遥感教程第1-13页

目录

*** *


Just as contrast stretching strives to broaden the image expression of differences in spectral reflectance by manipulating DN values, so spatial filtering is concerned with expanding contrasts locally in the spatial domain. Thus, if in the real world there are boundaries between features on either side of which reflectances (or emissions) are quite different (notable as sharp or abrupt changes in DN value), these boundaries can be emphasized by any one of several computer algorithms (or analog optical filters). The resulting images often are quite distinctive in appearance. Linear features, in particular, such as geologic faults can be made to stand out. The type of filter used, high- or low-pass, depends on the spatial frequency distribution of DN values and on what the user wishes to accentuate.


空间滤波

另一个属于增强类的处理过程常常泄露不同性质的有价值的信息是 空间滤波 . 虽然这种技术不太常见,但它探索了不同亮度的像素在图像上的分布,尤其是检测和锐化边界不连续性。场景照明的这些变化通常是渐进的,而不是突然的,产生了一种我们定量地表示为“空间频率”的关系。空间频率定义为沿图像中特定方向每单位距离(例如,10个周期/mm)图像dn值的变化周期数。只有一个空间频率的图像由等间距的条纹(栅格线)组成。例如,打开电视机的空白电视屏幕上有水平条纹。这种情况对应于水平方向的零频率和垂直方向的高空间频率。

一般来说,实际感兴趣的图像由几个主要的空间频率组成。图像中的细微细节涉及的每单位距离的变化比图像的总体特征要多。将图像分割成各种空间频率分量的数学技术称为傅立叶分析。将图像分割成其组成部分(以“傅立叶变换”的形式进行)后,可以强调相对于其他频率的某些频率组(或“频带”),并将空间频率重新组合成增强图像。为此,算法被称为“滤波器”,因为它们抑制(去强调)某些频率,并传递(强调)其他频率。滤波器通过高频,因此,强调细节和边缘,被称为高通滤波器。低通滤波器抑制高频,对平滑图像很有用,可以减少或消除“盐和胡椒”噪声。

卷积滤波是实现空间滤波器的常用数学方法。在这种情况下,每个像素值都被以该像素为中心的正方形区域的平均值所取代。方形大小通常为3 x 3、5 x 5或9 x 9像素,但其他值可以接受。在低通滤波中,这会减少与局部平均值的偏差,从而使图像平滑。输入图像和低通图像之间的差异是高通滤波输出。通常,空间过滤的图像必须进行对比度拉伸才能使用全范围的图像显示。然而,过滤后的图像往往是平的。

接下来,我们将对来自莫罗湾的TM波段2应用三种类型的滤波器。我们首先显示的是一个低通(平均值)滤波器产品,它倾向于概括图像:

边缘增强过滤器突出显示突变不连续,如岩石接缝和断层、场边界和街道模式:

在这个例子中,场景被彻底修改了。Sobel边缘增强算法发现了过多的不连续性,但我们选择了这个程序(使用idrisi)来强调应用这种增强模式可能产生的尖锐边界。

莫罗湾的高通滤波器图像也显示出边界,但比上面更柔和:
在这里,街道和公路,以及一些溪流和山脊,都受到了极大的重视。高通滤波器图像的商标是线性特征通常显示为带深色边框的亮线。水中的细节大多丢失了。大部分图像是平的。

` <>`__1-13: Comment further (evaluate) the three filter images shown above in terms of what information you extract visually. Include detrimental aspects. `ANSWER <Sect1_zanswer.html#1-13>`__

在这个问题的答案中,您会注意到idrisi过滤产品留下了一些需要的东西。他们不能真正说服人们,空间过滤带来了有益的不同图像。为了缓和这种批评,我们增加了(2000年5月)从艾弗里和柏林(Macmillan Publ.)的教科书中提取的五幅图像(见概述)。陆地卫星TM 5次新世显示了亚利桑那州弗拉格斯塔夫北部的高原景观,同时有沉积岩和火山流。第一张图片只是普通的对比度拉伸版本。

北部地区的标准对比拉伸陆地卫星次新世图像

位于科罗拉多高原的亚利桑那州弗拉格斯塔夫;注意火山流。|

下一个视图将此场景显示为低带通图像。

亚利桑那次新世的低带通滤波器图像。|

然后是高通滤波器图像,其中卷积矩阵为11 x 11像素。这是通过从原始(未拉伸)数据集中减去低通滤波器图像来实现的。在这种情况下,图像是边缘增强的一种形式。

随着卷积窗口中像素数目的增加,高频分量的定义也越来越清晰。这在使用51 x 51像素矩阵的图像中很明显。

这组图像中的最后一幅图像说明了方向一阶差分,类似于确定一阶导数,该导数建立了一个空间变化梯度作为滤波器,其特殊算法通过构成图像的像素阵列移动(计算机计算)。来自不同方向的方向滤波倾向于增强或揭示优先靠近垂直于导线方向的线性特征。在下面的图像中,数组在场景中沿对角线移动。注意上面第三幅图的相似性。


主要作者:Nicholas M.Short,高级电子邮件: nmshort@nationi.net