遥感影像的增强处理
遥感影像的增强处理
一主成分变换（K-L 变换）
打开一幅TM 图像的3个波段，并合成Band1
进行K-L 变换
K-L 变换后的图像
二 主成分逆变换（K-L 反变换） 打开数据1.Sta 进行变换
变换后
三 缨帽变换（k-t ）
打开数据12234.Tif ，在Transform —Tasseled cap中进行变换，如图所示
变换后的图像为：
对研究区的分析情况：
新分量中的前三个分量与地面景物的关系明确： yl 为亮度，反映了总体的反射值。
y2为 绿度，反映了绿色生物量的特征。 Y3为湿度，反映出湿度特征。
如图截取了两个明显的区域进行比较：
图
1
图2
由两幅图所示，变换后，在整个研究区中亮度都是变大的，湿度都是减少的，而对于绿度，城市中变小，非城市变大。且非城市区域很大。所以研究区是一个干旱的区域，生物量普遍多。 四 分析k-l ，k-t 变化的异同
（1）概念 K —L 变换又称主成分变换，是利用变换距阵对多光谱图像进行线性组合，最终产生一组新的多光谱图像，其目的是数据压缩和图像增强。目的 主成分分析的目的是通过线性正交变换把多个波段数据集的信息量集中到数量尽可能少的主成分影像数据中，而这些主 成分之间相互无关，这样就减少总的数据量并使影像的特征信息得到增强。 在遥感应用领域，主成分分析常用作数据压缩(去相关) 的一种手段，它将过多的波段数据压缩进较少的波段内。一幅主成分图像中包含了比一幅原始波段内容丰富的信息，起到图像增强作用。 特点 就变换后的新波段主分量而言，K —L 变换后的新波段主分量包括的信息量不同，呈逐渐减少趋势。其中，第一主分量集中了最大的信息量，常常占80％以上，第二、第三主分量的信息量依次快速递减，到第n 分量信息几乎为0。由于K —L 变换对不相关的噪声没有影响，所以信息减少时，便突出了噪声，最后的分量几乎全是噪声。所以这种变换又可分离出噪声。
（2）概念1976年，Kauth 和Thomas 构造的线性变换方法——Kauth- Thomas 变换，简称K-T 变换。目的可以实现信息压缩，帮助解译分析农作物特征。 作用主要用于MSS 和TM 影像。原理 K －T 变换又称缨帽变换(Tasseled cap)，是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转而优化图像数据显示效果。K-t 变换前三个物理量的物理意义亮度：TM 的6个波段的加权和，反应总体的亮度值 绿度：绿色生物量特征。
湿度：土壤湿度和植物湿度。 亮度和绿度组成“植被视面”；湿度和亮度组成“土壤视面”；绿度与亮度组成“过渡区视面”。
（3）k-t 变换与k-l 变换的共同点是两者都是线性变换。从这个意义上说k-t
变
换是一种特殊的k-l 变换。它们的区别在于：k-l 变换相关系数是原数据波段间协方差或相关系数的函数。这个特征使得k-l 变换可以根据实际的图像产生从数据压缩角度看来最好的转换，但却使得从不同的角度得到的主成分难以进行互相比较。也就是说k-l 变换得到的主分量没有物理或景观意义，仅仅反映了包含原数据量的多少。而k-t 变换得到的3个分量有一定的景观意义，它独立于单个图像，不同图像产生的土壤亮度和绿度可以互相比较。K-t 变换的一个缺点是它依赖于遥感器（主要是波段），因此其转换系数对每种遥感器是不同的。