遙感數(shù)字圖像增強(qiáng)ppt課件-資料下載頁(yè)
2025-05-05 06:30本頁(yè)面
【正文】 ,3,2,1,2 ????? nnjimXmXE jjiiji ??基于主分量變換的圖像融合 ? 協(xié)方差矩陣 ： ? 一個(gè)滿(mǎn)秩矩陣，其特征值為實(shí)數(shù)，它表示 n+1個(gè)波段圖像中的各地物在 n+1維空間中的分布。 ? 求出特征值后對(duì)特征值 ，進(jìn)行排序 ，求出對(duì)應(yīng)的特征向量 ，構(gòu)成特征向量集 。 ??????????????????1,12,11,11,22,21,2112111nnnnnn????????? ，，基于主分量變換的圖像融合 ? 用 KL變換式 進(jìn)行 KL正變換 。變換后的第一主分量含有變換前各波段圖像的相同信息，而各波段中其余對(duì)應(yīng)部分被分配到變換后的其他波段。 ? 將高分辨率的全色圖像和中第一主分量進(jìn)行 直方圖匹配 ，使高分辨率圖像和第一主分量有相同的均值和方差。 ? 最后用直方圖匹配后的高分辨率圖像代替主分量中的第一主分量和其余分量一起進(jìn)行 KL逆變換 ，然后對(duì)矩陣進(jìn)行重組，得融合圖像。 KL變換性質(zhì) ? KL變換是一個(gè)正交變換 ? KL變換后所得到的向量中各個(gè)元素互不相關(guān) ? 從離散 KL后得到的向量刪除后面的個(gè)元素而只保留前個(gè)元素時(shí)所產(chǎn)生的誤差滿(mǎn)足平方誤差最小的準(zhǔn)則 基于小波變換的圖像融合 采用離散二進(jìn)小波變換的 Mallat算法的圖像融合步驟如下： ①對(duì)高分辨率全色圖像和多光譜圖像進(jìn)行 幾何配準(zhǔn) ，并且對(duì)多光譜圖像 重采樣 與全色圖像分辨率相同； ②對(duì)全色圖像和多光譜圖像進(jìn)行 直方圖匹配 ； ③對(duì)全色高分辨圖像進(jìn)行 小波分解 ，分解成 LL（低頻部分），HL（水平方向的小波系數(shù)）， LH（垂直方向小波系數(shù)），HH（對(duì)角方向的小波系數(shù)）； ④對(duì)多光譜圖進(jìn)行 分解 成四部份 LL， LH， HL， HH； ⑤根據(jù)需要或保持多光譜色調(diào)的程度由③ , ④ 中的 LL重新組合成新的 LL； ⑥根據(jù)需要由③ , ④ 中的 LH， HL， HH重新組合成新的 LH， HL，HH； ⑦由⑤ ,⑥ 所得的新的 LL， HL， LH， HH小波反變換 重建影像； ⑧其它波段融合重復(fù)步驟③－⑦。 比值變換融合 ? 其中 :Bi(i=1,2,3)為多光譜圖像； ? D為高分辨率圖像； ? DBi(i=1,2,3)為比值度變換融合圖像。 ? 比值變換融合可以增加圖像兩端的對(duì)比度。當(dāng)要保持原始圖像的輻射度時(shí)，本方法不宜采用。 乘積變換融合 ? 乘積變換融合算法按下式進(jìn)行： ? 通過(guò)乘積變換融合得到的融合圖像其亮度成分得到增加。 注意 ? 在上述融合方法中，基于 HIS變換融合和比值變換融合只能用三個(gè)波段的多光譜圖像和全色圖像融合，而其它方法不受波段數(shù)限制。 圖像融合的效果評(píng)價(jià) ? 定性評(píng)價(jià) ：主要以目視判讀為主，目視判讀是一種簡(jiǎn)單、直接的評(píng)價(jià)方法，可以根據(jù)圖像融合前后的對(duì)比作出定性評(píng)價(jià)。缺點(diǎn)是因人而已，具有主觀(guān)性。 ? 定量評(píng)價(jià) ：從融合圖像包含的信息量和分類(lèi)精度這兩方面進(jìn)行評(píng)價(jià)，可以彌補(bǔ)定性評(píng)價(jià)的不足。 ? 基于信息量 ：熵 ? 基于清晰度 ：平均梯度 ? 基于逼真度 ：偏差指數(shù) ? 基于光譜差異 ：光譜扭曲值 SAR TM PAN SAR TM S+T P+T S+T+P S+T 二、遙感與非遙感信息的復(fù)合 地理數(shù)據(jù)的網(wǎng)格化 （ 1）網(wǎng)格數(shù)據(jù)生成； （ 2）與遙感數(shù)據(jù)配準(zhǔn)。 最優(yōu)遙感數(shù)據(jù)的選取。 配準(zhǔn)復(fù)合： （ 1）柵格數(shù)據(jù)與柵格數(shù)據(jù)； （ 2）柵格數(shù)據(jù)與矢量數(shù)據(jù)。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1