遥感图像处理(遥感图像处理实验报告)

遥感图像处理

遥感图像处理是指对遥感探测所获取的图像或资料进行的各种技术处理。处理的目的是使遥感图像或资料更加适用于实际应用。图像处理中，输入的是质量较低的图像，输出的是改善质量后的图像。主要是对原始图像复原的恢复处理和为使图像更加清晰，目标地物更为突出明显，便于信息提取和识别的图像增强处理以及进行自动识别和信息提取的分类处理。从处理方法上，主要有光学处理和计算机数字图像处理。原始图像复原的恢复处理一般由卫星地面站完成，而在现有的条件下自动识别往往并不十分理想，所以这里的遥感图像处理主要是指图像增强处理和信息提取处理。

遥感图像处理的首要任务是对遥感数据的选择及其时相选择，因为遥感数据及其时相往往对影像的判别产生直接的影响；其次是根据任务和目标进行波段组合的优化选择；最后是确定遥感图像处理和信息提取方法，方法选择得当，就可以少走弯路或不走弯路，方法选择不当，信息提取就如同大海捞针一样难。

本次遥感图像处理的软件主要运用了加拿大PCI公司开发的用于图像处理、几何制图、GIS、雷达数据分析以及资源管理和环境监测的多功能软件系统PCI和自主开发的TM找矿弱信息提取系统等软件。

本节主要针对项目工作区范围的遥感影像的计算机数字图像增强处理的基本原理和方法作简要介绍，不对遥感图像预处理（系统误差校正、大气校正、几何图像校正）进行说明。

7.1.1 TM遥感图像的选取

由于陆地资源卫星TM信息源在资源综合调查中，具有明显的技术与经济优势。表现在进行各种处理（数字、光学）潜力大，波段组合能力强，成图几何精度和分类几何精度高，地学综合信息丰富，价格适中，所以就性能价格比而言，以TM遥感信息源为优。同时也对部分区域的SPOT（10 m、5 m）图像进行了处理分析。

本地区的气候是属于暖温带大陆性季风型，一年中四季变化比较明显，夏季植被覆盖率较高，不利于对矿产地质综合信息的研究，同时植被覆盖率高也不利于对遥感图像的计算机处理和信息提取。因此，对本研究工作来说，首先要避开夏季，其次要考虑地面裸露程度及与遥感图像时相的一致性，一般应选择在4月或10月，因为这时植被刚刚出露或者已经枯萎，4月份山区作物种类较单调，甚至还没有作物萌芽，而10月份秋季作物已经收割，植被多已枯萎，地面覆盖相对较低，为此我们选择了1998年4月和2000年10月的影像资料作为本次图像处理的重点。

7.1.2 遥感（RS）图像处理的过程分析

遥感数字图像处理的过程就是几何、辐射校正、信息定量化、信息复合、图像增强、信息特征提取、图像分类等一系列图像处理和分析技术研究，为各类型区的遥感综合调查提供优质图像的过程。

数字遥感图像处理的一般过程为：

创新思维与找矿实践

遥感图像预处理包括了遥感图像辐射校正和几何校正两大部分。鉴于预处理是遥感图像处理的公共部分，基于篇幅所限不再赘述。

7.1.3 遥感图像增强处理方法研究和选择

图像增强是改善图像视觉效果的处理。当分析遥感图像时，为了使分析者能容易确切地识别图像内容，必须按照分析目的对图像数据进行加工，目的是提高图像的可判读性。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

遥感图像增强的实质就是把图像灰度的微小差异，人为地予以扩大（或者赋予不同的色彩），目的在于提高人们对图像的分析判断能力。由于对其增强效果缺乏一个统一的评价标准，因此，须结合具体增强要求，选择图像增强的方法，并通过反复试验、调整和观察，达到满意的增强效果。

虽然遥感图像处理方法多种多样，我们在工作中也试验了多种方法，经过筛选和分析研究，结合本次工作实际情况，主要应用了以下几种方法：

7.1.3.1 比值处理

比值处理采用高质量比值功能，使比值图像得到拉伸，有效地消除了地形影响，使阴影区的结构得到显示。处理出来的图像色彩丰富，既保留了原有地貌特征，又突出了线环构造，为隐伏岩体和半隐伏岩体的研究提供了更为直观可靠的资料，立体感得到增强，阴影区结构清楚。

同一地区不同波段（两个波段或几个波段组合）对应像元亮度值相除，用所得新值构成一幅比值增强图像。目的是扩大相邻两个像元的差别，框图如下：

创新思维与找矿实践

在一张比值图像上，灰阶中最黑和最白的色调代表两个多光谱波段间光谱反射率的最大差异值。最黑的色调代表比值的分母大于分子。反之，最白的色调代表分子大于分母。

基本比值：两个波段的数值相比

公式中：a、b为调节参数；

设a=1，b=0

则每一条斜线的斜率就是一个亮度值。一个点的比值相当于该点和原点的连线与水平轴夹角的正切（比值法的涵义如图7-1）。

图7-1 比值法涵义

作用：① 扩大不同地物亮度值的微小差别；② 消除地形影响（比如阴坡和阳坡的影响）；③ 识别和区分蚀变矿物。

下面是本次工作中主要运用的比值和目的：

TM3/1识别褐铁矿化，在图像上呈亮色调；赤铁矿化，在图像上呈暗色调。

TM5/4区分植被与无植被覆盖的土壤和岩石，植被发育区呈暗色调。

区分不同种类的特征矿物：

TM5/4≥1.0云母和黄铁矿；

TM5/4≤1.0明矾石和石膏；

TM5/4≈1.0方解石和粘土矿；

TM7/4≥1.0云母；

TM7/4≤1.0明矾石和石膏；

TM4/3，识别植被和褐铁矿化岩石，植被发育区呈亮色调，褐铁矿化岩石呈暗色调；

TM5/7，识别含羟基矿物、硫酸盐和碳酸盐岩的含水化合物，由于这些矿物在2.2（TM7）处的吸收谷，其TM5/7值很大，在图像上呈亮色调。但植被的TM5/7值也很大，需要用其他方法加以区分。

比值可分为大于1和小于1两大部分，反映波谱特征差别的强弱是不一致的，即在大于1的部分反差较大，在小于1的部分反差很小，实际上是被压缩了。在比值处理过程中，通过自主研发的TM弱信息提取系统的处理，在该系统中增加了一个拟合放大的功能，可以根据需要进行不同比例的放大。基本上解决了比值结果有可能被压缩这一问题。

7.1.3.2 主成分分析处理

主成分分析（或称为主组分变换，数学上称之为K-L变换）是遥感图像增强和信息提取中用得最多的线性变换，它是在统计基础上的多维正交线性变换，是对原波段图像进行波谱信息的线性投影变换。在尽可能不减少信息量的前提下，将原图像的高维多光谱空间的像元亮度值投影到新的低维空间，减少特征空间维数，达到数据压缩、提高信噪比、提取相关信息、降维处理和提取原图像特征信息的目的，并能有效地提取影像信息。它可使原来多波段图像经变换后提供出一组不相关的图像变量，最前面的主分量具有较大的方差，包含了原始影像的主要信息，所以要集中表达信息，突出图像的某些细部特征，可采用主分量变换来完成。

对工作区的遥感图像的6个波段TM1、TM2、TM3、TM4、TM5、TM7进行了主成分分析，以主成分分析后的第一分量为基础解译图像，参考其他分量图像进行遥感解译。

7.1.3.3 反差扩展（主要是线性拉伸）

反差扩展是一种通过拉伸或扩展图像的亮度数据分布，使之占满整个动态范围（0～255），以达到扩大地物之间亮度差异，分出更多亮度等级的一种处理技术。

例如：原始的一幅TM图像，亮度范围集中在10～100范围内，我们可以将其扩展到0～255，扩大了相邻亮度值之间的差别，提高了分辨能力（但不能增加亮度等级）（图7-2）。

图7-2 线性增强前后对比

反差扩展的原理是：在反差扩展中，输出的像元值y，是输入的像元值x的函数：y=f（x）0＜y＜255

这个函数可以是线性的，也可是非线性的。本次主要应用的是普通线性扩展。如果用直线方程来扩展图像，就是y=f（x）

斜率=45°，即y=x，无变化；

斜率＜45°，如 y=1/2x，压缩；

斜率>45°，如 y=2x，扩展。

创新思维与找矿实践

dmin，dmax分别代表输入的最小和最大值。

①原来图像的最小和最大值。

②人为规定最小和最大值。

此时，

这就是说把区间〔a，b〕以外的像元值分别压缩为0及255。

③给定要舍掉的像元数百分比，小于此百分数的值均舍去，由程序来确定dmax和dmin。

反差处理贯穿于整个图像处理过程。根据实际情况对不同的处理结果均进行了反差处理（主要是普通线性拉伸处理）。

7.1.3.4 反色（又称为反相）处理

反色就是形成底片效果。反色有时是很有用的。反色的实际含义是将R、G、B值反转。若颜色的量化级别是256，则新图中的R、G、B值为255减去原图的R、G、B值。这里针对的是所有图，包括真彩图、带调色板的彩色图（又称为伪彩色图）和灰度图。

本次反色处理主要是针对主成分分析的几个分量进行的。主成分分析结果仍然是灰度图，而灰度图又是一种特殊的伪彩色图，只不过调色板中的R、G、B值都是一样的。由于位图中的数据只是对应调色板中的一个索引值，所以只需要将调色板中的颜色反转，形成新调色板，而位图数据不用动，就能够实现反转。由于主成分分析结果的6个分量中，每个分量图像如果不进行反差处理（主要是线性拉伸），图像均较暗，根据处理后的结果显示，水体为黑色，其灰度值大约在0～20，而山体的灰度值多在50～100之间，尽管对其进行了拉伸处理，仍不理想。为了比较准确地区分图像，提高判读解译的准确性，降低解译时间消耗，所以对反差处理后的结果又进行了反色处理。

7.1.4 信息提取处理

信息提取主要是针对影像的光谱特征、空间（几何）特征和纹理特征的提取，它是图像增强处理后的对图像的继续处理。

（1）光谱特征：可提取颜色或灰度或波段间的亮度比等目标物的光谱特征，例如Landsat7有7个波段，根据某类地物的光谱特征，采用特定的比值可将其突出出来。

（2）空间（几何）特征：把目标物的形状、大小、或者边缘，线性构造等几何性特征提取出来，例如把区域断层明显突出出来。

（3）纹理特征：是指周期性图案及区域均匀性等有关纹理的特征。根据构成图案的要素形状、分布密度、方向性等纹理进行图像特征提取的处理叫做纹理分析。

本次工作区的遥感影像信息特征提取主要是在PCI软件、TM弱信息提取系统（自主开发）等软件中进行初步工作，最后通过目视解译和计算机自动解译相结合来完成的。

遥感图像处理的介绍

遥感图像处理(processing of remote nsing image data)是对中的图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。遥感图像处理可分为两类：一是利用光学、照相和电子学的方法对遥感模拟图像(照片、底片)进行处理，简称为光学处理；二是利用计算机对遥感数字图像进行一系列操作，从而获得某种预期结果的技术，称为遥感数字图像处理1。

遥感图像处理的主要内容

遥感影像数字图像处理的内容主要有：
1、图像恢复：即校正在成像、记录、传输或回放过程中引入的数据错误、噪声与畸变。包括辐射校正、几何校正等；
2、数据压缩：以改进传输、存储和处理数据效率；
3、影像增强：突出数据的某些特征，以提高影像目视质量。包括彩色增强、反差增强、边缘增强、密度分割、比值运算、去模糊等；
4、信息提取：从经过增强处理的影像中提取有用的遥感信息。包括采用各种统计分析、集群分析、频谱分析等自动识别与分类。通常利用专用数字图像处理系统来实现，且依据目的不同采用不同算法和技术。

遥感数字图像几何处理概述

遥感图像的几何处理就是解决遥感图像的几何变形的问题，对遥感图像进行几何纠正。其重要性主要体现在以下3个方面：第一，对遥感原始图像进行几何变形改正后，才能对图像信息进行各种分析，制作满足量测和定位要求的各类地球资源及环境的遥感专题图。第二，当应用不同传感方式、不同光谱范围以及不同成像时间的各种同一地域复合图像数据来进行计算机自动分类、地物特征的变化监测或其他应用处理时，必须进行图像间的几何配准，保证各不同图像间的几何一致性。第三，利用遥感图像进行地形图测图或更新对遥感图像的几何纠正提出了更严格的要求。

遥感图像几何纠正的手段一般分为光学纠正和数字纠正两大类。光学纠正通常不能对卫星遥感图像，特别是动态遥感图像进行严格的纠正，而遥感数字图像纠正是建立在严格的数学基础上，并可以逐点（或逐象素）地对图像进行纠正，因而原则上它可以对任何类型的传感器图像进行严格的纠正。

遥感图像处理软件有哪些

常用的遥感图像处理软件有：ERDAS、PCI、ENVI等。各软件的特点如下：

1.ERDAS：ERDAS是一款遥感图像处理系统软件。 它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，

服务于不同层次用户的模型开发工具以及高度的RS/GIS集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，该软件功能强大，在该行业中占有一定市场份额。

2.PCI：PCI集成到一个具有同一界面、同一使用规则、同一代码库、同一开发环境的一个新产品系列，该产品系列被称之为 PCI GEOMATICA。

对于20多年来一直致力于向地学界提供全方位解决方案的PCI公司来说，始终坚持领先一步的原则，地理咨讯永远在变迁，而地理咨讯软件更处于变迁的前沿。

3.ENVI：ENVI是一个完整的遥感图像处理平台，应用汇集中的软件处理技术覆盖了图像数据的输入/输出、图像定标、图像增强、纠正、正射校正、镶嵌、数据融合以及各种变换、信息提取、图像分类、基于知识的决策树分类、与GIS的整合、DEM及地形信息提取、雷达数据处理、三维立体显示分析。

扩展资料

遥感图像处理功能

1、遥感图像校正

遥感图像校正是指纠正变形的图像数据或低质量的图像数据，从而更加真实地反映其情景。图像校正主要包括辐射校正与几何校正两种。

2、遥感图像增强

遥感图像增强是通过增加图像中各某些特征在外观上的反差来提高图像的目视解译性能。主要包括对比度变换、空间滤波、彩色变换、图像运算和多光谱变换等。

图像校正是以消除伴随观测而产生的误差与畸变．使遥感观测数据更接近于真实值为主要目的的处理，而图像增强则把重点放在使分析者能从视觉上便于识别图像内容之上。

3、遥感图像镶嵌

遥感图像镶嵌是将两幅或多幅数字图像(它们有可能是在不同的摄影条件下获取的)拼接在一起，构成一幅更大范围的遥感图像。

4、遥感图像融合

遥感图像融合是将多源遥感数据在统一的地理坐标系中采用一定算法生成一组新的信息或合成图像的过程。遥感图像融合将多种遥感平台、多时相遥感数据之问以及遥感数据与非遥感数据之间的信息进行组合匹配、信息补充，融合后的数据更有利于综合分析。

5、遥感图像自动判读

遥感图像自动判读是根据遥感图像数据特征的差异和变化，通过计算机处理，自动输出地物目标的识别分类结果。它是计算机模式识另Ⅱ技术在遥感领域的具体应用，可提高从遥感数据中提取信息的速度与客观性。自动判读的方法主要包括监督分类法和非监督分类法。

参考资料来源：百度百科-Erdas

参考资料来源：百度百科-PCI

参考资料来源：百度百科-ENVI

遥感图像增强处理方法

图像增强的方法主要又两大类：空间域法和频率域法。

1、空间域法主要是在空间域直接对图像的灰度系数进行处理；

2、频率域法是在图像的某种变化域内，对图像的变化系数值进行某种修正，然后通过逆变换获得增强图像。频率域法属于间接增强的方法，低通滤波、同态图像增强均属于该类；空间域法属于直接增强的方法，它又可分为灰度级校正、灰度变换和直方图修正，直方图均衡属于空间域单点增强的直方图修正法。

扩展资料

遥感技术的应用是人类视觉在波谱范围上的扩展和从物体表面向内部的延伸。即使在可见光部分，人眼可区分的色彩约三千多种，但对于黑白图像，人眼能区分的灰度级只有二三十个；而在非可见光波段，需要将原始图像的灰度值转换到0～255灰度区间才有利于人眼观察。

但是如果以256个灰度级来描述一幅黑白遥感图像，我们获得的原始图像的灰度值很难均匀分布在0～255之间，而是常常集中在某一段灰度范围之内，图像的反差小，对比度差，不利于人眼的分辨，所以需要对遥感图像进行增强处理。

参考资料来源：百度百科—遥感图像处理

参考资料来源：知网—遥感图像增强方法的研究