• 图像增强： 变换后的前几个主分量，信噪比大，噪声相对小，因此突出 了主要信息，达到了增强图像的目的。
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
PC1
PC2
PC3
PC4
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
后来Crist等人将其推广到TM(Landsat4,5)，并增加了 三个附加轴。
T-C变换示意图
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理 应用
T-C变换中前三个坐标轴的意义： 明度(Brightness)：土壤反射率变化大的方向； 绿度(Greenness)：与绿色植被量高度相关； 湿度(Wetness)：与植被冠层和土壤湿度有关；
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
MSS3
2B
1B
4A, 4B
3B 3A
2A
5A ,5B 6A, 6B 1A
MSS2
小麦生长线实例图 A 暗土 B 亮土 1裸土2发芽3生长期4成熟期5变黄期6衰老期
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
1. 遥感图像变换
图像变换的意义： 简化问题、解决问题和利于图像压缩。
主要方法：
• 主成分变换（PCA或K-L变换） • 缨帽变换（K-T变换） • 彩色变换 • 傅立叶变换 • 小波变换
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
1. 遥感图像变换--主成分变换
定义：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。
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，而且新的 坐标系的坐标轴一定指向数据信息量较大的方向。 新的坐 标系的各坐标轴依次指向特征空间中变量方差最大、次大， 直至最小的各个方向。
第三讲 高空间分辨率遥感图像处理
1. 遥感图像变换--缨帽变换
原理：
最早由Thomas和Kauth（1976）在研究MSS图像反映农作物 和植被的生长过程时提出的。他们将MSS4,5,6数据中的土壤 像元和植被像元投影到一个三维特征空间中，其形状如“缨 帽”，故名。 植被的绿色变化(反映植物生长过程)在垂直于缨帽底平面的 方向有很好的反映，因此设计一种线性变换(坐标旋转)，使 得三个新的坐标轴之一穿过帽顶而垂直帽底，其他两个坐标 轴亦有明确的物理意义。现在一般用MSS4,5,6,7 4个波段变 换。
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理 农作物生长过程在T-C坐标视面上的变化：
绿 度
湿 度
绿 度
亮度
裸土
(a)植被视面
生长
亮度
植被最大覆盖
(b)土壤视面
湿度
衰老
(c)过渡区视面
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
主讲人：张立福 2011.04
HRS/Institute of Remote Sensing Applications, CAS
主要内容
➢1. 遥感图像变换 ➢2．遥感图像融合 ➢3. 遥感图像分类
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
PC1(97.6%) PC2(1.8%) PC3(0.4%) PC4
PC5
PC6
PC7
HRS/Institute of Remote Sensing Applications, CAS

PC2
PC3
red
green
blue
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
原始影像与主成分合成影像比较
TM FCC 452 RGB
TM PCC 123 RGB
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
主成份变换作用：
• 数据压缩： 光谱之间存在的广泛相关性是多光谱图象分析中经常遇到的 问题。也就是说，各种波长波段里的数据生产的图象经常显 示出相似的外观，而且实际传递的也是相同的信息。 将包含在原始n个波段内的所有信息压缩到比n个波段要少 的几个“新波段”或所谓的“主成分”上，然后再用这些主 成分来代替原始的图象数据。即在尽可能不减少图象信息的 前提下，减少光谱特征空间的维数（波段数），从而压缩总 的数据量。
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
• 变换后所得各分量(y1,y2,,yn)是互不相关的，Y的各分量 按顺序所承载的原特征向量X中的信息量，是由大到小排 列的，且通常前三个分量集中了所有信息量的90%以上。
• 变换对不相关的噪声没有影响，当信息减少时，就突出了 噪声，最后的分量几乎全是噪声。
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理
原始影像
TM FCC 452 RGB
HRS/Institute of Remote Sensing Applications, CAS
第三讲 高空间分辨率遥感图像处理 1. 遥感图像变换--彩色变换 • 单波段彩色变换 • 多波段彩色变换 • HLS变换
HRS/Institute of Remote Sensing Applications, CAS