一种遥感图像滤波处理方法.pdf

1一种遥感图像滤波处理方法一种遥感图像滤波处理方法祝晓东(浙江万里学院,浙江 宁波 315101)摘摘 要：要：遥感图像大部分是直接以数字图像的形式取得的，遥感图处理的目的主要是对遥感图像进行校正工作(包括幅射校正与几何畸变校正)，以及针对不同应用领域进行不同的多光谱信息统计分类研究工作。滤波工作是遥感图像处理中的一个重要基础步骤，滤波效果的好坏，直接影响到遥感图像处理的最终精确度。本文首先分析了图像滤波处理的基本原理，然后介绍一种利用高级语言实现图像滤波处理的算法。在实验中以高通模板为例，经过高通滤波后，将图像中频率较高的部分突出显示，增强了图像的可识别率，证明了该方法的可行性。关键词：关键词：遥感图像；图像增强；滤波；高通摸板中图分类号中图分类号:TP391.41文献标识码文献标识码:AA Implementation of Remote Image FilterZhu Xiaodong(ZheJiang WanLi College，NingBo，315101,China)Abstract:A majority of remote image are directly obtained from digit image.The aim ofremote image processing is revising remote image(including radiation revising and geometryaberrance revising),and sort various spectrum according to different application area.The filteringis the foundation of the remote image processing.It directly affects precision of the remote imageprocessing.The article introduces fundamental image filtering and an implementation of remoteimage filtering use of high language.In the experimentation,by high frequency model,the highfrequency part of image being stands out.This means can improve resolving power,it make surethat this means is effective.Key Words:Remote Image Image Enhancement Filter；high frequency model1引言引言遥感图像根据其采集方式主要分为卫星遥感图像与航空遥感图像两大类。由于遥感图 像大部分是直接以数字图像的形式取得的，所以这类图像的处理、分析与应用研究进展较大。其进展主要集中在把遥感图像数据处理成为可视的资源信息或气象信息，包括已成为遥感 图像日常处理工作的遥感图像校正工作(包括幅射校正与几何畸变校正)，以及针对不同应用领域进行的不同的多光谱信息统计分类研究工作。目前遥感图像已应用到农业、气象、环境与灾害监测，资源调查，城市规划，铁路、公路选线等等许多方面，已发挥了显著的经济与 社会效益。随着计算机技术的发展，数字图像处理技术在近40 多年的时间里也得到了迅猛发展。数字图像处理的内容和方法部发生了显著的变化。从开始的用来改善图像质量的简单图像处理技术发展到现在的机器视觉层次的高级图像处理技术。图像处理技术越来越向智能化 方作者简介：作者简介：祝晓东(1966 )，男，浙江宁波人，工程师，硕士，主要研究方向:计算机控制、图像处理、数据挖掘及 GIS。2向发展。近年来随着模糊数学、神经网络、模式识别等计算方法的引入图像处理领域，各 种新的算法不断提出，使得数字图像处理应用的领域不断扩展和向传统图像处理方法不能处 理的领域延伸。2遥感图像的处理方法遥感图像的处理方法1遥感图像成像过程中存在畸变（误差），如辐射畸变、几何畸变，在使用前需要进行预处理。遥感图像包含的信息很丰富，但有时候我们所需要的信息反映得不清楚，需要通过图像增强的方法把我们需要的信息突出出来。遥感图像的信息提取可以通过目视判读的方法 提取，但目视判读方法速度慢，缺少定量分析，通过图像处理方式进行信息提取是遥感发展的方向。遥感图像处理主要分为三个方面：（1）对接收系统获得的遥感信号进行处理，回放原始遥感图像，主要是图像复原和校正处理。（2）根据人眼的视觉原理对遥感图像进行各种变换和增强，提高遥感图像中反映地物的目标特性的视觉效果与可识别性，称为图像的变换和 图像的增强。（3）对原始遥感图像所反映的地物目标波谱特性进行反演、统计和分析，提取出地物目标类别及空间分布信息，这称为遥感图像特征信息分析提取与识别分类3。根据我们研究的目的，下面主要讨论遥感图像的滤波功能的实现。21 遥感图像构成一幅遥感数字图像是由m 行n 列的栅格组成，在遥感中，栅格称为像元（Pixel），Pixel是 Picture element 的缩写，每一个像元都有一个值，像元值的大小反映了像元的颜色或色调。地图可以用来表示不同的专题属性，如何在地图上获取栅格数据，简单的方法是在专 题地图上均匀地划分网格，或者将一张透明方格网叠置于地图上，每一网格覆盖部分的属性 数据，即为该网格栅格数据的取值。一般用面积占优法来表示栅格中的图像信息，即：每个栅格单元的值以在该网格单元中占据最大面积的属性值来确定，如图1 所示。图 1 遥感图像栅格信息的表示22 遥感图像的增强技术遥感图像的边缘增强常采用邻域处理方法来分析、比较和调整像元与其周围相邻像元 的对比度关系。边缘增强的目的是突出图像的边缘信息，增强后的图像往往反映不出原图像 的基本信息。边缘增强后边界的亮度与原图中边缘的亮度变化率成正比。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，就能突出像元灰度值变化较大的 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。遥感图像的边缘增强分空间域滤波和频率域滤波，空间域滤波是在图像空间变量内进行的局部运算，使用空间二维卷积方法：频率域滤波使用傅氏分析等方法，通过修改原图像的傅氏变换式实现滤波3。在这里我们考虑空间域滤波技术。它主要使用空间卷积技术，借助模板在原图像上移动，逐块进行局部运算，减缓或增强图像中某些特定的频率分量，从而达到边缘增强、噪声去除等作用。假定原图像为f(x,y),通过某种方法窗口内的边缘信息 f(x,y),经加权处理再叠加到原图像f(x,y)上，形成滤波的图像 g(x,y)则：3(1),(),(),(yxfKyxfyxg公式中：K 为常数或某种变量算子；f(x,y)表示对以(x,y)为中心的 MN 个像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。空间卷积运算的具体做法：首先选定一个卷积函数 h(m,n)，它实际上是一个MN的矩阵算子，然后，从原图像上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像元灰度值乘积并求和；计算结果作为该窗口中心位 置像元的新灰度值；再把窗口移动一个像元，如图2 所示：图 2模板移动示意图2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，生成一幅滤波的新图像。其算式为：(2)1010),(),(),(NnMmnmhnmfyxf公式中：h(m,n)为选定的卷积核；f(x,y)为窗口图像。一般采用M=N=3，即33 算子，但有时也用 55 甚至 99 等模板，由公式(2)可知，h(m,n)是决定卷积滤波效果的主要因素。3用用 VB 处理遥感图像处理遥感图像VB通过大量的绘图函数为图形图像处理提供了强大的功能，使得它在图形、图像处理及多媒体技术中有着广泛的应用。但遥感图像处理系统不同于一般的图片处理软件，它的处 理对象是遥感数据，而遥感数据具有数据量在的特点，人遥感数据中提取专题信息，需要一定的专门的知识，需要使用一些特有的数据分析方法31 图像三基色的提取4一幅图像可以看成由许多像素组成,每个像素的颜色都与红、绿、蓝三基色的相对强度有关。RGB构成的像素的三基色，每种颜色的取值范围都在0255之内。在VB中，我们可以用Point 方法获得每个像素的颜色值，像素颜色是一个长整型的数值，用4个字节表示，最高位为“0”，其余三个字节依次为B、R、G，从最低一位开始的连续三个字节分别决定了红、绿、蓝的相对强度，其有效范围从0 到255(&HFF)。要取得每个像素的红、绿、蓝的相对强度，需要对红、绿、蓝各个像素进行分别提取。程序实现代码如下：ReDim RGBarray(2,TotalX 1,TotalY 1)For ii=0 To TotalX 1For jj=0 To TotalY 14tempRGB=frmMain.picMain.Point(ii,jj)分离出红色RGBarray(0,ii,jj)=tempRGB&Mod 256分离出绿色RGBarray(1,ii,jj)=(tempRGB&And&HFF00)/256&)Mod 256&分离出蓝色RGBarray(2,ii,jj)=(tempRGB&And&HFF0000)/65536Next jjNext ii32 实现图像滤波功能5由前所述，要实现遥感图像的滤波增强，我们首先要确定一个卷积 h(m,n)，通过局部性的和、积运算计算像元的红、绿、蓝分量，实现滤波。对于不同的卷积h(m,n)，可以灵活地实现不同的图像增强效果。所以，我们可以设计一个公共模板，让用户根据自己的需要输入不同的模板，我们通过读取模板中的数值，与原对原图像中的像素做相应的运算，最终输出新的图像。在这里，我们以 M=N=3 进行算法实现。对于 33 算子，其主要的模板有：（1）低通滤波模板，它主要的功能是保留图像的低频成分，而减少图像高频成分。（2）高通滤波模板，经过高通滤波后，原图像上像元值差异不大的区域基本不变，但图像中频率较高的部分更加突出。（3）边缘增强的模板，边缘增强的目的是突出图像的边缘信息，增强后的图像往往反映不出原图像的基本信息。边缘增强后边界的亮度与原图中边缘的亮度变化率成正比。（4）拉普拉斯边缘增强。这些模板的算子归纳如下：1/91/91/91111/91/91/91911/91/91/9111低通滤波模板高通滤波模板121111121181121111检测垂直边界拉普拉斯边缘增强根据这些模板的特征，我们可以自定义滤波公式：（）BiasdivideparameterepixelsValuNewValue/)(公式中：ewValue 是每个像元的新值，pixelsValue 是当前像元的值，Parameter 是模板的参数，divide 是模板的除数，Bias 为用户定义的偏量。通过这个公式，我们实现以下的程序运算：Dim xAs Long,yAs LongDim rAs Integer,gAs Integer,bAs IntegerFor y=2 To frmMain.Picture1.Height 1For x=2 To frmMain.Picture1.Width 1计算 R 分量中心像元的新值red=(Val(txtPixel(0).Text)*pixelsRGB(1,x 1,y 1)+_5Val(txtPixel(1).Text)*pixelsRGB(1,x,y 1)+_Val(txtPixel(2).Text)*pixelsRGB(1,x+1,y 1)+_Val(txtPixel(3).Text)*pixelsRGB(1,x 1,y)+_Val(txtPixel(4).Text)*pixelsRGB(1,x,y)+_Val(txtPixel(5).Text)*pixelsRGB(1,x+1,y)+_ValtxtPixel(6).Text)*pixelsRGB(1,x 1,y+1)+_Val(txtPixel(7).Text)*pixelsRGB(1,x,y+1)+_Val(txtPixel(8).Text)*pixelsRGB(1,x+1,y+1)_/Val(txtDivide.Text)_+Val(txtBias.Text)其余代码部分处理G，B 分量与处理 R 分量相类似frmMain.Picture1.PSet(x,y),RGB(r,g,b)将对象上的点设置为指定颜色。Next xIf y Mod 10=0 Then frmMain.Picture1.Refresh 定时刷新屏幕Next y33 实例验证：这里我们以高通模板为例，把图像处理结果显示如图3 所示，从图中可以看出原来模糊的图像，经过高通滤波后，图像中频率较高的部分显得突出，增强了图像的视别率。图 3用高通模板处理的遥感图像结论结论通过对遥感图像处理方法分析，我们根据具体的数学模型6，在 VB 环境下实现了对遥感图像的滤波处理，通过实验结果可以发现，用VB 可以有效地实现对遥感图像的信息提取，也证明了 VB 在图像处理方面有着非常实际的应用。当然，有关遥感图像处理的算法还有许多，这是正是我们今后进一步研究工作的方向。参考文献：1 戴昌达等遥感图像应用处理与分析M北京清华大学出版社20042 李红俊，韩冀皖数字图像处理技术及其应用J计算机测量与控制2002.10:52543 罗筱波砂土细观图像分析程序开发D同济大学硕士论文20034 黄杏元，汤勤 地理信息系统概论M北京高等教育出版社 19895 吴信才.地理信息系统设计与实现M.北京电子工业出版社 20016 张绍杰，胡寿松一种基于粗糙约简的分形几何容错故障诊断方法J计算机测量与控制2005.6:511513