遥感影像处理实习05.docx

遥感影像处理实习05.docx:..、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和操作步骤。掌握利用特征空间视图对影像中若干典型地物(如水体、农山、林地、居民地等)进行遥感影像分析。实****内容1•主成分变换要求:保存并在实****报告屮记录特征值和特征值矩阵,逐一比较变换后各个波段的彫像特征,说明从各个波段可以提取的影像信息,根据特征值说明变换后各个波段在影像总信息中的百分比。:比较变换后各个波段的影像特征。:逐一比较变换后各个波段的影像特征。:分析变换后影像各个波段的特征。:导入数据示对各波段的颜色特征进行标注;说明参与变换的各个波段影像的光谱特征,比较变换前后的影像特征。分析变换后影像信息的特点。新的绿光波段的计算公式为:byte((float(green)+red+nir)/3)^用float函数使整个运算在浮点数域内进行基本原理1、 主成份变换:实质上就是在多光谱空间中根据像元灰度矢量散点的空间分布特征(主要是均值、方差分布)对影像进行的以平移、旋转为主要内容的线性变换,使变换后各个处标轴与影像多光谱空间变化的主要方向保持一致;变换后朋标轴的原点位置取决于多光谱空间屮的均值矢量,处标轴的长短与各个波段方差、协方差成正比;主成分变换去除了原影像各个波段之间的相关性,还把侑用的信息集屮到数1=1尽可能少的几个主成分影像波段上,从而提高了影像冃视分析的效率。变换后各个波段影像所含的信息量由其所对应的特征值大小来度量:所以变换后各个波段影像上的信息量依次递减。Q,—MI<M>X]>入2>・八>入N 看亠经过K・L变换后,Y的各个行向量依次称为第一主成分、第二主成分,・・•,第N主成分,并R笫一主成分包含了原影像的大部分信息、第二主成分包含了第一主成分不能表达的信息,信息量少于第一主成分、第二主成分包含了前两个主成分未能表达的信息,信息量少于第一、第二主成分,其余影像信息分布在其他主成分中,且信息量依次递减,最后的儿个波段的影像上实际仅包含噪声信息。2、 去相关拉伸:用于消除多光谱影像中各个波段之间的相关性,从而生成一幅色彩亮丽的彩色合成影像。方法:首先对影像进行主成份变换,并对主成份变换结果进行反差拉伸,然后再进行主成份逆变换,将影像恢复到RGB彩色空间,达到影像增强的H的。3、 樱帽变换:TasseledCap乂称为K-T变换。一种特殊的主成分变换:Y=CX+AX=[兀,卷,1,兀,耳,xjY=[只,几,几,人,几,几T意义:yl代表亮度分量(brightness),是TM六个波段亮度值的加权和,反映了总体的亮度变化;y2代表绿度分量(greenness),与亮度分量垂直,是近红外与可见光波段的対比;乂称为绿度植被指数(GVI);y3代表黄度或湿度分量(yellowness),主要与土壤湿度/水分状况有关;y4对于MSS数据没有意义,而对于TM数据代表霾,人气辐射衰减效应。4、 色彩变换:颜色是更要的视觉