第五章 图像校正与增强 原因： 辐射校正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辩率和对比度下降等辐射失真； 第五章 图像校正与增强 图像校正 辐射校正 几何校正 原因： 辐射校正由于遥感检测系统、大气散射和吸收等原因引起的图像模糊失真、分辩率和对比度下降等辐射失真； 几何校正是由于搭载传感器的遥感平台飞行资态变化、地球自传、地球曲率等原因引起的图像几何益畸变。

5.1 数字图像基础知识 一、数字图像和图像数字化 （一）数字图像的概念 早期的遥感技术通过摄影成像方法得到的像片称之为光学图像。 能在计算机里存储、运算、显示和输出的图像称为数字图像。 光学图像可以看成是由无数个很小的单元点子（像元）组成的，每个单元点子的明暗程度记录了成像瞬间对应的物体的反射光强度（灰度），在遥感图像其实质就是探测范围内电磁辐能量分布图。

数字方法表示图像： (x,y)表示像元的位置； f(x,y)表示（x,y)位置上的对应地物电磁辐射强度。 O 图像 x y (x,y)表示像元的位置； f(x,y)表示（x,y)位置上的对应地物电磁辐射强度。 对于模拟图像,x,y,f(x,y)的取值是连续的。

O 图像 x y 1 2 3 4 5 6 Pixel 要经过“离散化”取样才能变成计算机可存储和运算的数字图像。 函数f(x,y)的取值：离散整数取样是根据需要，将灰度空间分成2n级（目前n的取值有1、4、7、8，甚至更多），然后根据方格内电磁辐射强弱取其平均值整数作为函数f(x,y)的值。

一幅模拟图像表示为数字图像其实质是一个数字矩阵。 数字矩阵可以计算机里进行存储和运算。

（二）图像数字化 一幅光学图像经过上述离散取样，转化为数字图像的过程即图像数字化。 图像的数字化内容： （1）图像空间位置的数字化，即图像的空间取样。 （2）图像灰度的数字化，即指从图像灰度的连续变化中进行离散的采样，目前经常使用的灰度量度有2级，64级，128级，256级。 除光学图像可以数字化为数字图像外，更多的遥感图像源于传感器获得后直接的数字产品，如SPOT,MSS,TM,ETM等航天遥感数字。

（三）灰度直方图 　　用平面直角坐标系表示一幅灰度范围为0-n数字图像像元灰度分布状态。 横轴表示灰度级，纵轴（Pi=mi/M)表示灰度级为gi的像元个数mi占像元总数Ｍ的百分比。将2n个Pi绘于图上，所形成的统计直方图叫灰度直方图。

通过灰度直方图可以直观地了解图像增强的效果。

二、图像处理系统与处理内容 （一）图像处理系统

（二）遥感图像计算机处理的主要内容 １.图像校正：辐射校正、几何校正等； 2.增强处理：彩色增强、直方图增强、图像运算、多信息融合等； 　　 １.图像校正：辐射校正、几何校正等； 　　　2.增强处理：彩色增强、直方图增强、图像运算、多信息融合等； 　　　3.图像变换：消除干扰、滤掉噪声、提高图像的质量，如Ｋ－Ｌ变换等； 　　　4.计算机信息提取：非监督分类、监督分类、神经网络分类、模糊分类、空间信息撮等。

5.2 图像辐射校正 一、系统辐射校正 （一）光学摄影机内部辐射误差校正 光学摄影机内部辐射误差主要是由镜头中心和边缘的透射光的强度不一致造成的，它使得在图像上不同位置的同一类地物有不同的灰度值。设原始图像灰度值g，校正的图像灰度g’,则有 g’=g/cos 为像点成像时光线与主光轴夹角。 （二）光电扫描仪内部辐射误差的校正 两类误差：（1）光电转换误差；（2）探测器增益变化引起的误差。

式中，LAi为卫星观测值；Ri为地面反射率； a和b为回归系数； 消除方法：楔校准处理方法； 二、大气校正 定义：指消除主要由大气散射引起的辐射误差的处理过程。 （一）公式法 与卫星扫描同步进行野外波谱测试，将地面测量结果与卫星影像对应像元亮度值进行回归分析，回归方程为： 式中，LAi为卫星观测值；Ri为地面反射率； a和b为回归系数；

系数a为大气散射引起对辐射的干扰部分 b表示辐射率Lai随地面反射率Ri递增而增长的程度大小； a=SiLBi 式中，Si为系统增益因素；Lbi为大气路径辐射率； b表示辐射率Lai随地面反射率Ri递增而增长的程度大小； Ti为大气透射率；Hi为太阳辐照度；θ为太阳天顶角； 由于这个公式计算方法是对于各个波段分别进行的，所以以上各参数都带有i，代表各波段的序号。将上式代入可得：

式中，L’Ai即为校正后图像灰度值；a为大气附加辐射部分。 上式说明决定Lai的因素比较复杂，用这一公式计算Lai时需要获得当时具体气象参数。 由前面的公式可得： 式中，L’Ai即为校正后图像灰度值；a为大气附加辐射部分。

（二）回归分析法 用长波数据来校正短波数。 作法：在不受大气影响的波段（如TM5）和待校正的某一波段图像中，选择由最亮至最暗的一系列目标，将每一目标的两个待比较的波段灰度值提取出来进行回归分析。 例如： 式中， 为TM5波段的亮度均值； 为TM1亮度均值；

a1,b1计算如下： 为TM1波段校正后的灰度值。 T1、T5表示TM1与TM5波段灰度值，

辐射回归分析图：

（三）直方图校正法 通过灰度直方图对比找出校正量。

几何畸变：遥感图像在获取过程中由于多种原因导致景物中目标物相对位置的坐标关系图像中发生变化。 5.3 几何校正的原理与方法 几何畸变：遥感图像在获取过程中由于多种原因导致景物中目标物相对位置的坐标关系图像中发生变化。 一、遥感图像几何畸变来源 （一）传感器成像几何形态影响 传感器一般的成像几何形态有中心投影、全影投影、斜距投影以及平行投影等几种不同类型。 1、全景投变形 红外机械扫描仪、CCD线阵推帚式传感器。

2、斜距投影变形 侧视雷达属斜距投影，其成像变形规律如图

（二）传感器外方位元素变化畸变

（三）地球自转的影响 地球自转对于瞬时光学成像遥感方式没有影响，对于扫描成像则造成图像平行错动。 为图像错动量； 扫描整景图像时间； 该纬度的地球自转线速度； 图幅地面长度； 地球平均半径6378KM； 卫星运行平均角速度；

2、产生的误差原理与航空像片像点位移相同。 （四）地球曲率影响 1、在星下点视场角较小，曲率影响可忽略。 2、产生的误差原理与航空像片像点位移相同。

二、遥感图像几何校正原理 遥感图像几何校正包括光学校正和数字纠正两种方法。 数字纠正是通过计算机对图像每个像元逐个地解析纠正处理完成的，其包括两方面：一是像元坐标变换；二是像元灰度值重新计算（重采样）。 （一）坐标变换的两种方案 首先要确定原始图像和纠正后图像之间的坐标变换关系。对其包括： 直接法：从原始图像阵列出发，依次对其中每一个像元分别计算其在输出（纠正后）图像的坐标，即：

式中，x,y为P点原始图像的行数和列数；X，Y为P在新图像中的坐标（即地面坐标系），并把P（x,y)的灰度值重新计算后送到P（X，Y）位置上去。 间接法：从空白图像阵列出发，依次计算每个像元P（X，Y）在原始图像中的位置P（x,y），然后把该点的灰度值计算后返送给P(X,Y)。其纠正公式为：

(二）输出图像的边界大小 输出图像边界的地面坐标值是由包括纠正后图像在内的最小长方形范围来确定的。

投影到输出坐标系中来。 1、把原始图像的4个角点按公式： 2、获取各自的最大和最小值（Xb、Yb和Xa、Ya）； 3、令地面上坐标（Yb、Xa）和(Ya、Yb)的点（图像左上角点）为输出图像的第一行第一列像元，以dx和dy划分网格，每个网格代表输出图像的一个像元，在它输出图像阵列中的位置为： 式中，X，Y为地面某网格中心的坐标值；I，J为该网格位于输出图像阵列中的行列序号；dx,dy为输出图像阵列像元的地面尺寸；

（三）数字图像灰度值的重采样 校正前后图像的分辨率变化、像元点位置相对变化引起输出图像阵列中的同名点灰度值变化。 重采样：P’的灰度值取决于周围列阵点上像元的灰度值对其所作的贡献，这就是灰度值重采样

1、最近邻法 用距离投影点最近像元灰度值代替输出像元灰度值。 2、双线性内插法 投影点周围4个相邻像元灰度值，并根据各自权重计算输出像元灰度值，公式简述为：

3、双三次卷积法 获取与投影点邻近的16个像元灰度值计算输出像元灰度值，公式为：

三、数字图像几何校正方法 数字图像几何校正方法有多项式纠正法和共线方程纠正法。前者常用。 多项式纠正法的基本思想：回避成像的空间几何过程，而真接对图像变形的本身进行数学模拟。常用的二元齐次多项式纠正变换方程为： 式中，x,y为某像元的原始图像坐标；X,Y为纠正后同名点的地面（或地图）坐示；ai,bi为多项式系（i=0,1,2…

数字镶嵌在理论和方法上与几何校正类似，有几点注意： 实际工作中，多项式系数求出后，根据上述公式可以求解原始图像任一像元的坐标，并对图像灰度进行内插，获取某种投影的纠正图像。 一般选择最小控制点的数量为:(n+1)(n+2)/2, 为多项式次数。 四、遥感图像数字镶嵌 数字镶嵌在理论和方法上与几何校正类似，有几点注意： 1、镶嵌要有足够宽的重叠区，最好不少于图像的1/5。 2、相邻的图像色调或灰度值应一致（通过“直方图匹配”等方法）； 3、最好依据地图投影方式先分幅校正，后镶嵌，以保证较高的精度。

5.4 遥感图像增强处理 一、彩色增强处理 五、多图像几何配准 在实际应用过程经常需要将同一地区的不同类型传感器获得的各种遥感数据“匹配”起来，以期利用各自优点，这种作法称为多图像几何配准。 5.4 遥感图像增强处理 一、彩色增强处理 假彩色合成 原理：选取同一目标的三个多光谱数据合成一幅彩色图像。

二、空间域增强处理 定义：空间域指图像平面所在的二维空间，空间域图像增强是指在图像平面上应用某种数学模型，通过改变图像像元灰度值达到增强效果。（这种增强并不改变像元的位置） 反差增强 反差增强又称对比度增强或点增强。主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增加反差的目的。 线性增强 若增强前后灰度函数关系符合以下线性关系式，则称为线性增强，也称“线性拉伸”：

为增强后灰度值； 为增强前灰度值； 为常数； 此变换过程和结果可用图表示：

举例：某地TM图像，增强前灰度最大值为62，最小值为10，选择0-256灰度级进行线性变换，则变换函数为： 其中：