4.1变换域处理方法概述
一、重点:各变换算法在图像处理中的物理含义及应用
二、线性变换:(1)主成分分析
(2)最小噪声分离
(3)缨帽变换
频率域变换:(1)傅里叶变换
(2)小波变换
(3)颜色空间变换
4.2主成分变换
一、主成分变换概念:
将一组可能相关的变量转换到一组线性不相关的变量(成为主成分)的统计分析过程。
二、主成分变换原理:
(1)去相关
(2)信息压缩至前面的主成分
三、主成分变换过程:
四、主成分变换在图像处理中的应用:图像压缩、图像去噪、图像增强、图像融合、特征提取。
4.3最小噪声分离变换(MNF变换)
一、最小噪声分离变换的概念
最小噪声分离(Minimum Noise Fraction,MNF)一种正交变换,变换后得到的各分量互不相关,各分量按照信噪比从大到小排列;MNF变换后使噪声得到了分离,且波段间不相关,所以它比PCA变换更加优越。
PCA:按信息量(方差)大小排列
MNF:按信噪比大小排列
二、最小噪声分离变换原理及过程
*MNF变换相当于进行两次PCA
具体计算方法:(1)噪声估计
(2)对噪声图像进行主成分变换,获得用于随机噪声分离和调整的变换矩阵
(3)对原始遥感影像各波段的随机噪声进行分离和重新调整
(4)对经噪声分离和重新调整的原始遥感影像进行主成分变换
三、最小噪声分离变换在图像处理中的应用:图像压缩、图像去噪、图像增强、图像融合、特征提取。
4.4缨帽变换(Tasseled Cap Transformation)
一、缨帽变换概念:一种基于图像物理特征的固定转换,变换后的坐标轴不是指向主成分方向,而是指向与地面景物有密切关系的方向,特别是与植物生长过程和土壤有关。
二、缨帽变换模型:
Y = cX +a
*X为变换前多光谱空间的像元矢量
*Y为变换后多光谱空间的像元矢量
*c为变换矩阵(缨帽变换的转换系数c对同一传感器是固定的)
*a是为了避免出现负数所加的常数项
三、遥感图像缨帽变换及应用
1、常见分量:
亮度分量(Brightness):波段分量的加权和,反映了总体的亮度变化;
绿度分量(Greenness):与亮度分量垂直,是近红外与可见光波段的比值,反映可见光波段特别是红外波段与近红外 波段之间的对比,即地面植被的绿度;
黄度分量(Yellow Stuff):反映植被的枯萎程度;
湿度分量(Wetness):与土壤湿度有关,反映可见光与近红外波段及红外波段的差值。
无意义分量(Non-such):无实际意义,通常为噪声。
2、应用:图像压缩、图像去噪、图像增强、图像融合、特征提取。(主要应用于特征提取)
4.5傅里叶变换
一、傅里叶变换在信号处理中的作用
傅里叶变换是一种通过频率来分离不同信号的方法!
如:一束太阳白光经过三棱镜被分解为红、橙、黄、绿、蓝、靛、紫不同频率的单色光。
二、数字图像中的频率
低频:均质地表变化平缓的区域(中心)
高频:边缘、噪声等快速变化的区域
三、数字图像傅里叶变换的含义
遥感图像经过傅里叶变换之后,它的高频部分就对应于这个边缘,梯度的绝对值比较高的地方。
四、应用:图像压缩、图像去噪、图像增强
4.6小波变换
一、小波
小波变换与傅里叶变换类似,都是把一个信号分解成一组正交信号,但不同于傅里叶变换中使用的三角函数,小波变换是用由零开始由零结束、中间为一段震荡的波来表示信号,是一种能量在时域非常集中的波。
二、小波变换的优势
突变信号的傅里叶变换:对于突变信号,即使只有一小段变换,傅里叶也不得不用大量的三角波去拟合,并且会出现Gibbs现象(方波的Gibbs现象,锯齿波的Gibbs现象)
突变信号的小波变换:如果我们用小波去拟合这种阶跃信号,只要小波基函数不和这个信号变化重叠,它所对应级数的小波系数则为0。
三、数字图像小波变换
一级小波变换结果及其各位置对应成分
| 概况图 | 垂直细节 |
|水平细节 | 对角细节|
四、应用:图像压缩、图像去噪、图像增强、图像分割、边缘检测
4.7颜色空间变换
一、颜色空间的概念
1、颜色空间是用一种数学方法来形象化地表示颜色,颜色空间常用来指定和产生颜色
2、颜色空间中的颜色通常用代表3个参数的3维坐标来描述,其颜色要取决于所使用的的坐标。大部分遥感数据都采用RGB颜色空间来描述,但对图像进行一些可视分析时,也会使用其他颜色空间(如HSI模型)。
二、颜色空间分类
从颜色感知的角度可将颜色空间分为混合型颜色空间(如RGB颜色空间)、强度/饱和度/色度型颜色空间(如HSI颜色空间)等。
从技术应用的角度来看,颜色空间又可以分为计算机图形颜色空间(如RGB颜色空间)、CIE颜色空间(如XYZ颜色空间)、和电视系统颜色空间(如YUV颜色空间)。
三、常用颜色空间
1、RGB颜色空间
通过红(red)、绿(green)、蓝(blue)三原色来描述颜色的颜色空间。
物理三基色:红(700nm)
绿(546.1nm)
蓝(435.8nm)
(0,0,0)黑;(1,0,0)红;(1,0,1)紫;(0,0,1)蓝;(0,1,1)青;(0,1,0)绿;(1,1,0)黄;(1,1,1)白
2、CMY(K)颜色空间
青-品红-黄(Cyan-Magenta-Yellow,CMY)颜色空间主要应用于彩色图像印刷行业,这三种颜色是光的二次色,也就是颜料的原色。
在CMY模型中,颜色是从白光中减去一定成分得到的。例如:当青色(0,1,1)颜料覆盖的表面用白色光(等量的红、绿、蓝光的组合)照射时,该表面反射的不是红光,而是从反射的白光中减去呗颜料吸收的红色。
加法混色中的红色(1,0,0)和绿色(0,1,0)的混合,相当于将两个颜色向量相加(1,0,0)+(0,1,0)=(1,1,0),即黄色。
减法/乘法混色中的青色(0,1,1)和黄色(1,1,0)的混合,相当于将两个颜色向量矢量相乘(0,1,1)*(1,1,0)=(0,1,0),即绿色。
3、HSI颜色空间
HSI颜色空间(Hue-Saturation-Intensity)用色调(H)、色饱和度(S)和亮度(I)来描述。
四、颜色空间之间的相互转换
1、颜色空间之间的转换关系可以分为两类:(1)颜色空间之间课直接转换
(2)颜色空间之间不能直接转换,它们之间的变换需要通过借助其他颜色空间的过渡来实现
2、RGB转CMYK:电子产品上看到的颜色,转成CMYK,打印出来。
(1)在CMY模型中,颜色是从白光中减去一定成分得到的
[C [1 [R
M = 1 - G
Y] 1] B]
(2)CMYK颜色模型:在印刷时CMY模型产生的黑色是不纯的,为了产生真正的黑色,需要加入黑色(K)
K=min(C,M,Y)
[C’ [C [K
M’ = M _ K
Y’] Y] K]
3、RGB转HSI
几何推导法:RGB颜色空间中的灰度线是彩色立方体的对角线
五、颜色空间变换在图像处理中的应用:图像增强、特征提取、制图输出。