前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇遙感成像原理與遙感圖像特征范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

遙感成像原理與遙感圖像特征范文第1篇

1.1圖像處理關鍵技術在礦山環境監測中，實施監測的兩個時相的遙感影像需具備一致的空間分辨率、成像時間及成像季節，且具備相同的植被覆蓋狀況及光譜值。但因遙感影像成像環境差異，遙感影像間常存在較多的輻射誤差與幾何誤差，所以在遙感影像變化監測中要對成像環境進行修正，降低成像環境的誤差量。

1.1.1輻射校正：其基本目的是盡量消減影像因太陽高度角、大氣條件及傳感器影像的形成的遙感成像與真實地物間的輻射亮度差異，通常分為相對輻射校正與絕對輻射校正兩種方法；相對輻射校正是依據選定的參考圖像，將其與同地區內的其他遙感影像進行輻射匹配，以消減影像間的輻射差異，其常用的矯正方法由基于偽不變特征的校正、基于統計量的校正及直方圖匹配等。

1.1.2影像融合：其基本目的是將采用不同尺度、不同傳感器類型獲取的同地區的影響通過相應處理措施以改善影響的光譜信息、空間分辨率和紋理信息等特征；當前常用的融合方法有多時相影響融合、不同分辨率影像融合、不同傳感器影像融合、多波段影像數據融合等類型；HIS變換法是當前影像融合算法的常用算法，此種算法簡單且方便操作，可有效增強影像色彩信息與空間信息特征，但對于植被顏色信息特征處理水平較低，主要是因為植被吸收可見光，且反射紅外光，而全色波段內包含的一些近紅外波段信息會在全色波段高亮顯示，較小的顏色噪聲便會被放大。

1.2信息提取關鍵技術

1.2.1基于地理信息系統的礦山地物識別技術：此技術主要是以面向對象遙感處理技術為前提，通過對遙感影像進行圖像分割以形成圖像對象，進而深入提取分類輔助信息，并采用空間分析方法完成空間目標物識別，從而實現礦山地質環境遙感監測；圖像分割中需考慮空間信息與影響光譜信息兩方面的因素。

1.2.2影響直接對比法采集變化信息：常用的有內積分析法、影像差值法、變化向量分析法、影響比值法等檢測方法；影像差值法的基本原理是對時相t1的遙感影像與時相t2的遙感影像做減法，若影像間差異較小，則相減結果應趨近于零或為零，若影像間差異較大，則結果應表現為較大值；一般差值影響亮度值按照高斯分布，計算時可對差值影響結果求絕對值以保證差值結果均為非負值。

2礦山地質環境遙感監測方法

2.1崩塌遙感監測方法崩塌通常是露天采石采礦、道路開挖等造成的，大多數會產生在節理裂隙發育的陡崖位置，破損面凹凸差異大，上陡下緩。遙感影像上崩塌體后緣發育呈現弧形或直線形，陽坡呈現淺色條區塊、陰坡呈現深色陰影區帶。為便于凸顯崩塌發育狀況，對ETM、TM圖像使用741與453波段進行組合和線性增強處理，從而提高山體完整度、植被覆蓋率、巖性特征反映的清晰度；對于SPOT213波段組合圖像通過直方圖調整與HSV融合增強處理，可提高地形地貌顯示的清晰度；對于SPOT5圖像校正時應增加控制點數量，并使用幾何多項式實施三次卷積重采樣法變換，可保證圖像精確度；對部分航片數據實施對比度拉伸，可有效凸顯山體細節。依據不同片種的遙感分析表明，ETM與TM圖像對于崩塌宏觀地質條件的顯示水平較高，而對于崩塌產生的形態特征顯示水平較低。通常崩塌形態要素在航片、SPOT5圖像中具有較高的精度，其崩塌壁大多數呈現淺色調，輪廓線清晰。

2.2采空塌陷遙感監測方法在不同地區不同礦種中，采空塌陷對于地表的破壞程度也會不同，在遙感圖像中會表現出明顯的差異性。在TM圖像中塌陷會呈現出單獨的橢圓形或環形斑點與板塊，不同斑塊間的明暗程度也不相同；因塌陷坑是具有不同深度的負地形，在陰影條件下其可呈現出明顯的立體效果。塌陷坑的陰影通常會產生在環形斑塊內側的下半部，而土堆陰影通常會產生在環形斑塊內側的上半部，與正地形立體效果正好相反，其是判斷塌陷坑的基本指標。因B4水體反映效果好，B5信息量較多，在不同地質類型的反差較大，B1具有較高的水體亮度值，所以使用TM451段可有效呈現塌陷區的變化狀況。因礦區大氣污染相對嚴重，可對圖像實行濾波或對比度拉伸處理，以改善其細節顯示水平。由于采空塌陷區與周圍地質環境間的差異較大，可使用闕值法實施塌陷地信息采集，并采用3波段差值彩色合成法對采集結果進行處理，由此便能充分反映塌陷區接近10年的動態地形變化。若塌陷區被掩埋，則其塌陷類型在圖像上的識別水平主要由遙感信息空間分別率決定；使用全色波段與SPOT213波段組合對融合圖像進行處理，且開展2%的線性增強，根據色調及紋理特征狀況可有效采集塌陷區的細節信息；對于部分塌陷坑范圍較小且不存在積水的礦山，可使用IKONOS、Quickbird等高分辨率遙感圖像實時監測。

2.3礦山污染遙感監測方法通常礦區因采礦導致的廢水、大氣、廢液、粉塵污染等造成的水體污染較為嚴重。采用ETM、TM圖像對煤礦開采點進行監測，可發現圖像中的DN值差異較大，因此在監控中應使用SPOT5波段與743波段進行組合，通過小波變換融合發實行中值濾波處理及直方圖變換。如對于某煤礦原始TM圖像分析發現，其灰度分布范圍較小、亮度值較低，對比度較弱，實施線性拉伸處理，對不同波段灰度分布范圍進行擴展，可使合成圖像效果顯示水平大幅度改善；對一些重點區域進行分段線性拉伸，其并不會造成原始數據變動，且容易對大氣污染狀況進行解釋。因石灰巖礦山周圍、運煤通道及煤礦區等長時間堆放大量煤渣粉等物質，使得礦區粉塵污染較為嚴重，其在TM543波段假彩色合成圖像中可呈現出明顯的亮白色或暗褐紅色；而礦坑中排出的污水在影響中可呈現明顯的粉紅色。ETM與TM光譜信息量較大，可有效監測礦區大氣污染狀況；而采用SPOT5光譜圖像可明顯反映礦山水體、粉塵污染狀況。

3結束語

遙感成像原理與遙感圖像特征范文第2篇

【關鍵詞】遙感技術;3s的結合;發展前景

1.遙感技術的找礦應用

1.1 地質構造信．息的提取

內生礦產在空間上常產于各類地質構造的邊緣部位及變異部位，重要的礦產主要分布于扳塊構造不同塊體的結合部或者近邊界地帶，在時間上一般與地質構造事件相伴而生，礦床多成帶分布，成礦帶的規模和地質構造變異大致相同。

遙感找礦的地質標志主要反映在空間信息上。從與區域成礦相關的線狀影像中提取信息(主要包括斷裂、芍理、推覆體等類型)，從中酸性巖體、火山盆地、火山機構及深亨巖漿、熱液活動相關的環狀影像提取信息(包括與火山有關的盆地、構造)，從礦源層、賦礦巖層相關的帶狀影像提取信啟、(主要表現為巖層信息)，從與控礦斷裂交切形成的塊狀影像及與感礦有關的色異常中提取信息(如與蝕變、接觸帶有關的色環、色帶、色塊等)。當斷裂是主要控礦構造時，對斷裂構造遙感信息進行重點提取會取得一定的成效。

遙感系統在成像過程中可能產生“模糊作用”，常使用戶感興趣的線性形跡、紋理等信息顯示得不清晰、不易識別。人們通過目視解譯和人機交互式方法，對遙感影像進行處理，如邊緣增強、灰度拉伸、方向濾波、比值分析、卷積運算等，可以將這些構造信息明顯地突現出來。除此之外，遙感還可通過地表巖性、構造、地貌、水系分布、植被分布等特征來提取隱伏的構造信息，如褶皺、斷裂等。提取線性信息的主要技術是邊緣增強。

1.2 植被波譜特征的找礦意義

在微生物以及地下水的參與下，礦區的某些金屬元素或礦物引起上方地層的結構變化，進而使土壤層的成分產生變化，地表的植物對金屬具有不同程度的吸收和聚集作用，影響植葉體內葉綠素、含水量等的變化，導致植被的反射光譜特征有不同程度的差異。礦區的生物地球化學特征為在植被地區的遙感找礦提供了可能，可以通過提取遙感資料中由生物地球化學效應引起的植被光譜異常信息來指導植被密集覆蓋區的礦產勘查，較為成功的是某金礦的遙感找礦、東南地區金礦遙感信息提取。

不同植被以及同種植被的不同器官問金屬含量的變化很大，因此需要在已知礦區采集不同植被樣品進行光譜特征測試，統計對金屬最具吸收聚集作用的植被，把這種植被作為礦產勘探的特征植被，其他的植被作為輔助植被。遙感圖像處理通常采用一些特殊的光譜特征增強處理技術，采用主成分分析、穗帽變換、監督分類(非監督分類)等方法。植被的反射光譜異常信息在遙感圖像上呈現特殊的異常色調，通過圖像處理，這些微弱的異常可以有效地被分離和提取出來，在遙感圖像上可用直觀的色調表現出來，以這種色調的異同為依據來推測未知的找礦靶區。植被內某種金屬成分的含量微小，因此金屬含量變化的檢測受到譜測試技術靈敏度的限制，當金屬含量變化微弱時，現有的技術條件難以檢測出，檢測下限的定量化還需進一步試驗。理論上講，高光譜提取植被波譜的性能要優于多光譜很多倍，例如對某一農業區進行管理，根據每一塊地的波譜空間信息可以做出灌溉、施肥、噴灑農藥等決策，當某農作物干枯時，多光譜只能知道農作物受到損害，而高光譜可以推斷出造成損害的原因，是因為土地干旱還是遭受病蟲害。因此利用高光譜數據更有希望提取出對找礦有指示意義的植被波譜特征。

1.3 礦床改造信息標志

礦床形成以后，由于所在環境、空間位置的變化會引起礦床某些性狀的改變。利用不同時相遙感圖像的宏觀對比，可以研究礦床的剝蝕改造作用；結合礦床成礦深度的研究，可以對類礦床的產出部位進行判斷。通過研究區域夷平面與礦床位置的關系，可以找尋不同礦床在不同夷平面的產出關系及分布規律，建立夷平面的找礦標志。另外，遙感圖像還可進行巖性類型的區分應用于地質填圖，是區域地質填圖的理想技術之一，有利于在區域范圍內迅速圈定找礦靶區。

2.遙感找礦的發展前景

2.1 高光譜數據及微波遙感的應用

高光譜是集探測器技術、精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體的綜合性技術。它利用成像光譜儀以納米級的光譜分辨率，成像的同時記錄下成百條的光譜通道數據，從每個像元上均可以提取一條連續的光譜曲線，實現了地物空間信息、輻射信息、光譜信息的同步獲取，因而具有巨大的應用價值和廣闊的發展前景。成像光譜儀獲得的數據具有波段多，光譜分辨率高、波段相關性高、數據冗余大、空問分辨率高等特點。高光譜圖像的光譜信息層次豐富，不同的波段具有不同的信息變化量，通過建立巖石光譜的信息模型，可反演某些指示礦物的豐度。充分利用高光譜的窄波段、高光譜分辨率的優勢，結合遙感專題圖件以及利用豐富的紋理信息，加強高光譜數據的處理應用能力。微波遙感的成像原理不同于光學遙感，是利用紅外光束投射到物體表面，由天線接收端接收目標返回的微弱回波并產生可監測的電壓信號，由此可以判定物體表面的物理結構等特征。微波遙感具有全天時、全天候、穿透性強、波段范圍大等特點，因此對提取構造信息有一定的優越性，同時也可以區分物理結構不同的地表物體，因為穿透性強，對覆蓋地區的信息提取也有效。微波遙感技術因其自身的特點而具有很大的應用潛力，但微波遙感在天線、極化方式、斑噪消除、幾何校正及輻射校正等關鍵技術都有待于深入研究，否則勢必影響微波遙感的發展。

遙感成像原理與遙感圖像特征范文第3篇

關鍵詞：遙感影像；空間數據；環境監測

中圖分類號：TP311.52 文獻標識碼：A 文章編號：1674-7712 （2013） 12-0000-01

一、遙感的基本概念與原理

（一）遙感概述。遙感技術是20世紀60年代在航空攝影測量的基礎上迅速發展起來的一門綜合性空間數據采集技術。所謂的遙感，就是從遠處在不直接接觸地表目標物和現象的情況下，獲取其信息的科學和技術。遙感具有以下特點：探測范圍廣，能夠提供綜合宏觀的視角；獲取手段多樣，獲取的信息量大；獲取信息快，更新周期短，可進行動態監測；全天候作業；遙感技術可以根據不同的目的和任務，選用不同的波段和不同的遙感儀器，取得所需的信息等等。

（二）遙感的物理基礎。不同地物具有不同的電磁波輻射特性，表現在遙感圖像上就具有不同的圖像特征。電磁波是由振源發出的由交變電場和磁場相互激發在空氣中傳播的電磁震蕩。而我們將不同電磁波段透過大氣后衰減的程度不一樣原因進行了介紹，可知有些波段的電磁輻射能夠透過大氣層時衰減較小，即透過率較高，這個波譜范圍，叫做“大氣窗口”。

遙感除了利用上述的大氣窗口作為工作波段外，有些氣象衛星是選擇非透明區作為大氣波段（如水汽，二氧化碳，臭氧吸收區），以測量它的含量，分布，溫度等，不同的大氣投射窗口對應于不同的光譜范圍，適于使用不同的傳感器，因此，研究地面的光譜特性，選用合適的大氣透射窗口和傳感器對于提高遙感探測的質量具有十分重要的意義。

二、遙感平臺與傳感器

（一）遙感平臺。遙感數據獲取是在由遙感平臺和傳感器構成的數據獲取技術系統的支持下實現的。遙感平臺可以分為地面平臺、航空平臺和航天平臺三種。由于各種平臺和傳感器都有自己的適用范圍和局限性，因此往往隨著具體任務的性質和要求的不同而采用不同的組合方式，從而實現在不同高度上應用遙感技術。

遙感平臺主要依據遙感圖像的空間分辨率，一般的說，近地遙感具有較高的空間分辨率，但觀察范圍較小，而航空遙感地面分辨率雖然中等，但其觀測范圍廣，航天遙感地面分辨率低，但覆蓋范圍廣。

（二）傳感器傳感器一般由采集單元、探測與信號轉化單元、記錄與通信單元組成。各種衛星通過不同的遙感技術實現不同的用途。各種衛星通過不同的遙感技術，實現了不同的用途。數字工程中常用的遙感數據有Landsat和TMM遙感、SPOT和Radarsat以及我國的資源衛星數據和高分辨率衛星遙感數據。傳感器的類型大類上分為主動式和被動式，其中又各分為非圖像式和掃描圖像式。

三、遙感圖像及其特征

遙感的核心問題就是不同地物的反射輻射或發生輻射在各種遙感圖像上的表現特征的判別，當然，不同的目的的需要精心的設計對于遙感成像的方式或選擇波段，這樣我們才能使不同的地物在圖像特征區別。遙感圖像反映的信息主要有幾何信息，波譜信息，空間信息和時間信息等。

（一）幾何特征。遙感圖像不僅反映了地物的波譜信息，而且還反映了地物的空間信息形成特征，一般包括空間頻率信息，邊緣線性構造清息，結構或紋理信息以及幾何信息等。影響遙感空間信息的主要因素有傳感器的空間分辨率、圖像投影性質、比例尺和幾何熵變等。

（二）光譜信息。遙感圖像中每個像元的亮度值代表的是該像元中地物的平均輻射值，它是隨地物的成分、紋理、狀態、表面特征及所使用電磁波段的不同而變化的。遙感圖像的信息雖主要取決于兩個因素：波譜分辨率和空間分辨率。前者主要影響波譜信息量，后者主要影響空間信息量。多波段圖像的信息量除上述兩個因素外還與波段的選擇和數目有關。

（三）時間特征。同一地物對象由于其在不同的階段含有不同的成分等原因造成對象在不同階段具有不同的光譜特性，表現在遙感圖像上就是該地物在不同時間段的圖像上具有不同的圖像特征。時相主要影響圖像的處理效果，利用對泳衣區域各個階段分別進行遙感，加以對比而研究，則可以獲取該區域的連續變化特征。

四、遙感處理的基本流程與技術

利用遙感的手段進行數字工程空間信息更新時，應用需求以及衛星影像數據處理流程會有所不同，但是主要的過程和技術方法基本一致，在利用遙感影像進行空間數據更新的關鍵技術和流程主要可歸納為一下幾個方面：遙感波段（衛星遙感數據）選擇；衛星影像讀入；衛星遙感影像處理技術；信息提取技術；矢量編輯與地圖更新技術。

五、遙感應用

隨著衛星數據圖像空間分辨率、光譜分辨率及時間分辨率的不斷提高，以及遙感數據購買費用的逐步下降，衛星數據圖像的應用領域越來越廣，從圖像中提取信息的要求也越來越多，遙感已經成為獲取地面信息的主要手段。

利用遙感技術可以制作各種遙感相關產品――數字正射影像（DOM）、數字線劃圖（DLG）、數字高程（地形）模型（DEM/DTM）、數字柵格模型（DRG）等4D產品；提供行業或部門專題地理數據――專題影像地圖；利用遙感數據進行基礎地理數據的產生或更新等。

（一）基礎數據更新。比如用SPOT/ERS衛星影像更新地圖數據為例，可以采用影響的幾何糾正、色彩轉換技術、統計和算法以及影像融合技術。遙感數據又有多波段、多時相的信息源，且能快速真實地提供豐富的地表空間信息，遙感已經成為地圖更新和制作的有效而又重要的手段。我國目前的若干地形圖大都在20世紀70年代測繪生產的，目前也都面臨這地圖更新的問題。

（二）土地利用調查與動態監測。土地利用基礎數據對于數字工程進行土地規劃與開發、土地管理、開發利用潛力分析等很重要。目前，中小比例尺的土地利用遙感動態監測與變更，主要應用TM、ETM、SPOT等遙感影像。利用遙感技術進行土地利用現狀調查，調查精度比常規調查方法高，且時間短速度快。農作物與植被方面，用于農業氣象、作物監測等領域的觀測參數需要有更高的光譜分辨率，一般是短波紅外波段。根據農業耕作和土地利用特點，選定影響最佳的獲取時間應在5月―6月或9月―10月。研究的主要技術過程主要有下面幾個：數據預處理、影像合成、不同數據源圖像融合、圖像分類和后處理、外業調繪、內業分析以及成果輸出和更新。

（三）災害調查與監測。各種自然災害往往需要制作大比例尺圖，以判明水災發生時的洪澇區域、地震發生后的建筑物損壞情況、火災發生后對地區造成的破壞等。地質災害的調查、火災監控和油污與赤潮監測。為了能將不同的信息區別開來，一般都要進行色彩合成，即在3個通道上安裝3個波段圖像，然后分別負于紅綠藍并疊合在一起，形成彩色圖像，合成后的彩色圖像含有豐富的顏色信息，便于解釋，理解和處理。

參考文獻：

遙感成像原理與遙感圖像特征范文第4篇

關鍵字： 數字遙感圖像； 清晰度評價； 邊緣對比度； 評價方法

中圖分類號： TN911.7?34 ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； 文獻標識碼： A ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； 文章編號： 1004?373X（2014）23?0066?03

Abstract： Definition is an important index to evaluate digital image quality， but the existing evaluation methods are still not mature enough. Through analyzing and researching the main methods for the image definition evaluation， a definition evaluation method of remote sensing images is put forward according to the edge contrast degree， and the experiment data is analyzed in this paper. The result shows that the evaluation method is objective and efficient， and can evaluate the contents in a same picture with the different illegibility degree and the remote sensing images with different contents. It has high practicability.

Keyword： digital remote sensing image； definition evaluation； edge contrast degree； evaluation method

0 ； 引 ； 言

隨著數字遙感成像技術的快速發展，各應用領域對圖像質量的要求也在不斷提高，圖像清晰度逐步成為判定圖像質量水平的重要指標[1]。然而，當前圖像清晰度客觀評價方法還不夠成熟，開展通用的圖像清晰度客觀評價方法研究，實現大規模數字圖像的快速評判，對處理和應用遙感圖像具有十分重要的意義。

圖像清晰度的評價方法通常可以分為兩類：一是相對清晰度評價，即對不同模糊程度的同一圖像，評價其清晰程度，主要反映圖像隨模糊程度逐漸變化表現出的單調性和一致性等特征；二是絕對清晰度評價，即能夠對不同模糊程度的各種圖像內容進行評價，主要反映與圖像內容無關的圖像清晰程度判定結果。

近年來，有代表性的圖像清晰度評價方法有邊緣檢測法、頻譜函數法、熵函數法等[2?4]。這些方法主要在一定程度上反映圖像相對清晰度評價結果，難以實現圖像絕對清晰度評價。本文在對現有方法分析研究基礎上，結合遙感圖像的特點，提出一種基于邊緣對比度的評價方法，能夠較好地實現對不同遙感圖像內容的清晰度評價。

1 ； 當前圖像清晰度評價的常用方法

數字圖像的評價過程可以表述為將圖像轉化為代表明暗程度的數字矩陣，運用各種圖像清晰度評價函數，經計算分析實現清晰度量化評價。目前大多數圖像清晰度評價測量方法是進行圖像邊緣檢測、頻譜分析或者整體信息熵的計算，與之相對應的結果是，圖像細節越豐富，對比度越高，圖像越清晰。

1.1 ； 邊緣檢測法

根據邊緣檢測原理，準確聚焦的成像系統圖像清晰，有較銳利的邊緣[5]；系統離焦時，高頻分量減小，圖像邊緣相對平滑。邊緣檢測法可根據圖像特征選擇不同算子，通過計算和分析圖像灰度梯度來評價圖像的清晰度：

[J=1MNMNS2x+S2y] （1）

式中：[Sx]和[Sy]是由各種邊緣檢測算子（如Sobel或Prewitt算子）得到的[x]和[y]方向上的圖像灰度梯度[6]：

[J=1MNxyf2x+f2y] ； ； （2）

式中：[fx]和[fy]是[x]和[y]方向上的灰度差。

1.2 ； 頻譜函數法

根據圖像頻譜分析原理，聚焦圖像具有清晰的輪廓，包含的高頻分量多[7]。頻譜函數通過統計圖像的高頻分量，達到評價圖像清晰度的目的。這種方法可以基于傅里葉變換、拉普拉斯變換或者小波變換，其中小波變換函數可以將圖像高頻和低頻信息分離，更便于對圖像進行分析和評價。因此，基于小波變換的高通濾波器目前被更多地研究應用于圖像清晰度評價。該方法首先應用小波函數獲得圖像的高頻信息：

[Gx，y=fx，y*H0] （3）

[H0=-116-18-116-1834-18-116-18-116] ； ； （4）

式中：[fx，y]為圖像坐標[x]和[y]處像素灰度值；*表示卷積運算；[H0]表示高通濾波器。

進而，對整幅圖像的高頻信息的能量進行累加即得到最終的評價結果：

[J=xyGx，y2] ； ； （5）

1.3 ； 熵函數法

由于聚焦的清晰圖像和離焦的模糊圖像之間信息含量不同，通過對數字圖像的信息熵進行計算，便可用于圖像清晰度評價。

[Ef=xyfx，y] ； ； ； ； ； （6）

[Jf=-xyfx，yln fx，y] （7）

式中：[Ef]表示圖像能量；[Jf]表示圖像熵。根據香農信息理論，熵越大信息量越大，即當[Ef]一定時，[Jf]越大，則圖像越清晰。

上述評價方法雖然能夠在一定條件下表達圖像清晰度，但還分別存在一些不足，如邊緣檢測法抗噪聲能力較差，熵函數法靈敏度不高，頻譜函數法計算量很大等。通過分析比較，本文選擇在邊緣檢測法的基礎上，融合圖像對比度分析方法，開展了基于邊緣對比度的圖像清晰度評價方法研究。

2 ； 基于邊緣對比度評價方法

2.1 ； 圖像邊緣特征

圖像邊緣是指圖像局部特性的不連續性，如灰度級的突變、紋理結構的突變等。邊緣廣泛存在于目標與目標、物體與背景、區域與區域之間，它是圖像分割處理所依賴的重要特征。數字圖像的邊緣通常表現為灰度的階躍不連續，即圖像灰度突然從一個值變化到另一個值，在實際圖像中階躍邊緣圖像是較少見的，由于空間分辨率、圖像傳感器、系統聚焦程度等原因，會使不同模糊程度階躍邊緣變成斜坡邊緣，即它們的灰度變化不是瞬間的，而是跨躍一定的距離。

為表示不同模糊程度的圖像邊緣特性，可以利用下式求出灰度梯度[8]：

[tx，y=fx，y-fx+1，y2+fx，y-fx，y+1212] （8）

式中：[fx，y]為圖像坐標[x]和[y]處像素灰度值。對圖像邊緣的法向梯度值進行統計，即可用于對比反映圖像的清晰程度。

2.2 ； 確定邊緣位置和法線方向

將圖像按照式（8）進行梯度計算，進而以[1×3]的窗口按水平和豎直方向，分別在梯度值確立的區域中移動，對窗口內的梯度求和，每個像素點計算兩個方向的值，掃描一遍后，即可得到具有最大梯度的邊緣位置[Wx，y]和邊緣法線方向：

[Txx，y=tx，y+tx+1，y+tx+2，y] （9）

[Tyx，y=tx，y+tx，y+1+tx，y+2] （10）

2.3 ； 邊緣對比度評價過程

對于圖像邊緣來說，像素間對比度越高，清晰度越高[9]。因此，在確定圖像邊緣的基礎上，進行對比度量化分析，即可確定圖像的清晰度：

[dx，y=maxfΔx，y-minfΔx，ymaxfΔx，y+minfΔx，y] （11）

式中：[dx，y]為選定區域的對比度；[maxfΔx，y]和[minfΔx，y]分別為該區域內像素的灰度最大值和最小值[10]。

依據確定的圖像邊緣相關信息，在[Wx，y]位置沿圖像邊緣法線方向各左右各取10個點，共21個點，灰度值分別為[fi]，[i]=-10，-9，…，10。以[1×3]的窗口沿邊緣法線方向移動，計算窗口內像素對比度[di，][i]=-9，-8，…，9。進而將各對比度值由大到小排序，提取最大對比度值[dmax，]并對排在前面的3個對比度取平均值[μ。]通過獲取[dmax]和[μ]這兩個參數反映圖像邊緣達到的最高對比度特征。

基于遠距離遙感成像目標能量傳遞損失明顯，圖像的灰度差相對較小，以及人對圖像的主觀視覺分辨與對比度的關系，把[dmax]的閾值定為0.15，[μ]的閾值定為0.1。當[dmax]>；0.15，并且[μ]>；0.1，則認為圖像視覺上感覺輪廓清晰，滿足清晰度要求。

3 ； 實驗數據

選取由清晰到模糊的兩組不同目標遙感圖像，如圖1所示，分別按本文方法對各圖像進行清晰度評價計算，結果見表1。

<；E：＼2014年23期＼2014年23期＼Image＼16t1.tif>；

圖1 不同模糊程度的多幅圖像

表1 多幅圖像不同清晰度評價結果

[圖像序號＼&；[dmax]＼&；[μ]＼&；A1＼&；0.30＼&；0.19＼&；A2＼&；0.15＼&；0.09＼&；A3＼&；0.10＼&；0.07＼&；A4＼&；0.05＼&；0.03＼&；B1＼&；0.20＼&；0.12＼&；B2＼&；0.12＼&；0.08＼&；B3＼&；0.08＼&；0.05＼&；B4＼&；0.05＼&；0.03＼&；]

根據圖1與表1的數據對照分析，評價計算所得結果與人的視覺對圖像清晰度是相符的，圖1中A1的評價值最大且超過了設定的閾值，從相對清晰度而言最清晰，并達到了期望的清晰度要求。其他圖像中，只有圖1中B1基本達到設定的清晰度要求，其余圖像均不滿足要求。通過對取得的圖像清晰度量化結果對比分析，能夠為及時調整成像設備的聚焦精度或進行圖像清晰化處理提供有益的參考。

4 ； 結 ； 論

本文提出的基于邊緣對比度遙感圖像清晰度評價方法，具有單調性、一致性等特點，既能夠對相同遙感圖像內容不同模糊程度進行對比評價，也能在一定程度上對不同遙感圖像內容清晰程度進行客觀評價，能夠準確、高效判斷大規模數字圖像的質量，對促進成像設備的發展及提升圖像處理水平，獲取滿足要求的高清圖像，具有重要的應用價值。

參考文獻

[1] 陳亮，李衛軍，諶琛，等.數字圖像清晰度評價函數的通用評價能力研究[J].計算機工程與應用，2013，49（14）：152?155.

[2] 崔作龍，徐長松.圖像清晰度的量化測量探究[J].實驗技術與管理，2012，29（5）：49?51.

[3] 李峰，陳志剛，儲金宇，等.圖像清晰度檢測方法[J].計算機工程與設計，2006，27（9）：1545?1547.

[4] 徐貴力，劉小霞，田裕鵬，等.一種圖像清晰度評價方法[J].紅外與激光工程，2009，38（1）：180?184.

[5] 王欣，安志勇，楊瑞寧，等.基于圖像清晰度評價函數的CCD攝像機自動調焦技術研究[J].長春理工大學學報，2008，31（1）：11?14.

[6] 張亞濤，吉書鵬，王強鋒，等.基于區域對比度的圖像清晰度評價算法[J].應用光學，2012，33（2）：293?299.

[7] 劉昶，王玲.基于小波的離焦模糊圖像清晰度判定[J].計算機應用與軟件，2008，25（7）：239?240.

[8] 范媛媛，沈湘衡，桑英軍，等.基于對比度敏感度的無參考圖像清晰度評價[J].光學精密工程，2011，19（10）：2485?2493.

遙感成像原理與遙感圖像特征范文第5篇

【關鍵字】:SAR影像;灰度影像 ; 中值濾波;均值濾波;Sigma濾波

Abstract: SAR image as an important and special remote sensing image filtering, there will be new requirements. This paper first analyzes the principle of noise introduced three kinds of filtering algorithms, namely the grayscale image and SAR image processing, and then through the horizontal and vertical comparative evaluation about three filter operator role of the different images.Key words: SAR image; grayscale images; median filtering; mean filter; the Sigma filter

中圖分類號：P283.49 文獻標識碼：A文章編號：2095-2104（2012）

引言

衛星影像在成像是收到各種因素的影響，使得遙感影像必須要經過預處理才能進行解譯與分析，而其中不可避免的存在噪聲的糾正，遙感衛星影像的噪聲主要表現為周期性條紋、亮線以及斑點等。利用空間增強可以對突出圖像中有用的信息。

微波以其穿透云霧、雨雪，具有全天候、全天時的工作能力，同時又具備了一定的地物穿透能力，能提供不同于可見光和紅外遙感提供的某些信息，在大氣探測、土地資源調查、地質礦產調查和海洋污染監測發揮著越來越大的作用。目前，SAR已成為地球空間信息獲取的一種重要手段。影響SAR影像應用的一個重要因素就是斑點噪聲,它的存在嚴重干擾了地物信息的提取與SAR圖像的應用效果,噪聲嚴重時,甚至可能導致地物特征消失,在圖像信息提取時,往往會產生虛假信息,影響了SAR影像的應用。而Sigma濾波主要針對的是斑點壓縮。

通過比較普通遙感影像和SAR影像對濾波算子的反應，來界定是否濾波算子可以在普通遙感影像和SAR影像中相互移植使用。

遙感數據以及軟件

實驗數據：（地區）SAR影像一幅，宜昌地區TM單波段可見光遙感影像一幅。

實驗軟件：ERDAS IMAGINE；ERDAS IMAGINE 是美國ERDAS 公司開發的遙感圖像處理系統。它以其先進的圖像處理技術，友好、靈活的用戶界面和操作方式，面向廣闊應用領域的產品模塊，服務于不同層次用戶的模型開發工具以及高度的RS/GIS（遙感圖像處理和地理信息系統）集成功能，為遙感及相關應用領域的用戶提供了內容豐富而功能強大的圖像處理工具

原理介紹

均值濾波

均值濾波是將平滑窗口內所有像元的灰度值進行平均計算，然后賦給平滑窗口的中心像元，其數學表達式為：

式中，為濾波后中心元素灰度值，為濾波窗口內各個像元的灰度值，窗口大小為。

中值濾波

中值濾波是一種非線性信號處理技術。它假設信號有極端的數值，即認為在平滑窗口內噪聲是極大值或極小值。中值濾波將平滑區域內所有像素的中值作為平滑區域中心像元值。

設為奇數項離散系列（=1，…2n-1，=1,…2n-1），為按大小重新排列的奇數項離散系列，則中值濾波的數學表達式為：

式中，為濾波后的中心像元灰度值，為濾波前平滑模板內各個像元的原始灰度值，為平滑模板內各個像元重新排列后的灰度值，窗口大小為。

Sigma濾波

該算法建立在SAR圖像的乘性噪聲模型上，假設斑點噪聲的分布為高斯分布，窗口內的像素灰度值與其中心像素的灰度值比較接近。其基本原理為：Sigma濾波器將范圍內的像素進行平均，即可去除差別過大的象素的影響。我們知道，對于一維高斯分布，采樣點落在區間的概率是93.5％。在窗口濾波過程中，只選取窗口內像素灰度值落在范圍內的點，將它們的平均值作為中心像素灰度的估計，而其它變化顯著的像素則被視作邊緣而不做濾波處理。

首先計算濾波窗口內各像元灰度的平均值作為濾波中心像元的平均值；然后再求窗口內標準差作為濾波中心像元點的標準差，公式如下（設窗口為（2M＋1）（2N+1））：

Sigma濾波器的算法表達式如下：

[]

孤立散射體不應受到斑點平滑的影響，為此設置閾值，如果范圍內的象素數小于或等于K＝（濾波窗口大小＋1）/2，則以中心象素周圍最近的四點象素平均值作為濾波輸出。

實驗方法與過程

將獲取的TM影像數據導入ERDAS IMAGINE中，在ERDAS圖標面板菜單條，單擊Main|Image Interpreter|Spatial Enhancement|Focal Analysis命令，打開Focal Analysis面板，選擇合適窗口大小，此次試驗使用3*3的窗口大小，對整幅圖像進行處理，算法分別選擇median和mean，生成兩幅不同濾波算法后的影像。

對于SAR影像，選中Radar|Radar Interpreter|Speckle Interpreter命令，在彈出的窗口設計合適的值，選擇Sigma、median和mean命令生成三幅不同的影像。同時，將TM影像作為雷達影像，做Sigma濾波處理。

實驗與分析

對于濾波算法的效果評價，可以從兩個方面進行，一是主觀評價標準，即通過人眼視覺效果進行定性評價；二是客觀評價標準，比較常用的有以下評價指標：均方誤差、峰值信噪比、以及等效視數等，這些指標從量化角度考慮濾波效果，能夠輔助主觀評價標準進行定量評價。

實驗采用平滑指數、歸一化均值兩個指標來衡量。

平滑指數指的是濾波處理后一個均勻區域的像元的均值與標準差的比值，表示濾波算子的平滑能力。

歸一化指數指的是濾波后圖像均值與濾波前圖像均值的比，越接近1，越能接近無偏估計，即能很好的保持圖像的平均后向散射系數。

從以上數據處理后的表格可以看出均值濾波的平滑能力最大，無論是TM影像還是SAR影像，效果都比較顯著。同時均值濾波能更好的保持圖像的平均后向散射系數。其次是Sigma，最后是中值濾波。但是Sigma濾波對不同影像的處理程度并不相同。

結語

Sigma濾波、中值濾波、均值濾波平滑指數都高于原始影像，這些濾波器都具有相當的噪聲濾除的作用，且對微波遙感影像同樣適用。濾波的歸一化均值都接近1，這說明這些濾波算法都具有無偏 ，說明這些濾波算法均保留了的原始影像的輻射信息。

然而Sigma算子對不同的影響處理的結果有一定的不同，與其余文獻顯示的結果有一定的差距，同樣中值濾波、均值濾波并不完全適用于SAR影像。