遙感圖像處理(遙感圖像處理實驗報告)

遙感圖像處理

遙感圖像處理是指對遙感探測所獲取的圖像或資料進行的各種技術處理。處理的目的是使遙感圖像或資料更加適用于實際應用。圖像處理中，輸入的是質量較低的圖像，輸出的是改善質量后的圖像。主要是對原始圖像復原的恢復處理和為使圖像更加清晰，目標地物更為突出明顯，便于信息提取和識別的圖像增強處理以及進行自動識別和信息提取的分類處理。從處理方法上，主要有光學處理和計算機數字圖像處理。原始圖像復原的恢復處理一般由衛星地面站完成，而在現有的條件下自動識別往往并不十分理想，所以這里的遙感圖像處理主要是指圖像增強處理和信息提取處理。

遙感圖像處理的首要任務是對遙感數據的選擇及其時相選擇，因為遙感數據及其時相往往對影像的判別產生直接的影響；其次是根據任務和目標進行波段組合的優化選擇；最后是確定遙感圖像處理和信息提取方法，方法選擇得當，就可以少走彎路或不走彎路，方法選擇不當，信息提取就如同大海撈針一樣難。

本次遙感圖像處理的軟件主要運用了加拿大PCI公司開發的用于圖像處理、幾何制圖、GIS、雷達數據分析以及資源管理和環境監測的多功能軟件系統PCI和自主開發的TM找礦弱信息提取系統等軟件。

本節主要針對項目工作區范圍的遙感影像的計算機數字圖像增強處理的基本原理和方法作簡要介紹，不對遙感圖像預處理（系統誤差校正、大氣校正、幾何圖像校正）進行說明。

7.1.1 TM遙感圖像的選取

由于陸地資源衛星TM信息源在資源綜合調查中，具有明顯的技術與經濟優勢。表現在進行各種處理（數字、光學）潛力大，波段組合能力強，成圖幾何精度和分類幾何精度高，地學綜合信息豐富，價格適中，所以就性能價格比而言，以TM遙感信息源為優。同時也對部分區域的SPOT（10 m、5 m）圖像進行了處理分析。

本地區的氣候是屬于暖溫帶大陸性季風型，一年中四季變化比較明顯，夏季植被覆蓋率較高，不利于對礦產地質綜合信息的研究，同時植被覆蓋率高也不利于對遙感圖像的計算機處理和信息提取。因此，對本研究工作來說，首先要避開夏季，其次要考慮地面裸露程度及與遙感圖像時相的一致性，一般應選擇在4月或10月，因為這時植被剛剛出露或者已經枯萎，4月份山區作物種類較單調，甚至還沒有作物萌芽，而10月份秋季作物已經收割，植被多已枯萎，地面覆蓋相對較低，為此我們選擇了1998年4月和2000年10月的影像資料作為本次圖像處理的重點。

7.1.2 遙感（RS）圖像處理的過程分析

遙感數字圖像處理的過程就是幾何、輻射校正、信息定量化、信息復合、圖像增強、信息特征提取、圖像分類等一系列圖像處理和分析技術研究，為各類型區的遙感綜合調查提供優質圖像的過程。

數字遙感圖像處理的一般過程為：

創新思維與找礦實踐

遙感圖像預處理包括了遙感圖像輻射校正和幾何校正兩大部分。鑒于預處理是遙感圖像處理的公共部分，基于篇幅所限不再贅述。

7.1.3 遙感圖像增強處理方法研究和選擇

圖像增強是改善圖像視覺效果的處理。當分析遙感圖像時，為了使分析者能容易確切地識別圖像內容，必須按照分析目的對圖像數據進行加工，目的是提高圖像的可判讀性。圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中噪聲影響。

遙感圖像增強的實質就是把圖像灰度的微小差異，人為地予以擴大（或者賦予不同的色彩），目的在于提高人們對圖像的分析判斷能力。由于對其增強效果缺乏一個統一的評價標準，因此，須結合具體增強要求，選擇圖像增強的方法，并通過反復試驗、調整和觀察，達到滿意的增強效果。

雖然遙感圖像處理方法多種多樣，我們在工作中也試驗了多種方法，經過篩選和分析研究，結合本次工作實際情況，主要應用了以下幾種方法：

7.1.3.1 比值處理

比值處理采用高質量比值功能，使比值圖像得到拉伸，有效地消除了地形影響，使陰影區的結構得到顯示。處理出來的圖像色彩豐富，既保留了原有地貌特征，又突出了線環構造，為隱伏巖體和半隱伏巖體的研究提供了更為直觀可靠的資料，立體感得到增強，陰影區結構清楚。

同一地區不同波段（兩個波段或幾個波段組合）對應像元亮度值相除，用所得新值構成一幅比值增強圖像。目的是擴大相鄰兩個像元的差別，框圖如下：

創新思維與找礦實踐

在一張比值圖像上，灰階中最黑和最白的色調代表兩個多光譜波段間光譜反射率的最大差異值。最黑的色調代表比值的分母大于分子。反之，最白的色調代表分子大于分母。

基本比值：兩個波段的數值相比

公式中：a、b為調節參數；

設a=1，b=0

則每一條斜線的斜率就是一個亮度值。一個點的比值相當于該點和原點的連線與水平軸夾角的正切（比值法的涵義如圖7-1）。

圖7-1 比值法涵義

作用：① 擴大不同地物亮度值的微小差別；② 消除地形影響（比如陰坡和陽坡的影響）；③ 識別和區分蝕變礦物。

下面是本次工作中主要運用的比值和目的：

TM3/1識別褐鐵礦化，在圖像上呈亮色調；赤鐵礦化，在圖像上呈暗色調。

TM5/4區分植被與無植被覆蓋的土壤和巖石，植被發育區呈暗色調。

區分不同種類的特征礦物：

TM5/4≥1.0云母和黃鐵礦；

TM5/4≤1.0明礬石和石膏；

TM5/4≈1.0方解石和粘土礦；

TM7/4≥1.0云母；

TM7/4≤1.0明礬石和石膏；

TM4/3，識別植被和褐鐵礦化巖石，植被發育區呈亮色調，褐鐵礦化巖石呈暗色調；

TM5/7，識別含羥基礦物、硫酸鹽和碳酸鹽巖的含水化合物，由于這些礦物在2.2（TM7）處的吸收谷，其TM5/7值很大，在圖像上呈亮色調。但植被的TM5/7值也很大，需要用其他方法加以區分。

比值可分為大于1和小于1兩大部分，反映波譜特征差別的強弱是不一致的，即在大于1的部分反差較大，在小于1的部分反差很小，實際上是被壓縮了。在比值處理過程中，通過自主研發的TM弱信息提取系統的處理，在該系統中增加了一個擬合放大的功能，可以根據需要進行不同比例的放大。基本上解決了比值結果有可能被壓縮這一問題。

7.1.3.2 主成分分析處理

主成分分析（或稱為主組分變換，數學上稱之為K-L變換）是遙感圖像增強和信息提取中用得最多的線性變換，它是在統計基礎上的多維正交線性變換，是對原波段圖像進行波譜信息的線性投影變換。在盡可能不減少信息量的前提下，將原圖像的高維多光譜空間的像元亮度值投影到新的低維空間，減少特征空間維數，達到數據壓縮、提高信噪比、提取相關信息、降維處理和提取原圖像特征信息的目的，并能有效地提取影像信息。它可使原來多波段圖像經變換后提供出一組不相關的圖像變量，最前面的主分量具有較大的方差，包含了原始影像的主要信息，所以要集中表達信息，突出圖像的某些細部特征，可采用主分量變換來完成。

對工作區的遙感圖像的6個波段TM1、TM2、TM3、TM4、TM5、TM7進行了主成分分析，以主成分分析后的第一分量為基礎解譯圖像，參考其他分量圖像進行遙感解譯。

7.1.3.3 反差擴展（主要是線性拉伸）

反差擴展是一種通過拉伸或擴展圖像的亮度數據分布，使之占滿整個動態范圍（0～255），以達到擴大地物之間亮度差異，分出更多亮度等級的一種處理技術。

例如：原始的一幅TM圖像，亮度范圍集中在10～100范圍內，我們可以將其擴展到0～255，擴大了相鄰亮度值之間的差別，提高了分辨能力（但不能增加亮度等級）（圖7-2）。

圖7-2 線性增強前后對比

反差擴展的原理是：在反差擴展中，輸出的像元值y，是輸入的像元值x的函數：y=f（x）0＜y＜255

這個函數可以是線性的，也可是非線性的。本次主要應用的是普通線性擴展。如果用直線方程來擴展圖像，就是y=f（x）

斜率=45°，即y=x，無變化；

斜率＜45°，如 y=1/2x，壓縮；

斜率>45°，如 y=2x，擴展。

創新思維與找礦實踐

dmin，dmax分別代表輸入的最小和最大值。

①原來圖像的最小和最大值。

②人為規定最小和最大值。

此時，

這就是說把區間〔a，b〕以外的像元值分別壓縮為0及255。

③給定要舍掉的像元數百分比，小于此百分數的值均舍去，由程序來確定dmax和dmin。

反差處理貫穿于整個圖像處理過程。根據實際情況對不同的處理結果均進行了反差處理（主要是普通線性拉伸處理）。

7.1.3.4 反色（又稱為反相）處理

反色就是形成底片效果。反色有時是很有用的。反色的實際含義是將R、G、B值反轉。若顏色的量化級別是256，則新圖中的R、G、B值為255減去原圖的R、G、B值。這里針對的是所有圖，包括真彩圖、帶調色板的彩色圖（又稱為偽彩色圖）和灰度圖。

本次反色處理主要是針對主成分分析的幾個分量進行的。主成分分析結果仍然是灰度圖，而灰度圖又是一種特殊的偽彩色圖，只不過調色板中的R、G、B值都是一樣的。由于位圖中的數據只是對應調色板中的一個索引值，所以只需要將調色板中的顏色反轉，形成新調色板，而位圖數據不用動，就能夠實現反轉。由于主成分分析結果的6個分量中，每個分量圖像如果不進行反差處理（主要是線性拉伸），圖像均較暗，根據處理后的結果顯示，水體為黑色，其灰度值大約在0～20，而山體的灰度值多在50～100之間，盡管對其進行了拉伸處理，仍不理想。為了比較準確地區分圖像，提高判讀解譯的準確性，降低解譯時間消耗，所以對反差處理后的結果又進行了反色處理。

7.1.4 信息提取處理

信息提取主要是針對影像的光譜特征、空間（幾何）特征和紋理特征的提取，它是圖像增強處理后的對圖像的繼續處理。

（1）光譜特征：可提取顏色或灰度或波段間的亮度比等目標物的光譜特征，例如Landsat7有7個波段，根據某類地物的光譜特征，采用特定的比值可將其突出出來。

（2）空間（幾何）特征：把目標物的形狀、大小、或者邊緣，線性構造等幾何性特征提取出來，例如把區域斷層明顯突出出來。

（3）紋理特征：是指周期性圖案及區域均勻性等有關紋理的特征。根據構成圖案的要素形狀、分布密度、方向性等紋理進行圖像特征提取的處理叫做紋理分析。

本次工作區的遙感影像信息特征提取主要是在PCI軟件、TM弱信息提取系統（自主開發）等軟件中進行初步工作，最后通過目視解譯和計算機自動解譯相結合來完成的。

遙感圖像處理的介紹

遙感圖像處理(processing of remote nsing image data)是對中的圖像進行輻射校正和幾何糾正、圖像整飾、投影變換、鑲嵌、特征提取、分類以及各種專題處理等一系列操作，以求達到預期目的的技術。遙感圖像處理可分為兩類：一是利用光學、照相和電子學的方法對遙感模擬圖像(照片、底片)進行處理，簡稱為光學處理；二是利用計算機對遙感數字圖像進行一系列操作，從而獲得某種預期結果的技術，稱為遙感數字圖像處理1。

遙感圖像處理的主要內容

遙感影像數字圖像處理的內容主要有：
1、圖像恢復：即校正在成像、記錄、傳輸或回放過程中引入的數據錯誤、噪聲與畸變。包括輻射校正、幾何校正等；
2、數據壓縮：以改進傳輸、存儲和處理數據效率；
3、影像增強：突出數據的某些特征，以提高影像目視質量。包括彩色增強、反差增強、邊緣增強、密度分割、比值運算、去模糊等；
4、信息提取：從經過增強處理的影像中提取有用的遙感信息。包括采用各種統計分析、集群分析、頻譜分析等自動識別與分類。通常利用專用數字圖像處理系統來實現，且依據目的不同采用不同算法和技術。

遙感數字圖像幾何處理概述

遙感圖像的幾何處理就是解決遙感圖像的幾何變形的問題，對遙感圖像進行幾何糾正。其重要性主要體現在以下3個方面：第一，對遙感原始圖像進行幾何變形改正后，才能對圖像信息進行各種分析，制作滿足量測和定位要求的各類地球資源及環境的遙感專題圖。第二，當應用不同傳感方式、不同光譜范圍以及不同成像時間的各種同一地域復合圖像數據來進行計算機自動分類、地物特征的變化監測或其他應用處理時，必須進行圖像間的幾何配準，保證各不同圖像間的幾何一致性。第三，利用遙感圖像進行地形圖測圖或更新對遙感圖像的幾何糾正提出了更嚴格的要求。

遙感圖像幾何糾正的手段一般分為光學糾正和數字糾正兩大類。光學糾正通常不能對衛星遙感圖像，特別是動態遙感圖像進行嚴格的糾正，而遙感數字圖像糾正是建立在嚴格的數學基礎上，并可以逐點（或逐象素）地對圖像進行糾正，因而原則上它可以對任何類型的傳感器圖像進行嚴格的糾正。

遙感圖像處理軟件有哪些

常用的遙感圖像處理軟件有：ERDAS、PCI、ENVI等。各軟件的特點如下：

1.ERDAS：ERDAS是一款遙感圖像處理系統軟件。 它以其先進的圖像處理技術，友好、靈活的用戶界面和操作方式，面向廣闊應用領域的產品模塊，

服務于不同層次用戶的模型開發工具以及高度的RS/GIS集成功能，為遙感及相關應用領域的用戶提供了內容豐富而功能強大的圖像處理工具，該軟件功能強大，在該行業中占有一定市場份額。

2.PCI：PCI集成到一個具有同一界面、同一使用規則、同一代碼庫、同一開發環境的一個新產品系列，該產品系列被稱之為 PCI GEOMATICA。

對于20多年來一直致力于向地學界提供全方位解決方案的PCI公司來說，始終堅持領先一步的原則，地理咨訊永遠在變遷，而地理咨訊軟件更處于變遷的前沿。

3.ENVI：ENVI是一個完整的遙感圖像處理平臺，應用匯集中的軟件處理技術覆蓋了圖像數據的輸入/輸出、圖像定標、圖像增強、糾正、正射校正、鑲嵌、數據融合以及各種變換、信息提取、圖像分類、基于知識的決策樹分類、與GIS的整合、DEM及地形信息提取、雷達數據處理、三維立體顯示分析。

擴展資料

遙感圖像處理功能

1、遙感圖像校正

遙感圖像校正是指糾正變形的圖像數據或低質量的圖像數據，從而更加真實地反映其情景。圖像校正主要包括輻射校正與幾何校正兩種。

2、遙感圖像增強

遙感圖像增強是通過增加圖像中各某些特征在外觀上的反差來提高圖像的目視解譯性能。主要包括對比度變換、空間濾波、彩色變換、圖像運算和多光譜變換等。

圖像校正是以消除伴隨觀測而產生的誤差與畸變．使遙感觀測數據更接近于真實值為主要目的的處理，而圖像增強則把重點放在使分析者能從視覺上便于識別圖像內容之上。

3、遙感圖像鑲嵌

遙感圖像鑲嵌是將兩幅或多幅數字圖像(它們有可能是在不同的攝影條件下獲取的)拼接在一起，構成一幅更大范圍的遙感圖像。

4、遙感圖像融合

遙感圖像融合是將多源遙感數據在統一的地理坐標系中采用一定算法生成一組新的信息或合成圖像的過程。遙感圖像融合將多種遙感平臺、多時相遙感數據之問以及遙感數據與非遙感數據之間的信息進行組合匹配、信息補充，融合后的數據更有利于綜合分析。

5、遙感圖像自動判讀

遙感圖像自動判讀是根據遙感圖像數據特征的差異和變化，通過計算機處理，自動輸出地物目標的識別分類結果。它是計算機模式識另Ⅱ技術在遙感領域的具體應用，可提高從遙感數據中提取信息的速度與客觀性。自動判讀的方法主要包括監督分類法和非監督分類法。

參考資料來源：百度百科-Erdas

參考資料來源：百度百科-PCI

參考資料來源：百度百科-ENVI

遙感圖像增強處理方法

圖像增強的方法主要又兩大類：空間域法和頻率域法。

1、空間域法主要是在空間域直接對圖像的灰度系數進行處理；

2、頻率域法是在圖像的某種變化域內，對圖像的變化系數值進行某種修正，然后通過逆變換獲得增強圖像。頻率域法屬于間接增強的方法，低通濾波、同態圖像增強均屬于該類；空間域法屬于直接增強的方法，它又可分為灰度級校正、灰度變換和直方圖修正，直方圖均衡屬于空間域單點增強的直方圖修正法。

擴展資料

遙感技術的應用是人類視覺在波譜范圍上的擴展和從物體表面向內部的延伸。即使在可見光部分，人眼可區分的色彩約三千多種，但對于黑白圖像，人眼能區分的灰度級只有二三十個；而在非可見光波段，需要將原始圖像的灰度值轉換到0～255灰度區間才有利于人眼觀察。

但是如果以256個灰度級來描述一幅黑白遙感圖像，我們獲得的原始圖像的灰度值很難均勻分布在0～255之間，而是常常集中在某一段灰度范圍之內，圖像的反差小，對比度差，不利于人眼的分辨，所以需要對遙感圖像進行增強處理。

參考資料來源：百度百科—遙感圖像處理

參考資料來源：知網—遙感圖像增強方法的研究