网站建设项目团队,微信营销平台源码下载,制作视频的软件哪个好免费的,枣庄建设网站遥感数字图像处理 来源#xff1a;慕课北京师范大学朱文泉老师的课程 遥感应用#xff1a;遥感制图、信息提取
短期内了解知识结构–有选择的剖析经典算法原理–系统化知识结构、并尝试实践应用
跳出算法#xff08;尤其是数学公式#xff09;
关注原理及解决问…遥感数字图像处理 来源慕课北京师范大学朱文泉老师的课程 遥感应用遥感制图、信息提取
短期内了解知识结构–有选择的剖析经典算法原理–系统化知识结构、并尝试实践应用
跳出算法尤其是数学公式
关注原理及解决问题的思路
遥感数字图像处理遥感数字图像处理一、数字图像基础二、常见遥感图像文件存储格式三、空间域处理方法3.2 数值运算3.2.1 单波段点运算3.2.2单波段领域运算3.2.3 多波段运算3.3 集合运算3.3.1空间操作3.3.2波段操作3.4 逻辑运算3.5 数学形态学运算3.5.1 腐蚀3.5.2 膨胀3.5.3二值形态学3.5.4 灰度形态学腐蚀膨胀四、变换域处理方法4.2主成分变换4.3最小噪声分离变换4.4缨帽变换4.5 傅里叶变换4.6 小波变换4.7 颜色空间变换4.7.1CMYK颜色空间4.7.2 HSI颜色空间4.7.3 颜色空间的相互转换第五章 辐射校正5.1辐射校正概述5.2 传感器校正5.3 大气校正5.3.1大气校正统计模型5.3.2 大气校正物理模型5.4 地形及太阳高度角校正5.4.1 余弦校正地形5.4.2 半经验校正地形5.4.3 太阳高度角校正太阳第六章 几何校正6.1 遥感图像的几何变形6.2 遥感图像的几何校正6.2.1几何精校正的过程与方法第七章 图像去噪声7.1 噪声分类7.3空间域去噪声7.3.1均值滤波7.3.2 中值滤波7.3.3边缘保持平滑滤波7.3.4数学形态学去噪7.4变换域去噪声7.4.1 傅里叶变换去噪声7.4.2 小波变换去噪声第八章图像增强8.1 空间域图像增强8.1.1变换增强8.1.2 直方图调整图像增强8.1.3 反锐化增强8.2 变换域图像增强8.3伪彩色处理8.4图像融合第9章 感兴趣目标及对象提取9.1 图像分割9.1.1阈值分割法9.1.2 边界分割法9.1.3 区域提取分割法9.1.4 形态学分水岭分割9.2 二值图像处理9.2.1四近邻与八近邻9.2.2四连通和八连通9.2.3内部点与边界点9.2.4 空洞点填补和碎块消除9.3 对象提取9.2.3内部点与边界点9.2.4 空洞点填补和碎块消除9.3 对象提取一、数字图像基础
数字图像类型
黑白图像二值图像灰度值要么是0要么是1
灰度图像RGB三个通道的值是相同的128,128,128表示灰色255,255,255表示白色
伪彩色图像也是单波段图像只是每个灰度值对应于颜色空间模型中的某一种颜色。R、G、B值是三个不完全相同的数值表现为彩色。255,00红色 伪彩色单波段假彩色三波段
标准假彩色图像近红外波段、红光波段、绿光波段(4、3、2) 统计并查看直方图 实验二波段运算-计算VDVI
打开波段运算框 原始数据为Byte型波段数据有小数为了避免出错将数据变为float浮点型。为了避免分母为0避免出错在分母前加一个极小值。 输入公式进入赋值阶段b1对应近红外波段b2对应红光波段 采用植被指数计算器计算VDVI 二、常见遥感图像文件存储格式
开放式有两个文件头文件数据文件
封装式存储格式jpeg格式、tiff格式、bmp格式
tiff格式文件头、标识信息区、图像数据区
偏移量–类似于指针标识具体位置的地方 查看图像的头文件信息 打开ASCII码数据格式的文件 封装式二进制遥感图像的读取 先用右侧工具箱中的DataViewer打开二进制文件如中间那图所示再根据数据说明输入字节起始位置在View_Format选择对应的数据类型就可以看到头文件对应的信息。
三、空间域处理方法
3.2 数值运算
3.2.1 单波段点运算
输入是单个像元的数值输出也是单个数值只是经过了一个函数没有改变空间信息 线性点运算的应用
用于图像的增强将灰度值范围进行拉伸拓展那么图像的细节信息就比较明显了。
分段线性点运算的应用
突出感兴趣进行拉伸灰度值范围抑制不感兴趣的灰度区域进行压缩灰度值范围。 非线性点运算
指数变换输入比较窄压缩比较暗的部分)、输出宽的增强亮的部分 应用高斯拉伸、平方根拉伸
3.2.2单波段领域运算
领域窗口
奇数窗口比如3x3有有一个中心像元。
滑动、跳跃窗口领域运算
把中心像元赋给它 跳跃窗口步长就是窗口的大小不重叠不用中心像元赋值而是窗口中所有值都统一赋值。
卷积运算
对应相乘相加赋值中心。
应用图像滤波图像去噪声、图像增强
领域统计池化
3.2.3 多波段运算
代数运算
eg:NDVI的计算
涉及到加法、减法、比值运算
剖面运算
提取剖面-得到单波段图像–开展单波段运算
3.3 集合运算
3.3.1空间操作
图像裁剪注意边界不然数据会缺失 DEM数字高程模型数据每个像元代表的是一个地表的高度、高程
坡度的计算用两个像元的高度差除以分辨率即两点中心的距离
图像镶嵌 和衣服坏了打补丁一样。 3.3.2波段操作
波段提取、波段叠加同一地理范围
3.4 逻辑运算
求反运算
与运算
或运算
异或运算相同为0不同为1
逻辑运算综合应用 3.5 数学形态学运算
3.5.1 腐蚀 依次遍历有与结构元素相同的就赋值为1不相同赋值为0
操作示例 原始的NDVI图像中间是有细小的田埂的将其值进行二值运算大于0.7的赋值为1小于0.7的赋值为0就得到了中间的那张图。采用结构元素中间一行为1进行腐蚀运算这样田埂就可以消除。
3.5.2 膨胀 依次遍历一遍有交集就赋值为1。 消除空洞点
3.5.3二值形态学
开运算
先腐蚀后膨胀运算 闭运算
先膨胀后腐蚀 3.5.4 灰度形态学腐蚀膨胀
腐蚀 相减取最小值 相加取最大值
开运算
先腐蚀、后膨胀
闭运算
先膨胀后腐蚀
灰度形态学运算去椒盐噪声胡椒和白盐胡椒是灰色的点白盐是白色的点撒在这上面
实验
图像裁剪和拼接
四、变换域处理方法
不要纠结数学公式
4.2主成分变换 最后那个主成分pc7看起来有噪声可以把它去掉或者甚至把后面几个主成分都去掉把前面三个主成分已占信息量99%进行反变换就可以实现信息压缩去噪声
去相关、信息压缩、特征提取最大的用处
4.3最小噪声分离变换
估计噪声进行主成分变换调整后再进行主成分变换。
4.4缨帽变换 植物、土壤
Y cXa 应用也是那几个方向特征提取最关键 缨帽变换后的图像分别对应亮度、绿度、湿度分量
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oXroXmoY-1676622345583)(null)]
缨帽变换后可以得到三个分量可以突出显示水体、植被、岩石
4.5 傅里叶变换
通过频率来分离不同信号的方法变换后噪声通常在高频部分 4.6 小波变换
小波由零开始由零结束中间为一段震荡的波 应用图像压缩、图像去噪、图像增强、边缘检测、图像分割
4.7 颜色空间变换
4.7.1CMYK颜色空间
打印的时候一般用CMYK颜色空间 RGB颜色空间是加法混色
CMY颜色空间是减法混色 4.7.2 HSI颜色空间
色调H、色饱和度S、亮度I 4.7.3 颜色空间的相互转换 第五章 辐射校正
5.1辐射校正概述
辐射校正消除或修正因辐射误差而引起的图像畸变这一过程
为了获取地表实际反射的太阳辐射亮度值或反射率辐射校正通常包含以下三方面的处理
传感器校正即辐射定标
大气校正
地形及太阳高度角校正
5.2 传感器校正
消除传感器本身的误差
把DN值转化为辐射亮度或反射率
5.3 大气校正
为什么全色波段不做大气校正大气校正是为了消除大气吸收散射的影响
首先从遥感的原理可以知道波长越短穿透能力越弱所以蓝光波段最容易收到水汽影响(散射、反射等等)从蓝光到近红外水汽影响逐渐减弱所以要对多光谱进行大气校正。而我们常见遥感数据的全色波段是不包含蓝光范围的所以不再需要进行大气校正。
5.3.1大气校正统计模型 内部平均相对反射率法 假定图像内部地物充分混杂将整幅图像的平均辐射光谱值作为参考光谱。计算像元光谱曲线与参考光谱曲线的比值作为反射率。 计算方法某波段像元灰度值/该波段所有像元灰度平均值 不足当图像中出现强吸收的区域平均值会变低。对于高反射率区域反射率会大于1出现假的反射峰 平场域法 选择一块面积大且亮度高而光谱响应曲线变化平缓期的区域如沙漠、水泥地建立平场域。 用灰度值除以平场域的灰度值 对数残差法 通过比值运算把地形和光照因子给消掉 经验线性法 Rk∗DNbRk*DNbRk∗DNb 就是反射率R作为纵坐标DN值作为横坐标线性回归拟合出一条直线。 样本点各向同性光谱跨度要大样本种类多保持统一海拔。
5.3.2 大气校正物理模型
大气校正物理模型基础 6S模型 MODTRAN模型 ENVI处理时 在输入辐射定标后的图像后弹出辐射亮度单位转换设置窗口选择单一转换因子关于单一转换因子的设定single scale factor这里若在辐射定标的输出比例因子的设置时使用的默认参数1这里设置为10如果使用的FLAASH默认参数这里设置为1
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wpqkGix3-1676622344074)(https://gitee.com/meiruni/image/raw/master/img/%E5%A4%A7%E6%B0%94%E6%A0%A1%E6%AD%A3%E5%8F%82%E6%95%B0.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8jkA1ojH-1676622344075)(https://gitee.com/meiruni/image/raw/master/img/%E5%A4%9A%E5%85%89%E8%B0%B1%E8%AE%BE%E7%BD%AE.png)] 这些公式不用记忆都是根据前面讲的大气校正物理模型来构建的只是对有些假设条件比如大气模式、气溶胶模式不一样
5.4 地形及太阳高度角校正
消除由地形引起的辐射亮度误差使坡度不同但反射性质相同的地物在图像中具有相同的亮度值 5.4.1 余弦校正地形 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TNX1ocs3-1676622344078)(https://gitee.com/meiruni/image/raw/master/img/image-20220921154120734.png)]
主要是用了入射角和天顶角这样一个校正
如果i比较大趋向于90°的话,cosi就趋向于0了那么结果会很大。所以会出现过度校正的情况校正的值远远高于实际的值
5.4.2 半经验校正地形 5.4.3 太阳高度角校正太阳
通过将太阳高度光由倾斜照射变为垂直照射 太阳高度角校正就是用来除以sin或者cos就好。 第六章 几何校正
6.1 遥感图像的几何变形
遥感图像上各种地物的位置、形态、尺寸、方位等特征与其在某个图像投影的参照系统中表达要求不一致。 静态误差传感器相对地面静止
动态误差地球旋转
内部误差传感器自身原因
外部误差传感器正常由其他各种因素造成的误差
几何变形的影响因素 遥感平台位置和运动状态变化 地形起伏像点位移见4.2节 高低点在图像上的像点相对于平面点向远离(靠近)图像中心方向移动 地球表面曲率 地球表面是弧形的不是直的向图像中心移动 大气折射 地球自转 对于扫描类的传感器地球自转会让影像偏离错位
6.2 遥感图像的几何校正
将多种因素引起的变形纠正过来
几何粗纠正一般下载下来的图像都已经系统误差校正过
几何精校正利用GCP地面控制点进行
6.2.1几何精校正的过程与方法 地面控制点选取 尽量选择图像上有明显、清晰的定位识别标志如道路交叉点。 多项式校正模型 待校正的图像上的图像坐标x,y与真实地理坐标X,Y之间的函数映射关系 x是错误点横坐标它与正确点X,Y存在一种函数关系也就是通过已知的xy,可以求出未知的XY如果偏的比较明显那么这个多项式函数相对就复杂些即需要求出更多的参数aija_{ij}aijbijb_{ij}bij使其满足这个方程。 当N2时M最少控制点数为6M(N1)∗(N2)2M\frac{(N1)*(N2)}{2}M2(N1)∗(N2)也就是最少需要在待校正的图像上找6个点当然找的越多校正效果越好 坐标变换 直接校正法(从待校正图像出发) 利用步骤2求得的方程可以根据(x,y)求出(X,Y)可以重新定位然后把对应的像元值也赋予过来。但是原始图像存在几何变形所以有些可能重复难得到均匀排列的像元值。 间接校正法 从空白的校正后的图像出发将X,Y定位然后赋予对应像元值。 灰度重采样 运用步骤2函数后算出的X,Y坐标有些会出现小数点这时候就得让它重新赋值。方法如下 第一种最近邻法离哪个点近值就赋给哪个点—简单但会造成像元值不连续 第二种双线性内插法根据距离赋予权重加权求和。最常用解决不连续但计算增加 第三种三次卷积内插法。虽然边缘有所增强但计算量太大 几何校正类型 图像到图像的几何校正 图像到地图 告诉经纬度 具有已知几何信息的几何校正 先建立一个几何查找表 正射校正加Z轴 正射校正不仅能够实现常规的几何校正功能还能通过测量高程点和DEM来消除地形起伏引起的图像几何畸变提高图像的几何精度。 经纬度更加精确 图像配准与投影转换 几何校正注重的是数据本身的处理目的是为了对数据的一种真实性还原。 图像配准注重的是图与图数据之间的一种几何关系其目的是为了和参考数据达成一致不考虑参考数据坐标是否正确。 第七章 图像去噪声
7.1 噪声分类 随机噪声模型 a对应胡椒b对应盐
噪声类别如何识别
通常选择图像中白色的墙壁、灰色的地板查看它的直方图形状来判断其噪声类型。 理论上单色的灰度值是一根柱子比如白色的墙壁255。如果它变了形状说明就有噪声。快接近255的时候特别高 混入噪声后直方图就变成了上面的这个形状 7.3空间域去噪声
空间域去噪声是利用待处理像元领域窗口内的像元进行均值、中值或其他运算得到新的灰度值并将其赋给待处理像元
通过对增幅图像进行窗口扫描及运算达到去除噪声的目的。
空间域去噪方法
7.3.1均值滤波
遍历卷积运算把均值赋给中心像元
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-i1HEBxdx-1676622344097)(https://gitee.com/meiruni/image/raw/master/img/QQ%E6%88%AA%E5%9B%BE20220926154506.png)]
7.3.2 中值滤波
将中间的值赋予给中间像元
7.3.3边缘保持平滑滤波
中值滤波和均值滤波会将图像变得模糊也就是图像变平滑了主要是上图像的边缘不突出了。
边缘保持滤波设计思路判断一下如果是边缘那么不要它滤波让它去掉。
K邻近均值滤波
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TsO4cCRh-1676622344098)(https://gitee.com/meiruni/image/raw/master/img/QQ%E6%88%AA%E5%9B%BE20220926155733.png)]
7.3.4数学形态学去噪
开运算去峰值噪声
闭运算去低谷噪声
详看3.5节
7.4变换域去噪声
7.4.1 傅里叶变换去噪声
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fhrMKqao-1676622344098)(https://gitee.com/meiruni/image/raw/master/img/image-20220926161751492.png)]
可以看第4.5节把图像转化成一个频谱图中间是频率低的部分越往外频率越高。 低通滤波器
就是低频的能通过高频的被阻止了 带阻滤波器
带阻就是将这个条带的频率阻止了 陷波滤波器
某几个点的频率被阻止了 理想-巴特沃斯-高斯滤波器
它们的边界由区分明确到越来越模糊
7.4.2 小波变换去噪声
利用小波变换将高频分解出来再将高频的系数置为0然后重构出小波去噪后的图像。 小波变换去噪方法小波阈值法
硬阈值、软阈值
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oO2zcZBL-1676622344111)(https://gitee.com/meiruni/image/raw/master/img/image-20220926165059235.png)]
第八章图像增强
图像增强不一定增加了图像信息、图像增强不一定改变了图像的数据内容。
目的是为了改善图像的视觉效果帮助我们更好的发现或识别图像中的某些特征。 8.1 空间域图像增强 灰度值经过某一种函数让灰度值变化
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ou4JOgss-1676622344113)(https://gitee.com/meiruni/image/raw/master/img/image-20220927163514300.png)]
8.1.1变换增强
线性变换 分段线性变换 反比变换
将灰度值取反
幂次变换
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CChTrcf0-1676622344117)(https://gitee.com/meiruni/image/raw/master/img/image-20220927163821726.png)]
对数变换 反对数变换 8.1.2 直方图调整图像增强
直方图匹配
将一幅图像的直方图参照另一幅进行变换使得两幅图的直方图相近或相似。
作用调整两幅图像的色调差异使得图像重叠区域的色调过渡柔和改善图像融合和图像镶嵌效果。
直方图均衡化
对图像进行非线性拉伸重新分配图像像素值使一定灰度范围内的像素数量大致相同。
8.1.3 反锐化增强
反锐化掩膜图像增强 领域运算图像增强 领域运算中的锐化滤波器将图像中灰度值缓慢变化的区域滤去使图像反差增加。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OpKX1m1J-1676622344119)(https://gitee.com/meiruni/image/raw/master/img/image-20220927170749732.png)] 反锐化掩膜图像增强 将图像进行卷积平滑操作然后将原始图像与平滑操作后的图像相减就得到了图像边缘信息再把边缘信息给增大给它都乘1个数最后再将边缘信息和原图相加这样图像边缘信息就增强了。 灰度形态学梯度运算图像增强
8.2 变换域图像增强
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RcldY47n-1676622344121)(https://gitee.com/meiruni/image/raw/master/img/image-20220927163002210.png)]
8.3伪彩色处理 8.4图像融合
图像融合类型3大类
像元数据级融合把分辨率的灰度图与低分辨率的多光谱图像进行融合从而得到一幅高空间分辨率的彩色合成影像。特征级融合先对原始图像提取某些特征比如边缘、纹理特征再来融合。决策级融合把信息融合在一块比较抽象
图像融合条件 图像空间信息匹配空间的位置、图像行列数一致涉及图像配准和低分辨率影像的重采样 图像光谱信息匹配同名像元点的灰度值具有良好的相关性 最好是同一传感器在同一时间获得的两种影像
图像融合方法 空间域代数转换 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8jINlMqF-1676622344125)(https://gitee.com/meiruni/image/raw/master/img/image-20220927173955955.png)] 假如低空间分辨率为30米高空间分辨率为10米10和30是一个三倍的关系一个高对应9个低x方向有3个y方向有3个3*39它就是把九个像元灰度值取出来做分母跳跃窗口 变换域替代法偷梁换柱法 只适用于RGB3个波段 适用于多个波段替换是有条件的全色波段来替换的时候要黑白颠倒做一个反比变换然后还得把值域范围拉伸到和第一主成分一样然后替换最后主成分反变换。 高分辨率图像先和低分辨率图像进行配准然后挨个波段进行直方图匹配如果有3个波段就要匹配3次得到3个直方图匹配后的结果然后各自都进行小波变换把高频替换最后反变换
第9章 感兴趣目标及对象提取
感兴趣目标是用户最为关注的地方
提取流程 9.1 图像分割
重点是各类图像分割方法的优缺点
9.1.1阈值分割法
给定一个灰度值T分割目标区域和灰度区域如果T赋值为0T赋值为1
核心阈值的最优选取
9.1.2 边界分割法
沿着目标周边闭合的边界线将其包围的区域剪切出来
边缘检测方法 基于微分算子的边缘检测 算梯度值边缘梯度值高 综合边缘检测 形态学梯度的边缘检测
边缘连接 9.1.3 区域提取分割法 区域生长分割法是一种迭代方法 首先在待分割区域选取一小块作为种子区域然后逐渐将挨着它的与其性质相同或相似的合并进来。 好坏取决于种子点的选取生长准则和终止条件 种子点的选取 一般通过先验知识选取如果缺乏先验知识常常借助生长所用准则对图像进行聚类分析 生长准则 终止条件
区域生长法 区域分裂合并分割法
9.1.4 形态学分水岭分割 9.2 二值图像处理
9.2.1四近邻与八近邻 9.2.2四连通和八连通 9.2.3内部点与边界点 9.2.4 空洞点填补和碎块消除 9.3 对象提取
二值图像有多个连通域时需要给它贴标签
贴标签时得区分四连通域和八连通域 判断其是否属于八连通区域 这是贴标签的结果对于每一个连通域都有一个单独的编号。
如何提取边界
首先可以用3x3的窗口腐蚀一下腐蚀后边界就收缩了它向里面收缩了一个像元完了之后用原图像减去腐蚀的结果实际上也就把边界的像元提取出来了然后把边界的矢量数据x,y坐标找出来将x,y坐标—点与点之间连成线。
master/img/image-20220928143541846.png alt“image-20220928143541846” style“zoom:50%;” /
9.2.3内部点与边界点 9.2.4 空洞点填补和碎块消除 9.3 对象提取
二值图像有多个连通域时需要给它贴标签
贴标签时得区分四连通域和八连通域 判断其是否属于八连通区域 [外链图片转存中…(img-fvnh8A6L-1676622344130)]
这是贴标签的结果对于每一个连通域都有一个单独的编号。
如何提取边界
首先可以用3x3的窗口腐蚀一下腐蚀后边界就收缩了它向里面收缩了一个像元完了之后用原图像减去腐蚀的结果实际上也就把边界的像元提取出来了然后把边界的矢量数据x,y坐标找出来将x,y坐标—点与点之间连成线。
