红
近红外
中红外
热红外 区分地表温度分布，监测与热辐射的热特征，地面不同温度场的 （120m） 热绘制图。 中红外 区别矿物或岩石类型，为地质波段，处于水的强吸收带，水体呈 黑色。区分主要岩石类型，同时对植被信息的提取也有帮助。
TM影像彩色合成时（RGB）常见波段组合:
常用的波段组合
特 点
红 3
4 5 7
这种多光谱空间 只表示各波段光谱之间的关系， 而不包括任何该点在原图像中的位置信息 ，它没 有图像空间的意义，遥感数据采用的波段数就是 光谱空间的维数。
多光谱变换：K-L变换
主成分分析
（principal component analysis）是着
眼于变量之间的相互关系，尽可能不丢失信息地用 几个综合性指标汇集多个变量的测量值而进行描述 的方法。
x2
K－L变换的特点：
从几何意义来看，变换后的主分量空间坐标系与变 换前的多光谱空间坐标系相比旋转了一个角度。而 且新坐标系的坐标轴一定指向数据信息量较大的方 向。以二维空间为例，假定某图像像元的分布呈椭 圆状，那么经过旋转后，新坐标系的坐标轴一定分 别指向椭圆的长半轴和短半轴方向——主分量方向， 因为长半轴这一方向的信息量最大。
指数变换 其意义是在亮度值较高的 部 分 扩 大 亮 度间隔 ， 属 于 拉 伸 ， 而 在亮度值 较 低的部分缩小亮度间隔， 属 于 压 缩 ， 其数学表 达 式为 axa b
x be
c
a，b，c为可调参数，可以改变指数函数曲线的形态， 从而实现不同的拉伸比例。
非线性变换
对数变换 与指数变换相反，它的意 义是在亮度值较低的部 分拉伸，而在亮度值较 高的部分压缩，其数学 表达式为
数字图象增强
对比度变换 空间滤波 彩色变换 图像运算
多光谱变换（K-L变换，K-T变换）
多光谱变换
多光谱空间就是一个n维坐标系，每一个坐标轴代 表一个波段，坐标值为亮度值，坐标系内的每一 个点代表一个像元。像元点在坐标系中的位置可 以表示成一个n维向量：其中每个分量xi表示该点 在第i个坐标轴上的投影，即亮度值。
昆明市标准假彩色图像（TM 4-3-2 波段RGB合成）
假彩色合成图像（7-4-3 波段RGB合成）
单波段影像密度分割
图像密度分割原理可以按如下步骤进行： （1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间Δ D = dmax-dmin + 1； （3）求分割层的密度差Δ d =Δ D／n ，其中n为 需分割的层数； （4）求各层的密度区间； （5）定出各密度层灰度值或颜色。
第四章 遥感图像处理
主讲老师：刘玉杰 云南大学资环学院区域与资源规划系
数字图象增强
对比度变换 空间滤波 彩色变换 图像运算 多光谱变换
对比度变换
对比度变换是一种通过改变图像像元的亮 度值改变图像像元对比度，从而改善图像质量 的图像处理方法。 亮度值是辐射强度的反映，对比度变换也被 称为辐射增强。
最 小 值
最 大 值
数字图像
直方图
线性变换
当亮度值xa从0～15变换 成xb从0～30，变换函数在图中 是一条直线OO’，方程式为
xb xa 30 15
xb 2 xa
最 小 值
最 大 值
变换后图像
变换前后直方图对比
线性变换
一般情况下，当线性 变换时，变换前图像的 亮度范围xa为a1～a2， 变换后图像的亮度范围 xb为b1～b2，变换关系 是直线，则变换方程为 xb b1 xa a1 b2 b1 xb ( xa a1 ) b1 b2 b1 a2 a1 a2 a1
红波段图像（121/36，20010129）
近红外波段图像（121/36，20010129）
差值（IR-R）图像（121/36，20010129）
差值运算：监测变化
差值运算还常用于研究同一地区不同时相的动态 变化。监测森林火灾发生前后的变化和计算过火面积；
监测水灾发生前后的水域变化，并计算受灾面积及损失； 监测城市在不同年份的扩展情况及计算侵占农田的比例等。
分段线性变换
有时为了更好地调节图像的对比度，需要在一些 亮度段拉伸，而在另一些亮度段压缩，这种变换称 为分段线性变换。 进行分段线性变换时，变换函数不同，在变换 坐标系中成为折线，折线间断点的位置根据需要 决定。
果 比较
分段线性变换(注意:适用条件)
从图中可以看出，第一、三 段为压缩，第二段为拉伸， 每一段的变换方程为： 1 ① xb xa ② x 2 x 10 b a 3 ③ x 3 x 15 b a 4 4
线性变换
通过调整参数a1，a2，b1，b2，即改变变换直线的 形态，可以产生不同的变换效果。若a2-a1<b2-b1， 则亮度范围扩大，图像被拉伸，若a2-a1>b2-b1， 亮度范围缩小，图像被压缩。 对于a2与a1 ，是取在图像亮度值的全部或部 分，偏亮或偏暗处，均可根据对图像显示效果的 需要而人为地设定。
对比度变换
对比度变换方法 为了改善图像的对比度，必须通过一个变换函数来 改变图像像元的亮度值，根据变换函数的性质,可以将 对比度变换分为线性变换和非线性变换两种。 线性变换 如果变换函数是线性的或分段线性的，这种变换就 是线性变换。线性变换是图像增强处理最常用的方法。
线性变换
将亮度值为0～15图像拉伸为0～30，要设 计一个线性变换函数，横坐标xa为变换前的亮 度值，纵坐标xb为变换后的亮度值。
图像间运算
两幅或多幅同样行、列数的单波段遥感影像， 在完成空间配准后，通过一系列运算，可以 实现图像增强，达到提取某些特定信息或去掉 某些多余信息的目的。 差值运算：可以突现出两波段差值大的地物， 如红外波段-红光波段，可突现植被信息。 比值运算：常用于计算植被指数、消除地形阴 影等。 归一化植被指数： NDVI=（TM4-TM3）/（TM4+TM3）
Convolution （卷积增强）
高通滤波（锐化处理）
数字图象增强
对比度变换 空间滤波 彩色变换 图像运算 多光谱变换
多波段影像彩色合成
为了充分利用色彩在遥感图像判读和信息提取中的
优势，常常利用彩色合成的方法多波段对多光谱图像 进行处理，以得到真彩色图像和假彩色(伪彩色)图像。
2
3 4 5 6 7
0.52— 0.60
0.63— 0.69 0.76— 0.90 1.551.75 10.4— 12.5 2.08— 2.35
绿
绿色反射带，辨别绿色植被及对其生长能力的评估；区分林型、 树种等。
在叶绿素吸收范围，用于区分有无植被、植被盖度、植物健康状 况，广泛应用于地貌、土壤、植被等方面。 是活的绿色植物的各种变量与反射率关系最敏感的波段。测定植 被类型、生物量、作物长势等。植被通用波段。 是水汽的吸收带之间的反射峰。表示植被或者土壤的湿度，对土 壤和绿色植被具有很强的对比。有利于区别雪和云。
通过采用主成分分析就可以把图像中所含的大部
分信息用假想的少数波段表示出来，这意味着信息 几乎不丢失但数据量可以减少。
K-L变换
K－L变换是离散（Karhunen－loeve）变换的简称， 又被称作主成分变换。它是对某一多光谱图像X， 利用K－L变换矩阵A进行线性组合，而产生一组新 的多光谱图像Y，表达式为： Y=AX 即
K－L变换的特点
就 变换后的新波段主分量而言，它们所包括的信 息量不同，呈逐渐减少趋势 。事实上，第一主分 量集中了最大的信息量，常常占80％以上。第二、 三主分量的信息量依次很快递减，到了第n分量， 信息几乎为零。由于K—L变换对不相关的噪声没有 影响，所以信息减少时，便突出了噪声，最后的分 量几乎全是噪声。所以这种变换又可分离出噪声。
xb b lg( axa 1) c
a，b，c仍为可调参数，由使用者决定其值 。
数字图象增强
对比度变换 空间滤波 彩色变换 图像运算 多光谱变换
空间滤波——邻域增强处理
邻域增强处理又叫空间滤波处理，它是在被处 理像元周围的像元参与下进行的运算处理。 邻域的范围取决于滤波器的大小，如3×3或 5×5等。 邻区法处理用于去噪声、图像平滑、锐化和 相关运算 。
有时为了突出边缘，用差值法将两幅图像的行、 列各移一位，再与原图像相减，可以起到几何增强的 作用。
上海市：1995－1998年
比值运算：植被检测和去除地形的影响
两幅同样行、列数的图像，对应像元的亮度值 相除（除数不为0），比值运算可以检测波段的
斜率信息并加以扩展，以突出不同波段间地物 光谱的差异，提高对比度。 该运算常用于突出遥感影像中的植被特征、 提取植被类别或估算植被生物量，这种算法的结 果称为植被指数，常用算法：
近红外波段／红波段 或 （近红外-红）/(近红外+红）
图像运算：比值运算
比值运算对于去除地形影响也非常有效。
由于地形起伏及太阳倾斜照射，使得山坡的 向阳处与阴影处在遥感影像上的亮度有很大区 别，同一地物向阳面和背阴面亮度不同，给判读 解译造成困难，特别是在计算机分类时不能识别。 由于阴影的形成主要是地形因子的影响，比 值运算可以去掉这一因子影响，使向阳与背阴处 都毫无例外地只与地物反射率的比值有关。
数字图象增强
对比度变换 空间滤波 彩色变换 图像运算 多光谱变换
图像间运算
如何利用图像间 运算，区图像间运算
两幅或多幅单波段影像，完成空间配准后， 通过一系列运算（相加、相减、相乘、相除或混合 运算等），可实现图像增强，达到提取某些信息或 去掉某些不必要信息的目的。
对图像中每一像元矢量逐个乘以矩阵 A ，便得到新图像 中的每一像元矢量。A 的作用是给多波段的像元亮度加 权系数，实现线性变换。由于变换前各波段之间有很强 的相关性，经过 K－ L变换组合，输出图像 Y 的各分量之 间将具有最小的相关性。