Tecnología de procesamiento de fusión de imágenes

Los datos de teledetección obtenidos de múltiples fuentes de datos de teledetección son diferentes en términos de tiempo, espacio, espectro, orientación y resolución. Reflejan los espectros de diferentes aspectos de los objetos terrestres o diferentes resoluciones en la misma área. Información de teledetección. Por lo tanto, un solo dato de teledetección generalmente no puede extraer suficiente información para completar ciertas aplicaciones, y se pueden fusionar múltiples tipos de datos de teledetección para obtener información complementaria de múltiples datos de teledetección para mejorar la utilización de los datos de teledetección. En la actualidad, los métodos de fusión basados ​​en elementos de imágenes se utilizan ampliamente en el campo de las ciencias geográficas.

Transformación 1.ISH

En términos de cromaticidad, existen dos sistemas de coordenadas de color: uno está compuesto por los tres colores primarios: rojo (R), verde (G) y azul (B) El espacio de color (RGB); el otro es el espacio de cromaticidad (IHS) (también conocido como coordenadas de Menzel) que consta de brillo (I) (o brillo, intensidad), tono (H) y saturación (S). La relación entre estos dos sistemas se puede representar en la Figura 4-1. En este momento, el rango del IHS aparece como un cono en la parte perpendicular al eje del cono IHS, la relación entre los dos se muestra en la Figura. 4-1. En esta figura, cuando pasa S = 0, es un punto de luz blanco y solo hay una diferencia de brillo (blanco-negro) a lo largo del eje I que representa el cambio de H, asumiendo que el color rojo es H; = 0; la dirección del radio representa la saturación y el centro del círculo es S = 0, que es blanco (acromático), y S = 1, que es el color más puro de la circunferencia.

Figura 4-1 Diagrama esquemático de los espacios ISH y RGB

Obviamente, estas dos coordenadas se pueden convertir entre sí. Esta conversión se llama transformación IHS o transformación de coordenadas de color (también). conocida como transformada de Menzel). La transformación del espacio RGB al espacio IHS generalmente se denomina transformación directa y, a la inversa, la transformación de IHS a RGB se denomina transformación inversa. Cuando el color no se expresa directamente por el número de los tres componentes del color primario (R, G, B), sino que la proporción relativa r, g, b de cada color en los tres colores primarios en el total R, G, B es utilizado para expresar el color, es decir

Investigación por teledetección sobre depósitos de oro asociados con rocas volcánicas en la cuenca de Tulasu de las montañas occidentales de Tianshan

Fórmula: r g b = 1. En este momento, si g = b = 0, entonces r = 1, que es rojo (r = g = b), entonces es W (,). La relación de transformación entre las dos coordenadas se puede simplificar como:

Estudio de prospección por teledetección de depósitos de oro relacionados con rocas volcánicas en la cuenca de Tulasu, montañas occidentales de Tianshan

Después de la expansión contrastante de I. y la expansión de contraste de H. Después de la regularización del histograma, se completa el estudio de prospección por teledetección de depósitos de oro relacionados con rocas volcánicas en la cuenca de Turasu. depósitos de oro relacionados con rocas en la cuenca de Turasu, Western Tianshan Mineral Research

En la actualidad, en el procesamiento de imágenes digitales de teledetección, la transformación IHS se utiliza principalmente en las siguientes investigaciones.

2. Mejora de la saturación de imágenes compuestas en color

Cuando la correlación entre las tres imágenes originales utilizadas para la síntesis es grande, el procesamiento convencional a menudo da como resultado una saturación insuficiente de la imagen compuesta. los colores no son brillantes (puros), la calidad de la imagen es gris y borrosa y los detalles son difíciles de distinguir. A través de la transformación IHS, la saturación S se mejora (estira) en el espacio IHS, y la transformación inversa de R, G y B se utiliza para la visualización en color, lo que puede mejorar significativamente la calidad del color y la resolución de la imagen.

3. Visualización compuesta de imágenes de sensores remotos de diferentes resoluciones

Ingrese directamente imágenes de diferentes resoluciones en los canales R, G y B para una visualización compuesta en color, incluso si la precisión de coincidencia geométrica es alta. es muy alto, también es difícil obtener una imagen clara (las imágenes de baja resolución hacen que la calidad de la imagen sea borrosa). Tome la imagen con la resolución más alta como "I", la segunda resolución más alta como "H" y la resolución más baja como "S". Luego realice la transformación inversa y elimine R, G y B para la visualización compuesta en color. la imagen compuesta Se puede mantener la claridad de las imágenes de alta resolución. Al combinar imágenes TM (a menudo dos bandas) y SPOT (a menudo bandas a todo color), no sólo podemos obtener la alta resolución de SPOT, sino también aprovechar al máximo la rica información espectral de TM.

4. Extracción de información especial de mineralización y alteración de sensores remotos

Basado en el método anterior, se utiliza la siguiente fórmula (Kruse, 1984) para la transformación de coordenadas RGB a ISH:

Investigación por teledetección sobre la relación entre la minería de oro y las rocas volcánicas en la cuenca de Tulasu de las montañas occidentales de Tianshan

Entre ellos: R, G y B son los píxeles de la banda roja, banda verde y banda azul respectivamente.

Amplía el contraste I y S, regulariza el histograma S y luego lo transforma inversamente al espacio de color RGB. La fórmula de cálculo es la siguiente:

Rocas volcánicas en Tulasu. Cuenca, West Tianshan Investigación sobre detección remota de depósitos de oro relacionados

En la fórmula:

Bi=S-sinH; =S-senH: Bi= S-senH; Xi=S-cosH.

Guo Huadong (1995) y Zhang Wansheng (1999) utilizaron el método de procesamiento anterior para extraer vetas de cuarzo y lograron buenos resultados.

La experiencia de los predecesores y del autor en el procesamiento de imágenes muestra que los métodos de procesamiento de imágenes comúnmente utilizados anteriormente generalmente pueden lograr buenos resultados al resolver la extracción y mejora de información general de detección remota. Sin embargo, el entorno natural es diferente. regiones Las condiciones geográficas, el propósito de extraer información de la imagen y la diferencia de fase temporal de los datos utilizados son factores importantes que afectan el efecto de la extracción de información de la imagen. Además, la extracción de información de imágenes para fines específicos requiere un diseño de algoritmo especial basado en condiciones reales. Ésta es también una de las principales razones por las que los métodos de procesamiento de imágenes de teledetección pueden lograr una innovación continua.