遥感数字图像基础.doc

1、第一章 遥感数字图像基础图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体。人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人心目中形成的影像。图像是人的视觉系统对客观景物反射的光接收后在大脑中形成的印象或认识。数字图像是指一个被采样和量化后的二维函数，采用等距离矩形采样，对幅度进行等间隔量化：即数字图像是一个被量化的采样数值的二维矩阵。最原始的图像是不能被计算机处理的，这是因为计算机只处理数字而不是图片。这样在利用计算机处理图像之前就必须先将图像转化为数字形式，那么被转化为数字形式，以便使用计算机进行处理的图像即为数字图像。即

2、用一个二维数组 f (x,y) 表示一个从三维的客观景物得到的二维图像。其中 x 和 y 表示二维空间 XY 中的一个坐标点的位置，f 表示图像在点（x,y）的某种性质 F 的数值。物理图像原本是连续的，即 f，x，y 的值是任意实数。由于计算机不能直接对图像进行处理，就需要将连续的物理图像在坐标空间 XY 和性质空间都离散化。那么这种离散化了的图像就是数字图像。 数字图像处理是指对一个物体的数字表示施加一系列的操作，以得到所期望的结果，是指将一幅图像变为另一同经过修改或改进的图像，是一个由图像到图像的过程。具体而言就是利用数字计算机或其它高速、大规模集成数字硬件，对从图像信息转换来的数字信号

3、进行基本些数字运算或处理，以期望提高图像的质量或达到人们所要求的某些预期的结果。如对去除噪声；对信息微弱的图像进行增强处理；对失真的图像进行几何校正；从遥感图像中辨别农作物、水库、河流、植被等信息。 广义的数字图像处理包括以下几个部分：数字化 数字图像储存 数字图像传送 数字图像处理 数字图像的输出与显示狭义的数字图像处理包括以下几个方面几何处理 算术处理 图像增强 图像复原 图像融合 图像重建图像编码 模式识别 图像理解数字图像处理系统 一般包括四个部分：输入设备、输出设备、存贮器及运算处理器（计算机硬件和图像处理软件） 图1-3 数字图像处理系统数字图像处理的发展趋势：提高硬件速度 提高分

4、辨率 立体化 智能化 标准化第二节 遥感数字图像 遥感图像的记录方式 影像记录方式模拟图像 数字记录方式数字图像 影像记录方式模拟图像 影像记录方式，主要指摄影乳胶的光学记录方式。这是以感光材料乳胶作为探测元件，运用光敏胶片表面的化学反应来直接探测地物能量变化，并记录下来。不同物质的电磁辐射能量差别在胶片上是以影像的密度差（一种模拟量）来表示的。图像是以银粒作为最基本的采样点，构成影像的最小单元像点。数字记录方式数字图像 数字记录方式主要指扫描磁带、磁盘等的电子记录方式。它是以光电二极管等作为探测元件，将地物的反射能量，经过光电转换过程，把光的辐射能量差转换为模拟的电压差或电位差（模拟电信号）

5、 ，再经过模数变换（A/D ） ，将模拟量变换为数值（亮度值，也叫灰度值） ，存储在数字磁带、磁盘、光盘等介质上。构成数字影像的最小单元为像素（也叫像元） 。一个像素只有一个亮度值。它是像素内所有地物辐射能量的积分值。同一幅图像里成像时间不一，属多中心投影。扫描成像的电磁波谱段可包括从紫外远红外整个光学波段。由于可以灵活地分割成许多狭窄谱段。因此波谱分辨率高，信息量大，并适于数据传输和处理。 遥感数字图像的显示 遥感数字图像显示过程CPU 从存储介质中读取遥感数据，并以位形式存于图像处理器的缓冲存储器内。存储器里的读取器从位数据中读取每个像元的亮度值，然后将此值指派为 CLUT（颜色分配表）的

6、 RGB 值，并提供给模数变换器（DAC）将此分离的 R、G 、B 数据值变为适当的模拟信号（连续的电信号） 。此模拟信号用以调整RGB 枪的强度，即控制着每个像素在视频 CRT 屏幕显示的亮度。因此，我们从屏幕上看到是存储于图像处理装置里的数值的视频显示。由于屏幕更新速率速度超过人眼的敏感度，所以我们几乎感觉不到屏幕的闪烁。 遥感数字图像显示影响因素 （1）像素位数，以及显示器的辐射分辨率。遥感数据一般原始量化为 8 位数据（即每个像素由 8 个字节组成） 。每个显示器也有指定的辐射分辨率（即每个像素显示亮度值范围） 。1位分辨率的显示器仅能显示黑与白（0，1 值） ；6 位（64 个灰度级

7、）分辨率的显示器可以显示黑/白图像和进行专题制图及 GIS 应用。对于遥感图像处理需要高质量彩色显示，则要求显示器对每个RGB 原色有 8 位（256 个灰度级）或更高的辐射分辨率。 （2）颜色模型。遥感数据一般采用 RGB 颜色模型。即用三幅 8 位图像通过加色成色法可显示种不同的 RGB 彩色组合。如若 RGB 亮度值分别为 255、255、0 则产生亮黄色像素，若 RGB为 255、0、0 则得到亮红色像素，若 RGB 为 0、0、0 则得到黑色像素。（3）CLUT（颜色编码表） 。CLUT 是位于图像处理器内的缓冲存储器的一个分离块，它根据已定义的函数把输入的像素值实时地变换为 RGB

8、 组合。遥感数据的彩色显示严格受 CLUT 的大小和特征的控制。也就是说每个像素的彩色是由它在 CLUT 中的具体值决定的。CLUT 的作用就在于将像素值变换为屏幕显示的强度。但 CLUT 并不能精确地表示数据间的详细变化，仅控制着屏幕能显示的颜色数。 遥感数字图像显示的颜色模型 （1）黑/白图像显示（B/W） （2）伪彩色图像显示（Pseudo-color） （3）彩色合成图像显示 （4） “真彩色”图像显示 黑/白图像显示（B/W） 8 位图像处理器有一个相连的 8 位的 CLUT，该 CLUT 各 RGB 排列均呈现 0255 渐变顺序，即 CLUT 的每个元素对应相同的 RGB 值。如

9、 RGB（0，0，0）呈黑色， （127，127，127）呈灰色， （255，255，255）呈白色等。若某单波段图像的一个像素值为 127，则 RGB 值位于 CLUT的 127 处，再通过数模转换器（DAC）便在 CRT 屏幕上显示出一个中灰色像素。同理该图像的其他像元值在255 之间，最后便可得到一幅黑/白图像。 由于人眼只能区分二十余种不同等级的灰度，却可辨别几千种不同的色度与亮度，显然把黑/白图像变换为彩色，可以提高图像的鉴别度。 伪彩色图像显示（Pseudo-color） 伪彩色图像显示是作单色图像存储的。它实际是把黑白图像的各灰度值按一定的线性或非线性函数关系映射成相应的颜色。

10、图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体。人的视觉系统就是一个观测系统，通过它得到的图像就是客观景物在人心目中形成的影像。图像是人的视觉系统对客观景物反射的光接收后在大脑中形成的印象或认识。 彩色合成就是几个独立图像的组合在 CRT 显示屏幕上的显示。三幅 8 位图像以 RGB 方式存于存储器内，三个 8 位分离的数模变换器（DAC）连接每个以 R、G、B 图像的同一像素亮度值，并变换为模拟信号。这个信号用以调整 CRT 屏幕上 R、G、B 枪的强度，生成彩色合成图像。如像素（1，1）在红色图像面上亮度值为 255，在绿色和蓝色图

11、像面上亮度值均为 0，则在 CRT 屏幕上像素（1，1）呈现为红色（255，0，0） 。 “真彩色”图像显示 遥感数字图像的储存格式 遥感图像产品按记录介质主要分为两大类，即胶片、像片和计算机兼容磁带 CCT。而一般来讲，数据处理中心将接收站送来的高密度数字磁带首先处理成 CCT，然后根据需要，将有关CCT 磁带数据经过数/模（D/A ） ，生产出各种胶片和像片，所以遥感信息的存在形式主要是数字图像。 遥感数字图像可以储存在多种介质上，如磁带、光盘及软盘上，而其如何在介质上进行存储（如存储结构等）显得更为重要。 数字图像是以二进制形式存储的，最小的二进制存储单元是位（bit） ，每一个 bit

12、 只有两种可能值0 或 1，也可分别理解为“off”或“on”。而一系列 bit 就可以具有许多值，当然这取绝于bit 的数目。 一个字节（byte）由 8bit 组成。通常情况下，文件的大小及磁盘空间用 byte 数量为度量。 遥感数字图像可以以几种组织方式存储在磁带或其介质上，最常用的包括以下三种： BIL（Band Interleaved by Line） BSQ（Band Sequential) BIP（Band Interleaved by Pixel）BIL 格式（ Band Interleaved by Line） 按扫描行顺序记录图像数据，即先记录第一波段第 1 行、第二波段第

13、 1 行各波段的第 1 行扫描行，然后记录各波段第 2 行，即各波段数据间（按行）交叉记录方式。因此必须把一幅图像的所有波段数据读完后才生成图像。注：虽然图中标有 header 文件和 trailer 文件，但并不是所有的 BIL 数据都包含 header 文件和 trailer 文件BSQ 格式（ Band Sequential Format） 1）BSQ 格式（Band Sequential Format） 按波段顺序记录图像数据。每一个文件记载的是某一个波段的图像数据。LandSat TM数据多为 BSQ 格式。BSQ 格式的特点BSQ 格式中，每个完整波段的数据连续地存储在一个文件中，

14、它具有以下特点： 一个波段的数据容易读取和浏览 多光谱文件容易以各种顺序组织我们熟悉的 Landsat TM 数据就是以快速 BSQ 格式存储的。这种格式具有以下特点： 文件不跨磁带存储，即某一波段的数据从第一盘磁带开始，同时以这盘磁带结束； 每个波段文件均以 EOF 标识结尾； 每盘磁带以 EOV(卷尾) 标识结尾，每个 EOV 由三个 EOF 组成； 每盘磁带均包含一个头文件（header)BIP 格式（Band Interleaved by Pixel） 按像元顺序记录图像数据，即在一行中，按每个像元的波段顺序排列，属各波段数据间（按像元）交叉记录方式（各波段数据像元间交叉） 。关于头文

15、件头文件是 CCT 磁带中的一个十分重要的文件，它给出了每一陆地卫星图像的所有参量，在具体应用每一图像时，必须知道这些参量。那么头文件也可以理解为图像属性文件。让主要包括模拟数据记录、与投影有关的数据记录及注释记录等，头文件的作用 头文件主要有以下作用： 给出识别以后数据的内容、格式 给出正确的图像列阵和卫星特征 给出投影校正 给出所有印在标准胶片产品底的字母数字资料以及图像周围的信号资料。遥感数字图像处理系统 个完整的遥感数字图像处理系统应包括硬件和软件两大部分。硬件是指进行遥感数字图像处理所必须的硬器件设备。这些设备用光学器件、电子器件和机械部件部设计要求组装而成。其主体是计算机，及外围的

16、输入、输出、存贮、显示、操作等设备。软件是指进行遥感图像处理时所编制的各种程序。一整套图像处理程序构成图像处理的软件包，其中包括各种算法程序构成的应用软件包及必要的控制和管理程序构成的操作系统软件包等。 遥感数字图像处理的硬件系统 遥感数字图像处理硬件系统主要有三大部分组成：数字化器、数字计算机、显示和输出设备。此外还需具备大容量的存储器和操作台等。 遥感数字图像处理的软件是由许多图像处理控制和管理程序，图像处理算法程序等的构成，即由图像处理操作系统软件和图像处理应用软件构成。遥感图像处软件应包括以下功能： （1）数据的存取和删除； （2）数据显示； （3）辐射变换和校准； （4）几何变换和校

17、正 (5）数据压缩； （6）图像增强； （7）统计分析； （8）集群分析； （9）特征提取； （10）监督分类和非监督分类； （11）分类后处理和评价； （12）输出成果； 目前主流遥感图像处理软件有 PCI、ERDAS、ENVY 等。 第二章 视觉系统与彩色模型第一节 颜色基础人眼成像原理人眼的形状近似一个圆球，平均直径大约为 20mm，如图所示，眼睛的主要由角膜、晶状体、玻璃体、视网模等构成。其中晶状体在功能上与普通光学镜头相同，但晶状体要比普通光学镜头灵活得多。晶状体周围的睫状体纤维可以控制晶状体的形状，起到“调焦”的作用：当聚集在较运距离的物体上时，睫状纤维使晶状体变得扁平，屈光能力减

18、小。相反，当聚焦在较近物体上时，睫状纤维使晶状体变得较厚，屈光能力增大。当晶状体的屈光能力从最小变到最大时，晶状体聚焦中心和视网膜间的距离可以从约17mm 变到 14mm。当眼睛聚集在一个 3 米以外的物体上时，晶状体具有最小的屈光能力，当聚焦在一个很近的物体上时，晶状体具有最强的屈光能力。图 2-2 为人眼成像示意图。 光和颜色 了解颜色必须先了解自然光。物理学家已经确认光具有波粒二相性：即光由光子及光子的运动形成的波，其每一点的亮度代表有可能在该点发现一个光子。光的波粒二相性理论很好地解释了光作为粒子或电磁波时所形成的特殊物理现象。而颜色的本质就是人对视觉感知系统将不同功率的电磁波感知为不

19、同的颜色。正常情况下，人的眼可以看见电磁波谱中 0.38m 至 0.76m 波段范围内，即可见光。人眼所能反映出的颜色都可以和电磁波的波长相对应。例如：0.7m 是红色，0.58m 是黄色，0.51m 是绿色，0,47m 是蓝色等。我们每天感受到的颜色均源于不同的物理化学过程。我们知道客观世界中有一些物体是发光物体，即光源，而大多数物体仅仅是对光进行反射。这些过程可以分为加色成色过程、减色成色过程及着色成色过程加色成色过程与色度图通过棱镜，白光可以分解成彩色光谱，这最早是由英国物理学家牛顿系统研究和发现的。牛顿通过实验证实了白光不仅仅可以分解成彩色光谱，而且还可以通过棱镜将彩色光谱合成白光。在

20、加色成色过程中，就是在原来基础上，添加与两个或更多结合在一起的光相联系的光谱，结果得到的颜色在一给定的波长范围内的光子数是其组成成份在相同波长范围内的光子数的总合。 减色成色过程 减色过程一般发生在当光通过滤光器及染料时。滤光器原料一般为半透明的固体物质，它部分地吸收照射或通过它的光， 而其吸收范围取决于光的波长。比如红光 滤光器仅能通过光谱在红光范围内的光线， 而其它波段的光均被滤光器吸收，当几个 滤光器可以连续使用时，红光就可以通过 所有的滤光器。跟滤光器一样，染料也可 以选择性的吸取不同波段的光，如绿色染 料可以吸收除绿光以外所有的波段的可见 光，而只允许通过或反射绿光颜色的性质在物理学

21、中，颜色的性质由明度、色调和饱和度来描述明度（也叫灰度）是人眼对光源或物体明亮程度的感觉，与物体的反射率成正比。同时明度与人眼的成像系统有关，所以不同的人对相同的光源或物体的明度的感受可能是不同的。对于彩色光来说，其白色成份越多就越明亮，即白色比灰的明度高。对于光源亮度越大，明度越高，如白炽灯、日光灯等白光光源。当光源的亮度很高时，人眼看到的是白色，较低时则为灰色，最低即为无亮度则看到的是黑色。 对于不发光的物体，一般说来，物体反射率越高，明度就越高。当物体对可见光波段所有波长无选择地反射，反射率都在 80%90%以上时，物体为白色且显得很明亮；当反射率地所有波长均在 4%以下时，物体为黑色，

22、很暗；反射击率居中则表现为灰色，介于白和黑之间。 色调是颜色彼此相互区分的特性。光谱段的不同波长刺激人眼产生了红橙黄绿青蓝紫等彩色的感觉。图 2-5 明度轴和颜色环，它是颜色色调的理想示意图。圆环上把光谱色按顺序标出，从红到紫是可见光谱上存在的颜色。每种颜色对应一个波长值，是光谱色。人眼接收的光波有时不是单一波长的光波，而是一些波长的组合，找不到它们对应的波长值，如图中圆环上部的品红色，它与其它光谱色一起构成一个圆环。每种颜色都在圆环上或圆环内占一个位置，白色位于中心。 图2-5 明度轴和颜色环 饱和度是彩色纯洁的程度，也就是光谱中波段是否窄，频率是否单一的表示。对于光源发出的若是饱和的彩色，

23、如激光及各种光谱色都是饱和色。对于不透明物体颜色，如果物体对光谱反射有很高的选择性，只反射很窄的波段则饱和度高。如果光源或物体反射光在某种波长中混有许多其他波长的光或混有白光则饱和度变低。白光成分过大时，彩色消失成为白光。图 2-3 中颜色环上最外围的一圈是饱和度最高的颜色，位置越靠近中心，颜色越不饱和。色调和饱和度合起来称为色度。 颜色立体 颜色立体 通常用颜色立体来表示颜色特性之间的关系，如图 2-6，中间垂直轴代表明度，从底端到顶端，由黑到灰再到白明度逐渐递增。中间水平面的圆周代表色调，相当于颜色环，顺时针方向由红、黄、绿、青、蓝、品红逐步过渡。圆周上的半径大小代表饱和度，半径最大时饱和

24、度最大，沿半径向圆中心移动时饱和度逐渐降低，到了中心便成了中灰色。如果离开水平面圆周向上下白或黑的方向移动也说明饱和度降低。颜色立体是颜色环和明度轴的结合。颜色立体只能是一种理想状态，实际颜色分布不是正锥体，而是有的饱和在高明度区，有的饱和在低明度区，构成一种更为接近实际的颜色立体。 第二节 颜色表示 颜色表示的过程就是寻找一种用离散的模型来代替连续的模型的方法。而对于颜色来说就是用有限维的空间来表示无限维的空间。由于颜色空间与某一物理系统相关联，从而导致我们感兴趣的颜色空间实际上是一个与某一物理系统相关联的颜色空间。可以用 来表示光谱颜色空间。 颜色的表示包括采样和重建。采样是指用有限维的颜

25、色空间接近无限维的颜色空间；重建是用一给定的样本来恢复光谱颜色。在物理颜色系统中，采样与接收器相关联，而重建与发射器相关联。 光的物理学描述 光子的运动速度为 c，取决于光的传播介质。光以某一频率 f 传播，频率与光子的运动速度决定波长 ，公式为： 公式 2-1 每个光子的能量与光的频率有关，公式为： 公式 2-2 其中 h 为普兰克常数 h6.62610-34 焦尔/秒。 当光子撞击视网模，使电压升高，这种电信号在传送到大脑的过程中就被转变为颜色视觉。不同波长的光被感知为不同的颜色。但是人眼并不能感知所有波长范围的光，只有波长在380780nm 范围内，人眼才能感知，所以这部分光是光谱的可见

26、范围。简称为可见光谱。表 2-1 表示各种颜色范围对应的可见光谱的范围。 颜色 光谱范围紫色 380-440蓝色 440-490绿色 490-565黄色 565-590橙色 590-630红色 630-780 在绝大多数情况下，光是由波长相同的光子组成的，而一个光源在向外放射光子常常分布在同种波长范围内。根据光子数形成的光谱我们可以确定每个子波段范围光子的放射率。我们用n()d 表示单位时间内在（，+d）波长范围内光子的放射量，再根据公式 2-1 和公式 2-2我们可以得出单位时间相同波长范围内放射的能量为 hc/，这样我们就得到了光子能量的光谱分布，它是波长能量的函数。 从物理学的角度来看，

27、我们所说的颜色就是一个光谱，也就是不同波长的光以某一比例的混合。以同一波长放射光子的放射源称为单色光源，这种光源发出的光可以用脉冲函数来描述， 这种颜色就是前面我们已经提到的光谱色，即为纯色。 总之颜色信号的空间模型就是光谱函数。这个函数与波长相关，而波长正是描述光的能量的物理量。 颜色采样 一个物理颜色接收器由有限个感应器 S1,S2Sn 组成，每个感应器对应某一具体的光谱响应函数，它给出每个波长的光为感应器输出值贡献的分量，当感知器暴露于光谱颜色 C()的光照下时，结果住处是以整数形式给出的：一个理想的感应器用与不同波长相对应的整数来表示光谱空间的采样点。通常情况下，每个光谱响应函数并非脉

28、冲函数，只是近于脉冲函数，更精确的说是一种统一形式的正函数，其最大值在波长 0 处，如图 2-5。脉冲函数的反常值越小，感知器的反应就越局限到某一局部，色带的分辨率越高。 对可见光谱采样时感知器的运动 每一个感知器建立一个线性转化过程：R：Rn 公式 2-4 其中每个元素 Ci 是由公式 2-3 给定的，转化过程 R 代表颜色显示转换（representation transformation）这种转化就建立了光谱颜色空间与有限维空间的关联。条件等色 值得注意的是，颜色表示过程，具有不同光谱的颜色可能用相同的颜色矢量值 Rn 来表示，例如两个波长的光 C()、 c() 当经过感知器中颜色表示转

29、换过程 R 转换后，如果 R(C()=R(c( ) ，那么C()和 c()就叫做 “条件等色 ”，即光谱成分不同而看上去完全相同的两种颜色。这种条件等色现象意味着在物理上截然不同的两种颜色在接收器的视角来看是完全一样的，这种条件等色可以近似地用光谱颜色空间 来表示，如下： 由于颜色表示转换是线性的，那么这是一个等价的关系。空间 Rn 可以用条件等色关系与光谱颜色空间的商 来定义。如下图所示： 总之我们要清楚物理颜色接收器完成用一个有限维的矢量空间表示光谱颜色空间的任务，我们把这称为物理颜色接收器的颜色空间。 颜色重建 为了感知物理世界的颜色，人眼必须接收适当的光谱范围的可见光，这种连续的或类似

30、连续的信号事先必须被经过物理系统重建，才能被感知。颜色重建是由物理发射器完成。当被外界刺激时，发射器发光。颜色重建的数学原理 从数学角度看，发射器由有限个感应器 S1，S2Sn 组成，每个感应器发射器发射某一波段的颜色 Pi() ，设集合 =Pk(),(k=1,2,3n)， 是发射器的颜色空间集合，每种颜色Pi()叫做元色，这样每个由发射器产生的重建颜色都可以表示成发射器元色线性的合：集合 叫做发射器的元集合，矢量 1,2n 叫做发射器中颜色 C 的成分，叫做颜色的主成分，颜色 C 可以由元色通过加色法得到。由 Pk() 产生的矢量空间 P1(), P2(), Pn()是光谱颜色空间 的一个有

31、限维了空间。这样用物理发射器的元集很难将任意波长的颜色 C() 重建成。颜色重建的三个要素 实际上，这不是解决颜色重建问题的正确途径，颜色重建过程必须与颜色接收器采样过程相结合，更精确地说，涉及三个要素： 由波长决定的颜色 C()； 颜色采样：由具有 S1,S2,Sn 个感应器组成的接收器完成； 颜色重建：由具有P1(), P2(), Pn()元色集的发射器完成人眼的颜色重建过程 在这个实例中，人眼分别对实物及电视画面进行采样。电视机的颜色重建系统采用红、绿、蓝三元色基本原理。通常情况下，这是不能完美地实现对实物颜色系统的重建，但实际上，没有必要重建一个高质量的图像，只要重建后的图像看起来与采

32、样前的相同，这就足够了 一般情况下，接收器 Sr 生成颜色 C() 的离散表示： C1,C2,Cn，其中 Ci 是由公式 2-3 定义的。 显示的问题在于从发射器中的颜色空间获得一个颜色，以致于接收器 Sr 中的重建后的颜色 Cr( )在数值上能够代表源光谱色 C() 。换言之，问题在于通过接收器 Sr 为光谱颜色重建其条件等色。如下图人眼的颜色重建过程通常情况下，当接收器为人眼时，颜色重建问题就解决了。以图 2-7 为例，我们考虑实际物体、通过镜头得到的图像以及通过显示器显示的图像，对于人眼来说，从颜色角度看，重建后图像的与实物是一致的 第三节 颜色模型 颜色模型也叫颜色系统，是指一个带有坐

33、标系统的颜色立体。一个普通的颜色模型便是在颜色表示空间中选出元色集P1,P2,Pn，那么颜色空间便可以用级数表示为： 从而产生坐标系：（C1,C2,Cn） 。颜色模型的意义在于用容易接受的方式简化颜色的表示。而本质上颜色模型是坐标系统和颜色空间的模型。位于坐标系统中的每种颜色都有某个点与之相对应。跟颜色有关的工艺均依赖于不同的颜色模型，每种颜色模型有其相关的应用。现在被采用的颜色模型大都是面向硬件的，如彩色显示器、电视机、投影仪和打印机等。颜色模型常用的颜色模型有 RGB（红、绿、蓝）模型、 CMY（青、深红、黄）模型、 CMYK（青、深红、黄黑）模型及 HIS（色调、饱和度、明度）模型等。在

34、数字图像处理领域应用最广的是 RGB 颜色模型，它被应用于彩色显示器、电视机、投影仪及大多数的彩色视频摄像机。CMY、CMYK 模型是针对彩色打印机的。HSI 模型大多是用来帮助人们描述颜色的性质1RGB 颜色模型是 1931 年由国际照明协 会（CIE）推出的，它定义了一个三元色颜色空间，这三种元色分别为可见光谱中、 低、高部分的纯色，即：红、绿、蓝三色。英文缩写为 RGB，这三元色的波长分别为： 三元色的颜色重建函数图像 RGB 模型基于笛卡尔坐标系，而颜色空间便是图 2-12 所示的立方体，图中红、绿、蓝分别位于三个角上，青、深红和黄位于另外三个角上，黑色位于原点处，白色位于离原点最远的

35、角上。在该模型中，灰度等级沿着这黑白两点的连线分布。而立方体上或其内部的各点对应不同的颜色，可用从原点到该点的向量来表示，这样所有颜色的 R、G、B 的值都在区间0,1中。 在 RGB 颜色模型中，图像均由 3 个独立的分量组成，每一图2-11 RGB颜色立方体个分量就是一幅元色图像，这三幅图像在监视器中便可混合生成一幅彩色图像。使用这个模型比较方便，如在处理多频谱卫星遥感图像时常用 RGB 模型。在 RGB 颜色模型中，每一幅红、绿、蓝图像都是一幅8 位图像（即图像的每个像素由 8 个 bit 组成） ，那么由这三幅原色图像组成的彩色图像的像素就由 24 个字节组成，该图像即为 24 位彩色

36、图像，可表达的颜色总数就有(28)3=16 777 216。图 2-11 即为与图 2-10对应的颜色立方体 CMY 颜色模型、 CMYK 颜色模型 CMY 颜色模型常被用在打印机或复印机等，即工业印刷中的“三印印刷”，CMY 即青、深红、黄三色，它们分别是红色、绿色和蓝色的补色，由于白光是等量的红、绿、蓝光的组合，当白光照射到涂有青色颜料表面时，红光被吸收，反射的是绿和蓝光，即为青色。那么由此可以推断由等量的青、深红黄色可以全成黑色。但实际上不然，三色叠加生成的不是黑色，而是深咖啡色。因此为了产生在打印过程中起主要作用的黑色，加入了第四种颜色黑色，即 CMYK 颜色模型，采用这种颜色模型的印

37、刷工艺即为“四色印刷”。 HSI 颜色模型 HIS 模型适合于借助人的视觉系统来感知颜色的特性，前面我们已经讲过，描述颜色常用颜色的明度（也叫灰度） 、色调和饱和度三个特性，图 2-5、2-6 的颜色环和颜色立体说明了这三者的关系。在 HSI 颜色模型中，H 分量为色调，S 分量为饱和度，I 分量为明度。如图 2-14 所示，对于任意一颜色点，其与中心的连与红轴之间的夹角给出为色调即为 H 分量，相对于原点的向量给出饱和度即为 S 分量，而该颜色点处于亮度轴的位置给出明度，即 I 分量。 第三章 遥感图像恢复与校正 图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善等造成了图像

38、的退化，即图像质量下降。遥感图像恢复与校正的目的就在于校正这些退化的图像数据或低品质的图像数据，以便更加真实地反映目标地物成像前的情景。这一处理过程是对遥感图像进行增强处理、信息提取与分析的基础，通常称为遥感图像的预处理。本章将结合遥感图像与计算机数字图像处理各自的特点对遥感图像恢复、辐射校正、几何校正、图像变换加以探讨3.1 遥感图像恢复 图像退化模型 图像恢复基本原理 线性代数恢复方法 经典恢复滤波器 3.1.1 图像恢复基本原理图像恢复(restroration)所涉及的问题是消除或减轻在数字图像获取过程中引入的噪声与畸变降质，就是根据降质的记录图像 g(x,y)，确定恢复的图像 (x,

39、y)，使得从几何位置方面和辐射量级方面上尽可能接近原始物体的辐射能量分布 f(x,y)。目标即是对图像退化的过程模型化，并据此采取相反的过程以得到原始的图像。可见图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。图像复原的一般过程如图 3.1 所示。 遥感图像恢复的方法遥感图像恢复可看作是图像恢复理论与技术在遥感领域内的应用，遥感图像退化的典型表现为图像模糊、失真、噪声出现等，而引起退化的原因则很多，因此到目前为止尚没有统一的恢复方法。首先，问题既可以用连续数学，也可以用离散数学进行处理。但总的来说，可以归为以下两大类方法： (1)估计方法: 适用于对图像缺乏已知信息的情况，此时可对

40、退化过程(模糊或噪声)建立模型，进行描述，并进而寻找一种去除或削弱其影响的过程,试图估计图像被一些相对良性(已知) 的退化过程影响以前的情况。 (2)检测方法：适用于原始图像有足够的已知信息，此时则对原始图像建立一个数学模型退化图像 恢复图像分析退化原因逆向推算建立退化模型并根据它对退化图像进行拟合，这样在原始图像很少的几个参数未知情况下同样能达到较好的图像恢复效果。 3.1.2 图像退化模型 线性位移不变系统模型是假定成像系统是线性位移不变系统（退化性质与图像的位置无关） ，它的点扩散函数用 h(x,y)表示， “*”表示空间卷积，f(x,y)表示理想的、没有退化的图像，n(x,y)表示噪声

41、干扰，则获取的图像 g(x,y)可表示为：g(x,y)=h(x,y)*f(x,y)+n(x,y) 由于空间域上的卷积等同于频域上的乘积，因此，可以把式(3.1.1)的模型写成等价的频域下的描述： G(u,v)=H(u,v)*F(u,v)+nN(u,v) (3.1.2) 公式中大写字母是式(3.1.1)中相应项的傅里叶变换。这两个公式是图像恢复的基础。通常只要我们对 H 和 N 的信息知道得越多，所得到的恢复图像 (x,y)就越接近原始图像 f(x,y)。 +f(x,y)退化函数H噪声 n(x,y)g(x,y) 3.1.3 线性代数恢复方法 基于线性的图像恢复方法是 Andrews 和 Hunt

42、 推导出的一种侧重于矩阵运算和离散数学的图像恢复方法。由于此种方法牵涉到的向量和矩阵运算都非常复杂，因此它可能无法给出一种高效的实现。但由此得出的图像恢复技术可通过其他方法得以高效地实现。 无约束恢复 约束最小二乘恢复 3.1.4 经典恢复滤波器 在数字图像处理流行之前，线性系统理论作为常规方法用于电子滤波器的设计已有许多年，并被广泛地用于光学、数字信号处理和其他领域。例如，去卷积技术很早就被应用在电子滤波器设计和时间序列分析中。因此，许多用于图像恢复的技术实际上是早已用于模拟或数字信号处理中的一维方法的推广。即使是新提出的专用技术，也是从经典的频域方法发展而来的。 去卷积 维纳滤波 功率谱均

43、衡 几何均值滤波3.1.5 图像噪声所谓噪声，就是指妨碍人的视觉器官或系统传感器对所接收的图像信息进行理解或分解的各种因素。一般来说，噪声是不可预测的随机信号，它只能用概率统计的方法去认识。数字图像的噪声则主要来源于图像的获取（数字化过程）和传输过程。如图像获取中的环境条件和传感元器件自身的质量影响，图像传输过程中受所用的传输信道的干扰等。由此可以看出，噪声必然影响图像处理的全过程以至最终结果，因此抑制噪声已成为图像处理中极重要的部分。 图像噪声类型 按图像噪声产生的原因我们可以将其分为外部噪声和内部噪声（系统噪声） 。外部噪声是指图像处理系统外部产生的噪声，如天体放电干扰、大气因素的干扰等产

44、生的噪声。内部噪声是指系统内部产生的，一般可分为以下四种形式： （1）由光和电的基本性质引起的，如导体中电子流动的热噪声；光量子运动的光量子噪声等。 （2）机械运动产生的噪声，如接头扰动使电流不稳，磁头或磁带抖动等。 （3）元器件噪声，如光学底片的颗粒噪声，光盘的疵点噪声等 （4）系统内部电路噪声，如 CRT 的偏转电路二次发射电子等噪声。 图像噪声类型 从统计理论观点可分为平稳和非平稳噪声。凡是统计特征不随时间变化的噪声称为平稳噪声；统计特征随时间变化的噪声称为非平稳噪声。 从噪声幅度分布形态可分为高斯型、瑞利型噪声。 按频谱分布形状进行分类的，如均匀分布的噪声称为白噪声。 按产生过程进行分

45、类，噪声可分为量化噪声和椒盐噪声等。 图像噪声特征 对灰度图像 (x,y)来说，可看做是二维亮度分布，则噪声可看做是对亮度的干扰，用 n(x,y)来表示。噪声是随机性的，因而需要用随机过程来描述，即要求用知道其分布函数或密度函数。但在许多情况下这些函数很难测出或描述，甚至不可能得到，所以常用统计特征来描述噪声，如均值、方差（交流功率） 、总功率等噪声模型分析 按噪声对图像的影响可分为加性噪声模型和乘性噪声模型两大类。设 (x,y)为理想图像，n(x,y)为噪声，实际输出图像为 g(x,y)。 对于加性噪声而言，其特点是 n(x,y)和图像光强大小无关。即有 g(x,y)= (x,y)+n(x,

46、y) 对于乘性噪声而言，其特点是 n(x,y)和图像光强大小相关，随亮度的大小变化面变化。即有 g(x,y)= (x,y)1+n(x,y)= (x,y)+ (x,y)n(x,y) 乘法性噪声模型和它的分析计算都比较复杂。通常总是假定信号和噪声是互相独立的，通常对数变换后当做加性噪声的模型来处理。 常见图像噪声的图像概率密度函数（PDF） （1）高斯噪声 （2）瑞利噪声 （3）伽马（爱尔兰）噪声 （4）指数分布噪声 （5）均匀分布噪声 （6）脉冲噪声（椒盐噪声 （1）高斯噪声由于高斯在空间和频域中数学上的易处理性，这种噪声（也称为正态噪声）模型经常被用于实践中。高斯随机变量 z 的 PDF 由下

47、式给出：z 表示灰度值，u 表示 z 的平均值或期望值，表示 z 的标准差。 （2）瑞利噪声瑞利噪声的 PDF 由下式给出：概率密度的均值和方差由下式给出（3）伽马（爱尔兰）噪声 伽马噪声的 PDF 由下式给出：其中 a0,b 为正整数且“！”表示阶乘。其密度的均值和方差由下式给出4）指数分布噪声指数噪声的 PDF 由下式给出其中，a0。概率密度的期望值和方差是： （5）均匀分布噪声概率密度函数的期望值和方差可由正式给出概率密度函数的期望值和方差可由正式给出（6）脉冲噪声（椒盐噪声）（双极）脉冲噪声的 PDF 由下式给出 如果 ba，灰度值 b 在图像中将显示为一个亮点，相反，a 的值将显示为

48、一个暗点。若 Pa 或 Pb 为零，则脉冲噪声称为单极噪声。如果 Pa或 Pb 均不可能为零，尤其是它们近似相等时，脉冲噪声值将类似于随机分布在 的胡椒和盐粉微粒。由于这个原因，双极脉冲噪声也称为椒盐噪声。同时，它们有时也称为散粒和尖峰噪声 噪声存在下的典型图像复原滤波器遥感图像常见噪声消除方法 遥感图像噪声的声源主要有大气通道的噪声和传感器产生的噪声，它是图像数据中令人讨厌的干扰。噪声要么使遥感图像的质量降低，要么完全掩盖了遥感图像中真正的辐射信息。因而，噪声消除过程通常在遥感图像数据的增强或图像数据的分类之前，噪声消除的目的是使遥感图像恢复到与地物初始图像尽可能接近的状况。 在遥感图像校正过程中，一个特定噪声校正的特性取决于它到底是系统噪声(周期性的) 、随机噪声，还是系统噪声与随机噪声的结合。 （1）条带噪声消除 （2）椒盐噪声的消除条带噪声消除带状噪声大部分是由同时有多条扫描线的多光谱扫描仪产生，是系统噪声。这种噪声源于每个波段的单个探测器在响应上存在的差异。这个问题在 Landsat 卫星和多光谱扫描仪(MSS)的早期数据中尤其普遍，虽然用于每个波段的六个探测器在发射之前进行了仔细的校正与匹配，但其中