遥感影像处理实习5.doc

实****序号及题目实****5 ——遥感影像反差增强实****人姓名任课教师姓名实****地点榆中校区实验楼 A109 实****日期时间 2012 年 11月 28日实****目的 1 、理解主成份变换、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。 2、掌握利用特征空间视图对影像中若干典型地物( 如水体、农田、林地、居民地等) 进行遥感影像分析。实****内容 1 、主成分变换,使用实****1 中截取的子区 Landsat TM 影像进行主成分变换,记录特征值和特征值矩阵, 逐一比较变换后各个波段的影像特征, 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; 2 、去相关拉伸,使用实****1 中截取的子区 Landsat TM 影像进行去相关性拉伸,比较变换后各个波段的影像特征; 3 、樱帽变换,使用实****1 中截取的子区 Landsat TM 影像进行缨帽变换,逐一比较变换后各个波段的影像特征并注意传感器类型的选择。 4 、色彩变换,使用实****1 中截取的子区 Landsat TM 影像进行色彩变换,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。 5 、自然色彩变换,使用提供的 spot 影像进行自然色彩变换。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, 使变换后各个坐标轴与影像多光谱空间变化的主要方向保持一致; 变换后坐标轴的原点位置取决于多光谱空间中的均值矢量,坐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, 还把有用的信息集中到数目尽可能少的几个主成分影像波段上,从而提高了影像目视分析的效率。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。 N??????? 21 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, 并且第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、第三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,最后的几个波段的影像上实际仅包含噪声信息。 2、樱帽变换: Tasseled Cap 又称为 K-T 变换。一种特殊的主成分变换: 意义: y1 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对比; 又称为绿度植被指数( 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,大气辐射衰减效应。 K—T 变换的生物物理意义:绿度维和亮度维组成的二维空间构成植被视面,它反映了植被从破土发芽、生长、开花到结实等各个阶段的整个生物过程。随叶面积增加而绿度值增加,之后开始成熟、枯黄,绿度很快降回到最低点。 K—T 变换的生态意义:湿度(黄度)与亮度组成的平面为土壤视面,绿度与湿度(黄度)组成的平面称为过渡区视面。 Landsat TM 变换系数: 3、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,达到影像增强的目的。 4、色彩变换: 颜色是重要的视觉信息, 识别各种不同的颜色是人类与生俱来的能力。人的视觉系统有 3 类视锥细胞用于感知颜色,其峰值响应波长分别为 430nm , ACX Y???? TxxxxxxX 754321,,,,,??? TyyyyyyY 754321,,,,,? 530nm 和 560nm ;人类能够感知和识别的明暗灰度等级不过是 10 多种,但是能够识别的颜色数目一般可达上百种。好的视觉观察者甚至可以识别 1700 0 种颜色; 三原色原理( T. Young ): 人类的视觉系统所感知的所有颜色都是红、绿和蓝色这三种基本颜色的线性混合形式。 ENVI HSV 模型(对应 ERDAS IHS 模型) :人眼的视觉生理感受, H: Hue ,色度/ 色调,与颜色对应的电磁波波长(或者频率)有关,红色的色度值为 0(或 255 ) ,绿色为 2/3 π(或 85) ,蓝色为 4/3 π(或 170 );S: Saturation ,色