遥感原理与应用课程设计-实习报告

遥感原理与应用课程设计报告摘要：在实习中通过编程实现了图像的直方图均衡、伪彩色增强、开闭运算、变化检测以及影像融合等5个专题的内容。在此对其原理以及设计过程进行阐述并对实验结果进行分析。关键词：图像；算法；VC；设计一、原理介绍专题11.1线性拉伸线性拉伸就是图象中所有的点的灰度按照线性变换函数进行变换。该线性灰度变换函数f(x)是一维线性函f(x)=fA*x+fB。灰度变换方程为fBDfADfDAAB)(式中参数fA为线性函数的斜率，fB为线性函数在y轴的截距,AD表示输入图象的灰度，BD表示输入图象的灰度。当fA1时，输入图象的对于度将增大；当fA1时，输入图象的对于度将减小；当fA=1且fB0时，操作仅使所有象素的灰度值上移或下移，其效果是使整个图象更暗或更亮；如果fA0，暗区域将变亮，亮区域将暗，点运算完成了图象求补运算。1.2直方图均衡直方图均衡有时也称灰度均衡，目的是通过点运算使输入图像转换为在每一灰度级上都有相同的象素点数的输出图像（即输出的直方图是平的）。针对三种不同的图像，有不同的公式，下面分别论述：1）连续的，且被归一化的图像：按照图像的概率密度函数（PDF，归一化到单位面积的直方图）的定义：)(1)(0xHAxp其中H(x)为直方图，A0为图像的面积。设转换前图像的概率密度函数为pr(r)，转换后图像的概率密度函数为ps(s)，转换函数为s＝f(r)。由概率论知识，可以得到：dsdrrpsprs).()(这样，如果想使转换后图像的概率密度函数为1（即直方图为平和），则必须满足：rs)(ddrpr＝等于两边对r积分，可得：rrrdHAdprfs000)(1)()(该公式被称为图像的累积分布函数（CDF），此公式是被归一化后推到出的，2）连续的，但没有归一化的图像：对于上面的公式只要乘以最大灰度值（Dmax，对于灰度图象就是255）即可。灰度均衡的转换公式为：ADABdHADDfD00max)()(3）对于离散图像转换公式为：ADiiABHADDfD00max)(式中Hi为第i级灰度的象素个数。1.3旋转、缩放、平移1.3.1旋转以矩阵形式表示旋转变换公式：式中，坐标系是以图像的中心为原点，向右为x轴正方向，向上为y轴正方向，设为坐标系II。它和以图像左上角为原点，向右为x轴正方向，向下为y轴正方向的坐标系I之间的转换关系如下所示：其中w、h分别为图像的宽、高。则可知，对图像进行旋转变换操作可分成3步来进行：（1）将坐标系I变成II；（2）将该点顺时针旋转a角；（3）将坐标系II变回I。1.3.2缩放设（x0，y0）为原图像上的一点，假设放大因子为ratio，对图像进行缩放的变换矩阵如下所示：1.3.3平移将图像中所有的点都按照指定的平移量水平、垂直移动。设（x0，y0）为原图像上的一点，图像水平平移量tx，垂直平移量为ty，则平移后点（x0,y0）的坐标变为（x1，y1）。则（x0，y0）与（x1，y1）之间的关系为：;ty+y0=y1；tx+x0=x1专题33.1图像色彩空间变换3.1.1RGB-HIS读取RGB图像，逐像素进行如下计算得到ISH。)(31BGRI)],,[min(31BGRBGRS2/12)])(()[(2/)]()[(arccosBGBRGRBRGRH3.1.2HIS-RGB当H在[0,120]之间)(3)60cos(cos1)1(RBIGHHSIRSIB当H在[120,240]之间)(3)180cos()120cos(1)1(GRIBHHSIGSIR当H在[240,360]之间)(3)300cos()240cos(1)1(BGIRHHSIBSIG3.2彩色图像灰度化1.分量法将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。2.最大值法将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。3.平均值法将彩色图像中的三分量亮度求平均得到一个灰度值。4.加权平均法根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。j))0.11B(i,+j)0.59G(i,+j)0.30R(i,=j)f(i,3.3灰度图像伪彩色增强1灰度分割法一幅灰度图像可看做一个2-D的灰度函数，用一个平行于图像坐标平面去分截图像灰度函数，从而把灰度函数分成两个灰度值区间。设在灰度级L1，L2，…，Lm处定义了M个平面，让L0代表黑，Lm代表白，在0LmL的条件下，M个平面将把图像灰度值分成M+1个区间，对同一灰度值区间内的像素赋相同颜色，不同灰度值区间赋予不同颜色，形成彩色图像。2空间域变换法对原始图像中用三个独立的变换来处理，那么三个变换的结果分别同时输入彩色电视屏幕的三个电子枪，这样就可得到三个变换函数变换合成的彩色图像。专题44.1腐蚀与膨胀（水平、垂直、全方向）4.1.1腐蚀对一个给定的目标图象X和一个结构元素S，想象一下将S在图象上移动。在每一个当前位置x,S[x]只有三种可能的状态，即：（1）S[x]X;(2)S[x]Xc;（3）S[x]X与S[x]Xc均不为空。第一种情形说明S[x]与X相关性最大；第二种情形说明S[x]与X不相关；而第三种情形说明S[x]与X只是部分相关。因而满足（1）的点x的全体构成结构元素与图象的最大相关点集，我们称这个点集为S对X的腐蚀（简称腐蚀），记为XS。也可以用集合的方式定义：XS={x|S[x]X}4.1.2膨胀腐蚀可以看作是将图象X中每一个与结构元素S全等的子集S[x]收缩为点x,那么反之也可以将X中的每一个点X扩大为S[x]。这就是膨胀运算，记为XS。它定义为XS={x|S[x]x}。与之等价的定义形式为：}|][{}|][{XxxSSXSssXSX4.2开运算、闭运算4.2.1开运算设A是被研究的对象,k是结构元素,A被k进行开运算即A被k腐蚀后再用k来膨胀腐蚀结果，其定义为:Ak=(A,{AxforttkxkA,and}Akt式中，A集合是被处理的图象。k集合是一个较小的图象基元，叫做结构元素。tk表示结构元素平移一个距离t。上式表示图象A对结构元素k的开运算，精确的选择那些集合A中的点x，当x被结构元素k或平移tk覆盖的同时，结构元素必须整个保持在集合A内部。由此可以得出开运算是一个反延伸性质的运算。4.2.2闭运算闭运算是开运算的对偶运算，它是先膨胀后腐蚀的结果。因此闭运算可以写成：}|{AkkxxkAtt即对图象A用结构元素k做闭运算可得到一个集合，该集合中包括所有这样的点x，x被一个平移的镜象结构元素tk覆盖的同时，tk与A图象必有一些公共点。由此看出，初始图象A是包含在闭运算后的kA中，即闭运算是具有延伸性的运算。专题55.1植被指数植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，通过这两个波段测值的不同组合可得到不同的植被指数。（1）比值植被指数：RVI=IR/RED绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2。（2）归一化差异指数：ND=（IR-RED）/（IR+RED）-1=NDI=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等；正值，表示有植被覆盖，且随覆盖度增大而增大。（3）垂直植被指数：PVI=((SR-VR)2+(SNIR-VNIR)2)1/2在R-NIR的二维坐标系内，植被像元到土壤亮度线的垂直距离。其中S是土壤反射率，V是植被反射率。（4）差值\环境植被指数：DVI=IR-RED（5）调整土壤亮度植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0时，表示土壤背景的影响为零，即植被覆盖度非常高。5.2变化检测5.2.1比值法计算己配准的多时相图像对应像素的灰度值的比值，如果在一个像素上没有发生变化，则比值接近1；如果在此像素上发生变化，则比值远大于或远小于1。确定高门限与低门限，比值小于低门限或大于高门限时，即可认为该像素发生了变化。5.2.2灰度差值法差值法对多时相图像中对应像素的灰度值进行相减，结果图像代表了两个时间图像的变化。一般取窗口，用窗口均值代替窗口中心像素的灰度值进行计算。5.2.3相关系数法计算多时相图像中对应像素灰度的相关系数，结果代表了两个时间图像中对应像素的相关性。一般是取窗口，计算两个图像中对应窗口的相关系数，来表示窗口中心像素的相关性。如果相关系数值接近1则说明相关性很高，该像素没有变化；反之，则说明该像素发生了变化。专题1010.1空间域非加权融合不加权融合法是采用一个较小的空间高通滤波器对高空间分辨率影像滤波，直接将高通滤波得到的高频成分依像素加到各低分辨率多光谱影像上，获得空间分辨率增强的多光谱影像。常称为空间高通滤波融合法。融合表达式如下：Fk(i,j)=Mk(i,j)+HPH(i,j)式中Fk(i,j)表示第k波段像素(i,j)的融合值，Mk(i,j)表示低分辨率多光谱影像第k波段像素(i,j)的值，HPH(i,j)表示采用空间高通滤波器对高空间分辨率影像P(i,j)滤波得到的高频影像像素(i,j)的值。10.2空间域加权融合空间域加权融合是将高分辨率影像P(i，j)与空间配准的低分辨率第k波段多光谱影像Mk(i，j)进行相乘，并用高分辨率影像P(i，j)经过低通滤波后得到的影像LPH(i，j)进行归一化处理,得到增强后的第k波段融合影像。其公式为：Fk(i，j)=Mk(i，j)*P(i，j)/LPH(i，j)高分辨率影像P(i，j)经过低通滤波后分解成LPH(i，j)和HPH(i，j)两部分，则有Fk(i，j)=Mk(i，j)+Mk(i，j)*HPH(i，j)/LPH(i，j)10.3HIS变换融合将低空间分辨率多光谱影像变换到HIS空间，得到色别H、明度I、饱和度S三分量，对高空间分辨率影像进行直方图匹配（直方图规定化）或对比度拉伸，使之与I分量有相同的均值和方差，然后用拉伸后的高空间分辨率影像代替I分量，同H、S分量进行HIS逆变换得到空间分辨率提高的融合影像。二、算法设计由于专题1中图像线性拉伸、直方图均衡、旋转、缩放、平移与专题5图像融合部分的内容在以前的实习中已经完成过，在此次实习的算法设计与实现过程中不多做叙述。专题3：3.1图像色彩空间变换（RGB-HIS、HIS-RGB)根据原理说明中给出的RGB-HIS以及HIS-RGB的变换公式，逐像素进行变换处理。对变换得到的I、H、S分别寻找其最大值，与最大值相比并乘以255，将其转化为像素灰度，代替R、G、B分量存入新的图像中。在HIS-RGB时同样需要对读取的图像像素值恢复为初始I、H、S值在进行变换运算。3.2彩色图像灰度化在原理中列出了彩色图像灰度化的四种方法，实习中选用灰度化效果最理想的加权平均法，逐像素计算其R、G、B分量的加权平均值作为灰度图像的灰度值。其公式如下：j))0.11B(i,+j)0.59G(i,+j)0.30R(i,=j)f(i,3.3灰度图像伪彩色增强3.3.1密度分割法原图像是256级灰度图像，将256级灰度对应到8种颜色，灰度级分布与颜色对应如表1所示。灰度级0-3132-6364-9596-127128-154155-191192-233234-255颜色黑色蓝色绿色青色红色品红色黄色白色3.3.2空间域变换法空间域变换法利用三个映射函数来合成彩色图像，实习中采用的映射函数如下所示，其中R（x，y）、G（x，y）、B（x，y）表示伪彩