后的其他波段。 将高分辨率的全色图像和中第一主分量进行直方图匹配，使高分辨率图像和第一主分量有相同的均值和方差。 最后用直方图匹配后的高分辨率图像代替主分量中的第一主分量和其余分量一起进行KL逆变换，然后对矩阵进行重组，得融合图像。,KL变换性质,KL变换是一个正交变换 KL变换后所得到的向量中各个元素互不相关 从离散KL后得到的向量删除后面的个元素而只保留前个元素时所产生
20、的误差满足平方误差最小的准则,基于小波变换的图像融合,采用离散二进小波变换的Mallat算法的图像融合步骤如下： 对高分辨率全色图像和多光谱图像进行几何配准，并且对多光谱图像重采样与全色图像分辨率相同； 对全色图像和多光谱图像进行直方图匹配； 对全色高分辨图像进行小波分解，分解成LL（低频部分），HL（水平方向的小波系数），LH（垂直方向小波系数），HH（对角方向的小波系数）； 对多光谱图进行分解成四部份LL，LH，HL，HH； 根据需要或保持多光谱色调的程度由, 中的LL重新组合成新的LL； 根据需要由, 中的LH，HL，HH重新组合成新的LH，HL，HH； 由,所得的新的LL，HL，LH，
21、HH小波反变换重建影像； 其它波段融合重复步骤。,比值变换融合,其中:Bi(i=1,2,3)为多光谱图像； D为高分辨率图像； DBi(i=1,2,3)为比值度变换融合图像。 比值变换融合可以增加图像两端的对比度。当要保持原始图像的辐射度时，本方法不宜采用。,乘积变换融合,乘积变换融合算法按下式进行：通过乘积变换融合得到的融合图像其亮度成分得到增加。,注意,在上述融合方法中，基于HIS变换融合和比值变换融合只能用三个波段的多光谱图像和全色图像融合，而其它方法不受波段数限制。,图像融合的效果评价,定性评价：主要以目视判读为主，目视判读是一种简单、直接的评价方法，可以根据图像融合前后的对比作出定性评价。缺点是因人而已，具有主观性。 定量评价：从融合图像包含的信息量和分类精度这两方面进行评价，可以弥补定性评价的不足。 基于信息量：熵 基于清晰度：平均梯度 基于逼真度：偏差指数 基于光谱差异 ：光谱扭曲值,HIS变换融合,分辨率提高，图像变得清晰，光谱信息明显降低，色彩严重失真,HIS变换融合图像效果评定,KL变换融合,清晰度和空间分辨率提高，特征更清晰，保持了原始图像的纹理特征。,KL变换融合图像效果评定,比值变换融合,亮度太低，反差不合适，目视效果不好 ，光谱信息丢失严重,比值变换融合图像效果评定,SAR TM PAN,SAR TM S+T,P+T S+T+P S+T,本章结束,
