坐标轴一定指向数据信息量较大的方向。 二维空间为例 假定某图像像元的分布为椭圆状 坐标 e L 分别沿椭 四的长 和超 感数据处理 的吊吊用 析前的预处理，可以实现数据压缩和图像增强的效果。KL变换在数据压缩和图像增强中有) 泛的应用。 4.2.3缨帽变换 Tasseled cap缨帽变换又称KT变换。是一种经验性的多波段图像的线性变换，是Kauth 和Thomas（1976)在研究MSS图像反映农作物和植被的生长过程时提出的。在研究过程中 他们发现SS四个波段组成的四维空间中，植被的光谱数据点呈规律性分布，像變帽状。缕阳 变换也是一种线性变换，它也遵循一般线性变换的形式。 第三节遥感图像增强 图像增强是为了突出图像中的某些信息（如强化图像高频分量，可使图像中物体轮廓清晰 细节明显)，同时抑制或去除某些不需要的信息来提高遥感图像质量的处理方法。图像增强可 以改善图像质量，使之更适于人的视觉或机器识别系统。遥感图像增强主要包括空域增强、频 域增强、色彩增强等方法。 4.3.1空域增强 在图像处理中，空域是指由像素构成的空间。空域增强包括空域变换增强与空域滤波增强 两种。空域变换增强是基于点处理的增强方法，空域滤波增强是基于邻域处理的增强方法。 1、空域变换增强常用的空域变换增强方法包括：对比度增强、直方图增强和图像算术运 算等。 2、空域滤波增强空间滤波又称空间域滤波(spatial filtering) 这是在图像空间 几何变量域上直接修改图像数据，抑制噪声，改善图像质量的方法。常用方法包括：图像卷积 运算、边缘增强、平滑滤波、定向滤波等。 43.2领域波增强 率滤波又称频率域滤波(spatial filterin ,它通讨修改遥成图像频率成分来实现 遥感图像数据的改变，达到抑制噪声或改善遥感图像质量的目的。频率域滤波的基础是傅立叶 变换和卷积定理。在图俊增问颗中 y)是待增强的图像 般是给定的，在利用傅 后 是洗取滤波器 若利用H )强化图像高 这就是高通滤波 若强化低频分量 像中隆声影 有滤波器函数都是以原点径向对称的， 随距离变化的函 它是在规定的剖面 剖面绕原点旋转360度 下面分别介绍几种常用的涉波器 种横型 又称“高阻滤波器 信号的 哭 体边缘 其它尖锐的跳断 大的贡 过低通 可以 抑制地物边界剧变的 突出背景或平滑图象的 用的 低通滤波器 巴特沃思低通 Butterworth 、指数低通波器 波又称 频信号而保留高频信号 的模型 (或 件) 。高通滤波可以 而频或中的频都分对应看图像中灰 总变化的地 这些地万往往是物体的 缘。因此高通滤波可使得图像得到锐化 处理。常用 的高通滤波包括理想高通滤波器、巴特沃思高通滤波器、指数高通滤波器、梯烯形高通滤波器等 3、 带阻滤波与带通滤波 带阻滤波器是一种抑制图像频谱的中间频段而允许高频与低频畅通的滤波器。该滤波器的 作用是滤除遥感图像中特定频谱范围内的信息。带通滤波器是一种抑制图像频谱中的高频与低 频而允许中间频段畅通的滤波器。通常该滤波器用于突出湿感图像中特定频谱范围内的目标。 1>
17 坐标轴一定指向数据信息量较大的方向。以二维空间为例，假定某图像像元的分布为椭圆状， 那么经过旋转后新坐标系的坐标轴一定分别沿椭圆的长半轴和短半轴方向 ―― 主分量，因为 长半轴这一方向信息量最大。 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，可以实现数据压缩和图像增强的效果。K-L 变换在数据压缩和图像增强中有广 泛的应用。 4.2.3 缨帽变换 Tasseled cap 缨帽变换又称 K_T 变换。是一种经验性的多波段图像的线性变换，是 Kauth 和 Thomas （ 1976 ）在研究 MSS 图像反映农作物和植被的生长过程时提出的。在研究过程中 他们发现 MSS 四个波段组成的四维空间中，植被的光谱数据点呈规律性分布，像缨帽状。缨帽 变换也是一种线性变换，它也遵循一般线性变换的形式。 第三节 遥感图像增强 图像增强是为了突出图像中的某些信息（如强化图像高频分量，可使图像中物体轮廓清晰、 细节明显），同时抑制或去除某些不需要的信息来提高遥感图像质量的处理方法。图像增强可 以改善图像质量，使之更适于人的视觉或机器识别系统。遥感图像增强主要包括空域增强、频 域增强、色彩增强等方法。 4.3.1 空域增强 在图像处理中，空域是指由像素构成的空间。空域增强包括空域变换增强与空域滤波增强 两种。空域变换增强是基于点处理的增强方法，空域滤波增强是基于邻域处理的增强方法。 1 、空域变换增强 常用的空域变换增强方法包括：对比度增强、直方图增强和图像算术运 算等。 2 、空域滤波增强 空间滤波又称空间域滤波（ spatial filtering ），这是在图像空间 几何变量域上直接修改图像数据，抑制噪声，改善图像质量的方法。常用方法包括：图像卷积 运算、边缘增强、平滑滤波、定向滤波等。 4.3.2 频域滤波增强 频率滤波又称频率域滤波（ spatial filtering ），它通过修改遥感图像频率成分来实现 遥感图像数据的改变，达到抑制噪声或改善遥感图像质量的目的。频率域滤波的基础是傅立叶 变换和卷积定理。在图像增强问题中， g(x, y) 是待增强的图像，一般是给定的，在利用傅立 叶变换获取频谱函数 G(u, v) 后，关键是选取滤波器 H(u, v) ，若利用 H(u, v) 强化图像高 频分量，可使图像中物体轮廓清晰，细节明显，这就是高通滤波，若强化低频分量，可减少图 像中噪声影响，对图象平滑，这就是低通滤波。此外，还有其它的滤波器。本节下面讨论的所 有滤波器函数都是以原点径向对称的，它是在规定的剖面上，从原点出发沿半径方向画出一个 随距离变化的函数，然后利用剖面绕原点旋转 360 度 ，得到滤波器函数。 下面分别介绍几种常用的滤波器。 1 、低通滤波 低通滤波又称 “ 高阻滤波器 ” ，它指抑制图像频谱的高频信号而保留低频 信号的一种模型（或器件）。在遥感图像中，物体边缘和其它尖锐的跳跃（如噪声）对频率域 的高频分量具有很大的贡献，通过低通滤波，可以抑制地物边界剧变的高频信息，以及孤立点 噪声。低通滤波起到突出背景或平滑图象的增强作用。常用的低通滤波包括理想低通滤波器、 巴特沃思低通滤波器（ Butterworth ）、指数低通滤波器、梯形低通滤波器等。 2、 高通滤波 又称 “ 低阻滤波器 ” ，它是一种抑制图像频谱的低频信号而保留高频信号 的模型（或器件）。高通滤波可以使得高频分量畅通，而频域中的高频部分对应着图像中灰度 急剧变化的地方，这些地方往往是物体的边缘。因此高通滤波可使得图像得到锐化处理。常用 的高通滤波包括理想高通滤波器、巴特沃思高通滤波器、指数高通滤波器、梯形高通滤波器等。 3、 带阻滤波与带通滤波 带阻滤波器是一种抑制图像频谱的中间频段而允许高频与低频畅通的滤波器。该滤波器的 作用是滤除遥感图像中特定频谱范围内的信息。带通滤波器是一种抑制图像频谱中的高频与低 频而允许中间频段畅通的滤波器。通常该滤波器用于突出遥感图像中特定频谱范围内的目标
4.3.3彩色增强 人的视觉对彩色的分辨能力远远高于对灰度的分辨能力，通常人眼能分辨的灰度有十几个 等级，但可以分辨100多种彩色层次。彩色增强就是根据人的视觉特点，将彩色用于图像增强 之中，这是提高遥感图像目标识别精度的一种有效方法。彩色合成增强是将多波段黑白图像变 换为彩色图像的增强处理技术。根据合成影像的彩色与实际景物自然彩色的关系，彩色合成分 为真彩色合成和假彩色合成两种。真彩色合成是指合成后的彩色图像上地物色彩与实际地物色 彩接近或一致，假彩色合成是指合成后的彩色图像上地物色彩与实际地物色彩不一致，通过彩 色合成增强，可以从图像背景中突出目标地物，便于遥感图像判读。 第四节数据融合 4.4.1概念与简介 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，最后将其汇集（融 合，Fusion.Mer )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，通过多种信息的互补性表现，提高多源空间数据综合利用质量及稳定性，提高地物识 别、解译与决策的可靠性及系统的自动化程度的技术。数据融合的概念始于70年代。进入0 世纪90年代以后，随若多种福成卫星的发射成功」 从不同福成平台获得的不同空间公率和 时间分辨率的遥感影像形成了多级分辨率的影像金字塔序列，给遥感用户提供了从粗到精、从 多光谱到高光谱的多种遥感数据源。数据融合的发展在 定程度上解决了多种数据源综合分析 的司题 4.4,2数据融合前处理 ,间融合时 则其系统误差类型也不同 T的R 以CCD推 光机扫 而 插 行融合时必 线 行重采样 地 标 向 地 使 的投影方式和 的 遥感影像之间的几何配准 和精确融合。 4.4.3常用的 源遥感影像数据 合在国际上经过多年研究，技术上日趋成熟。目前，常用的遥感影像 的融合方法， 王要：以檬 HS 换，比俱 基 仑的特征融合、基于贝叶斯法则的分类融合以及以局部直方图匹配滤波技术为基础的影像 数据融合 4.4.4遥感影像与非遥感数据脸合 在仅用遥感数据难以解决问题的时候，可以加入非遥感数据进行融合。非遥感数据包括地 气象、水文等自然专题信息，也包括行政区划、人口、经济收入等人文与经济信息，这些 信息可以作为遥感数据的补充，有助于综合分析客观规律，提高判读的科学性，因此遥感数据 与地理数据的融合也是遥感分析过程中不可缺少的手段。航空与航天数据是以网格的形式记 录，而地面采集的地理数据则常以多等级，多量纲的形式反映下垫面的状况，数据格式也呈多 样化。因此，为了使各种地理数据与遥感数据兼容，要将获取的非遥感数据按照一定的地理网 格系统重新量化和编码，以完成各种地理数据的定量和定位，产生的新的数据。它们可以作为 与遥感数据类似的若干独立的波段，以便和遥感数据融合。 融合步骤如下： 1、地理数据的网格化为了使非遥感的地理数据与遥感数据融合，前提条件是必须使地理 数据可作为遥感数据的一个“波段”，这就是说通过一系列预处理，使地理数据①成为网
18 4.3.3 彩色增强 人的视觉对彩色的分辨能力远远高于对灰度的分辨能力，通常人眼能分辨的灰度有十几个 等级，但可以分辨 100 多种彩色层次。彩色增强就是根据人的视觉特点，将彩色用于图像增强 之中，这是提高遥感图像目标识别精度的一种有效方法。 彩色合成增强是将多波段黑白图像变 换为彩色图像的增强处理技术。根据合成影像的彩色与实际景物自然彩色的关系，彩色合成分 为真彩色合成和假彩色合成两种。真彩色合成是指合成后的彩色图像上地物色彩与实际地物色 彩接近或一致，假彩色合成是指合成后的彩色图像上地物色彩与实际地物色彩不一致，通过彩 色合成增强，可以从图像背景中突出目标地物，便于遥感图像判读。 第四节 数据融合 4.4.1 概念与简介 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 后将其汇 集 ( 融 合 ,Fusion,Merge) 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，通过多种信息的互补性表现，提高多源空间数据综合利用质量及稳定性，提高地物识 别、解译与决策的可靠性及系统的自动化程度的技术。 数据融合的概念始于 70 年代。进入 20 世纪 90 年代以后，随着多种遥感卫星的发射成功，从不同遥感平台获得的不同空间分辨率和 时间分辨率的遥感影像形成了多级分辨率的影像金字塔序列，给遥感用户提供了从粗到精、从 多光谱到高光谱的多种遥感数据源。数据融合的发展在一定程度上解决了多种数据源综合分析 的问题。 4.4.2 数据融合前处理 图像几何校正与配准 影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响 融合影像的质量。通常情况下，不同类型的传感器影像之间融合时，由于它们成像方式的不同， 则其系统误差类型也不同。如 SPOT 与 TM 数据融合时， SPOT 的 HRV 传感器是以 CCD 推帚 式扫描成像的，而 TM 则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过 严密的几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算 对分辨率较低的图像进行重采样，改正其误差，将影像投影到同一的地面坐标系统上，为图像 配准奠定基础。 在实践中，可以统一采用数字化地形图作为基础底图，分别对不同遥感器产生 的图像进行几何精校正，使它们具有统一的投影方式和坐标系统，以便不同类型或不同时相的 遥感影像之间的几何配准和精确融合。 4.4.3 常用的数据融合方法 多源遥感影像数据融合在国际上经过多年研究，技术上日趋成熟。目前，常用的遥感影像 的融合方法，主要有：以像元为基础的加权融合、 HSI 变换、 K-L 变换，比值变换；基于小 波理论的特征融合、基于贝叶斯法则的分类融合以及以局部直方图匹配滤波技术为基础的影像 数据融合等。 4.4.4 遥感影像与非遥感数据融合 在仅用遥感数据难以解决问题的时候，可以加入非遥感数据进行融合。非遥感数据包括地 质、气象、水文等自然专题信息，也包括行政区划、人口、经济收入等人文与经济信息，这些 信息可以作为遥感数据的补充，有助于综合分析客观规律，提高判读的科学性，因此遥感数据 与地理数据的融合也是遥感分析过程中不可缺少的手段。 航空与航天数据是以网格的形式记 录，而地面采集的地理数据则常以多等级，多量纲的形式反映下垫面的状况，数据格式也呈多 样化。因此，为了使各种地理数据与遥感数据兼容，要将获取的非遥感数据按照一定的地理网 格系统重新量化和编码，以完成各种地理数据的定量和定位，产生的新的数据。它们可以作为 与遥感数据类似的若干独立的波段，以便和遥感数据融合。 融合步骤如下： 1 、地理数据的网格化 为了使非遥感的地理数据与遥感数据融合，前提条件是必须使地理 数据可作为遥感数据的一个 “ 波段 ” ，这就是说通过一系列预处理，使地理数据 ① 成为网