遥感图像的边缘增强
发布网友
发布时间：2022-04-24 21:22
共1个回答
热心网友
时间：2023-10-11 16:02
遥感系统成像过程中可能产生的“模糊”作用，常使遥感图像上某些用户感兴趣的线性形迹、纹理与地物边界等信息显示得不够清晰，不易识别。上节所述的各种通过单个象元灰度值调整的处理方法对此均难以奏效；需采用邻域处理方法来分析、比较和调整象元与其周围相邻象元间的对比度关系，图像才能得到增强，也就是说需要采用滤波增强技术处理。
图5-14 直方图变换示意图
图像滤波增强处理实质上就是运用滤波技术来增强图像的某些空间频率特征，以改善地物目标与邻域或背景之间的灰度反差。例如通过滤波增强高频信息抑制低频信息，就能突出象元灰度值变化较大较快的边缘、线条或纹理等细节，反过来如果通过滤波增强低频信息抑制高频信息，则将平滑影像细节，保留并突出较均匀连片的主体影像。
滤波增强分空间域滤波和频率域滤波两种。前者在图像的空间变量内进行局部运算，使用空间二维卷积方法，特点是运算简单，易于实现，但有时精度较差，容易过度增强，使图像产生不协调的感觉；后者使用傅氏、小波分析等方法，通过修饰原图像的傅氏或小波变换来实现，特点是计算量大，但比较直观，精度比较高，图像视觉效果好。
1.空间域滤波增强
空间域滤波技术有3种考虑：提取原图像的边缘信息；提取原图像的模糊成分进行加权处理，然后与原图像叠加；使用某一指定的函数，对原图像进行加权，使图像产生尖锐化或平滑的效果。
无论是哪一种考虑，进行运算时都使用空间卷积技术（又称掩模技术），亦即借助模板在原图像上移动，逐块地进行局部运算。假定原图像为f（x，y），通过某种方法检测到窗口内的边缘信息Δf（x，y），经加权处理再叠加到原图像f（x，y）上，形成滤波后的图像g（x，y），则：
g（x，y）=f（x，y）±K·Δf（x，y） （5-33）
式中：K为常数或某种变量算子；Δf（x，y）表示对以（x，y）为中心的M×N个象元点矩阵的“窗口”内的边缘信息，进行“加”或“减”运算后可以获得的边缘增强或平滑的滤波效果。
关于边缘检测涉及的理论和方法将在有关图像分割的内容中阐述，这里仅简要介绍空间卷积运算的具体做法。
首先要选定一个卷积函数h（m，n）（也称为卷积核或模板，实际上就是一个M×N的矩阵算子），然后，从原图像左上角开一个与模板同样大小的窗口，把模板放在窗口图像上，计算两者之间对应的各象元灰度值乘积并求和；计算结果作为该窗中心位置象元的新灰度值；再把窗口移动一个象元（参见图5-15），用模板做同样的运算，如此逐行逐列依次进行，直到全幅图像扫描完，生成一幅滤波后的新图像。其算式为：
中亚地区高光谱遥感地物蚀变信息识别与提取
式中：h（m，n）为选定的卷积核；f（m，n）为窗口图像。一般常采用M=N=3，即3×3算子，但有时也用5×5甚至9×9等模板。
至今，已发展出多种卷积滤波器，如有助于突出目标轮廓与边缘、线条等信息的锐化（高通）滤波器以及主要用于消除噪声与过多细节的平滑（低通）滤波器，包括线性和非线性的均值、中值滤波器等；此外，还有各种定向滤波器用来增强指定方向的边缘和条纹等。用户应根据应用目的与图像具体情况灵活选用。
图5-15 模板移动示意图
2.频率域滤波增强
卷积理论和傅氏变换是频率域滤波增强处理技术的基础，可表述为：f（x，y）-F（u，υ）-G（u，υ）-f′（x，y）其中，G（u，υ）=F（u，υ）′H（u，υ）H（u，υ）为频率域的滤波函数，它限定了G（u，υ）的频率特征，使之与肉眼观察的高频或低频响应特征匹配，产生了突出高频信息或突出了低频信息的图像f′（x，y）。滤波函数的选择由频率响应和函数生成难易两方面因素决定。通常在人眼观察的空间频率范围（0.5 Hz～40 Hz）内，选择高斯型曲线作为高频滤波函数，如图5-16（a）所示，它是由大小不同的两条高斯曲线相减而成。另外选择易于生成的指数型曲线作为低频滤波函数，如图5-16（b）所示。
图中，u，υ为频率域变量；f表示零频率，其对应的H。称为直流分量，即H（u，υ）在零频率时的幅值；fh为由H（u，υ）最高值下降1/2处时所对应的频率，称为高截止频率。由于滤波曲线是一些基本的函数曲线，一旦限定了H和fh值，滤波曲线的形状和范围即可以确定，滤波的性能也就被确定下，从而限定了对图像的频谱函数F（u，υ）的修改效果。从滤波曲线可以看出，高斯滤波曲线对低频有一定抑制作用，同时对高频也有一定的抑制，呈现出带通的效应，正好符合肉眼观察一些边线信息时反映的过冲现象。所以图像的高频滤波增强实际上是带通滤波效应，它增强了人眼过冲现象的频率成分。指数滤波曲线则反映了对高频成分的衰减效果，因而起到了平滑图像中细节信息的作用。整个滤波过程如图5-17所示。
图中：
中亚地区高光谱遥感地物蚀变信息识别与提取
中亚地区高光谱遥感地物蚀变信息识别与提取
图5-16 滤波函数曲线
图5-17 频率域滤波过程示意图
u，υ为频率域变量，u=0，1，2，3，…，M-1；υ=0，1，2，3，…，N-1。
频率滤波增强图像的边缘和细节信息时，这类信息在图上反映的连续性较突出，对比度增大，但如果地面没有明显的形迹显示。信息反映得相当分散和微弱，则通过频率域滤波的效果也不一定好，这时往往需要采用多波段图像组合等处理才有可能取得较好的效果。频率域滤波除上述低通滤波和高通滤波之外，还有带通、带阻滤波和同态滤波等，后者是一种在频率域能同时压缩图像亮度范围，又增强图像各部分之间对比度的方法，各有不同的适用范围和增强效果。
