CN1431626A - 主题制图仪图像信息提取与黑白图像的彩色图像生成 - Google Patents
主题制图仪图像信息提取与黑白图像的彩色图像生成 Download PDFInfo
- Publication number
- CN1431626A CN1431626A CN02157266.6A CN02157266A CN1431626A CN 1431626 A CN1431626 A CN 1431626A CN 02157266 A CN02157266 A CN 02157266A CN 1431626 A CN1431626 A CN 1431626A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- wave band
- regression equation
- black
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims description 17
- 238000013507 mapping Methods 0.000 title claims description 12
- 230000008859 change Effects 0.000 claims abstract description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 25
- 230000005855 radiation Effects 0.000 claims description 24
- 239000002131 composite material Substances 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 description 35
- 238000005516 engineering process Methods 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 230000000694 effects Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
主题制图仪图像信息提取与黑白图像和彩色图像的生成，采用从TM图像的原始7个波段中选出4个波段的方法来进行信息提取，在图像提取中采用图像的原始灰度值即数码值，以选定的各波段波长值为横坐标值，以相应的灰度值为纵坐标值，进行一次和二次回归方程的构建；得出回归方程后，又规定取横从标为0值时，由二次回归方程算得的灰度值即二次曲线在y轴上的截距为地物总国徽水平L值，规定取一次回归方程一次项的系数即回归直线的斜率的负值为地物可见—红外国徽平衡值B；规定取二次回归方程4个波段残差值的物殊和的负值为地物国徽随波段变化的向量值V，从而合成彩色图像。
Description
一、技术领域
本发明属遥感技术及其在资源环境的识别和分析中的应用技术领域。包括陆地卫生(Landsat)TM(主题制图仪)图像的有用信息的提取及其有关应用技术。
二、背景技术
此发明的最接近背景技术是申请者提出并已获得发明专利的技术——MSS图像信息提取及其应用技术(发明专利号：89102466.2)。本发明的其它背景技术则涉及：
(1)数据变换技术(主成分变换，即KL变换；缨帽变换，即Kauth-Thomas变换；彩色变换，即HIS变换3等等)。
(2)图像处理技术(彩色合成；图像增强；图像算术运算，即图像的加、减、乘、除；图像分类等)。
陆地卫星TM图像问世以来，主要还是使用原始数据图像。由于数据量极大，图像处理费时、费力、费钱；又由于其各波段间多数是彼此高度相关，如TM1，TM2，TM3之间高度相关，TM4，TM5，TM7之间甚至它们和TM6之间也是高度相关，故处理起来，有很大一部分是相同信息的重复运算。更重要的是，由于它们彼此间的高度相关，使得许多有用而独立的信息混杂在各个波段信息之间。各波段的信息基本上都是反射辐射的强度L，只TM6为热辐射强度。欲掌握其独立有用的信息，需要复杂的分析和处理，且结果仍不理想。例如，由于各波段信息高度相关，选择其中任意3个波段作彩色合成，实际上只有两个波段的信息较为独立。如TM3和TM4，TM2和TM4，TM5和TM5等。结果所得彩色合成图像，就基色来说，实为二色图像。例如最通常使用的4、3、2合成，得到的图像上就是一种接近于红色的图像和另一种似蓝似绿的兰绿过渡色(由两个相关波段形成)图像。
针对以上问题，国际上在很久以前曾提出过KL变换和Kauth-Thomas变换及HIS变换等来解决。其中HIS只是彩色变换，仍源于选出的3个原始波段。KL和KT变换较好。但它们存在的问题是：(1)运算都极为复杂。LK包括大量矩阵、逆矩阵、特征向量、特征根等运算，KT使用另一种复杂的Kramer-Schmit运算。(2)这些原来都是在MSS图像情况下使用的，后来证明在MSS情况下，二者都只能变换出两个有意义的图像——Brightness(亮度)图像和Greenness(绿度)图像。其第三、第四图像基本上都是噪音。而且KL变换图像信息分布极不均匀，绝大多数集中在第一主成分中，剩下一部分在第二主成分中，其它主成分信息就微乎其微了。当它们用于MSS图像彩色合成时，就基色而言，实际上还是只有两种主色调。后来这两种变换都用于TM图像，但KL变换仍是信息分布极不均匀，KL变换较好。(3)地学含义仍不很明确：KL变换第一主成分常被定义为亮度，第二主成分常被定义为绿度，其它主成分没有定义。除此以外，有时第一主成分并不是亮度，有可能是绿度，第二主成分也不一定是绿度，而可能是亮度或别的什么。KT变换，提出者(Karth-Thomsa)将第一个图像定义为亮度(土壤)，第二个定义为绿度(植被)，第三个定义为黄度(yellowness)。但在MSS情况下，黄度实际上是噪音，在TM图像下没有明确定义。现在有时只叫它老三(Third)，例如在著名的ENVI图像处理系统(2000年版)中就是如此。有时则叫它湿度(Wetness)，例如E.P.CRIST。
申请者提出的MSS图像信息提取及应用技术(前项专利)解决了有关一些问题。例如变换图像计算简单信息分布均匀、地学含义明确，同时也达到降维和信息独立等。
但该项信息提取和应用技术，不能直接应用于TM图像，因为TM图像波段比MSS多，波段也MSS不同，且不能从TM 7个波段中选出与MSS的4个波段相对应的波段，尤其是TM波段中根本没有与MSS图像中的MSS6对应的波段。它不能在相应的辐射曲线形成辐射低谷。因此，以辐射值二次曲线计算为基础的MSS图像的L、B、V信息提取与应用方法，不能直接应用于TM图像，需要对原方法作重大调整或重新设计新的方法。
三、技术内容
1、技术问题
本发明的目的就是要提供一种解决TM图像中有明确地学意义的独立信息的提取及其应用的主题制图仪图像信息提取与黑白图像的彩色图像生成。
2、技术方案
一种主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于采用从TM图像的原始7个波段中选出4个波段的方法，即选用代表性好的“TM2、TM3、TM4、TM5”4个波段来进行信息提取，在图像提取中采用图像的原始灰度值即数码值，使用回归计算的方法，即以选定的各波段波长值为横坐标值，以相应的灰度值为纵坐标值，进行一次和二次回归方程的构建；同时规定在作二次回归方程时，波段5的灰度值取为原始值的6倍。得出回归方程后，又规定取横坐标为0值时，由二次回归方程算得的灰度值即二次曲线在y轴上的截距为地物总辐射水平L值，规定取一次回归方程一次项的系数即回归直线的斜率的负值为地物可见——红外辐射平衡值B；规定取二次回归方程4个波段残差值的特殊和的负值为地物辐射随波段变化的向量值V，从而从TM原始图像数据中提取出有特殊物理和地字意义的L、B、V值，形成三个黑白数字图像，然后将L、B、V赋予色彩后，合成彩色图像，在选用代表性好的波段时，根据实际需要也可以由TM1代替TM3和TM4，用TM7代表TM5或TM4，在TM图像的各波段中，TM2的取值在0.52-0.60微米的0.52倍处，TM3的取值在0.63-0.69微米的0.68或0.69倍处，TM4的取值在0.76-0.90微米的0.89或0.90倍处，TM5的取值在1.55-1.75微米的1.55-1.58倍处，L、B、V的值根据方程组：
L＝a1+a2D2+a3D3+a4D4+a5D5
B＝b1+b2D2+b3D3+b4D4+b5D5
V＝c1+c2D2+c3D3+c4D4+c5D5
L＝3.621562B2-0.075012B3-3.175864B4+3.775878B5
V＝0.649329B2-1.347445B3+0.760016B4-0.061901B5
B＝0.607728B2+0.363108B3+0.042044B4-1.012881B5
用TM原始数据的图像乘法运算和图像加法运算得出，在彩色合成图像时，在取出的3个黑白数字图像中，规定L赋红色、V赋绿色、B赋蓝色，就能得到近似自然界的彩色图像，也可以赋予L、B、V三种其它颜色，得到特殊的色彩图像。
3、技术效果
①.原波段图像的各波段数值间与TM原始波段图像比：
TM1、TM2和TM3之间高度相关，均反映可见光的辐射强度，TM4、TM5和TM7之间高度相关，均反映红外光的辐射强度。彩色合成时任取3个波段，总有两个波段是高度相关的。因此彩色合成图主要是两种颜色，过渡色也少，显示信息少，各颜色地学含义不够明确。本方法产生的LBV图像各自的地学含义十分明确，自彼此互不相关，其中L是总辐射或总亮度的高低，B是水体面积和水分含量的高低，V是植被密度和植被生长茂盛程度的大小。因此，各黑白的图像的特色十分清楚，判读容易；彩色合成图像，是三色图像，即红色、绿色、蓝色各自饱和平衡，一级过渡色黄、紫色、青色和二级过渡色都出来了，显示彩色非常丰富，即信息十分丰富，其各颜色地学含义十分明确，各颜色间的逻辑关系和各地物间的逻辑关系完全一致，例如红色为裸地，绿色为植被，蓝色为水体；红+绿为黄，即代表裸地+植被＝稀疏植被；红+蓝为紫，即代表裸地+水＝湿地；绿+蓝为青，即代表植被+水＝水草沼泽或水植混合体等。因此，彩色合成图像的解译比原始被原彩色合成图像容易得多，不仅可凭经验解释，重要的是可凭理论和逻辑关系解释。LBV数字图像用于分类只用3个图像就可以了，分类计算迅速，分类结果很直接，据LBV数值判断各类的地物含义，这对非监督分类尤其有利。LBV图像还易于实现区域内，全国的和全球的地物数值分析。
②.与著名的KL变换(主成分变换)图像相比
a.LBV各图像地学含义明确，KL变换图像地学含义不明确，KL变换图像得到的是成分图像。第一主成分可能是亮度，第二主成分可能是植被，第三、第四等主成分含义不明或是噪音。但因图像和地区而易，有时第一主成分可能变成植被，第二主成分可能变为亮度。
b.LBV各图像中信息分布均匀，KL变换图像则不然，第一主成分集中了全部信息中的大部分，一般达70％左右，第二主成分集中了剩下信息中的大部分，可占总信息的30％左右。这两个主成分集中了全部信息中的90％以上。结果的坏处是，第一、二主成分仍是综合信息，即许多信息混在一起，其地学含义不明，不易分辩；另一结果是第三、第四、第五等主成分中信息很少，甚至全显噪音。地学含义更加不明。因此选用其3个图像作彩色合成时，难于达到红、绿、蓝三色平衡、饱和，各颜色地学含义也不明确，颜色间逻辑关系无法与地物间逻辑关系一致，解译困难，且仍主要凭经验。
c.KL变换一般要使用6-7个原始波段图像来进行，若只有4个波段，其结果只能得到两个有意义的图像，其第3、第4图像基本上是噪音或全部是噪音。LBV变换只用4原始波段图像变换即可达到KL变换用7个波段图像变换都不能达到的好效果。
d.LBV变换计算十分简单，省时、省力、省钱。如“背景技术”节所述，用三个较简单的线性方程就可以了，任何图像处理人员都可直接使用。例为ENVI系统中用“band math”可实现变换，在ILWIS中用Spatial Modelling即可实现变换，也可自编简单程序实现变换。KL变换不同，它的计算十分复杂，需要计算大量的向量矩阵，逆矩阵，特特征根等运算，计算费时、费力、费钱。且一般不可能自编程序，而必须依赖于商用软件系统。如无系统即不可实行。
③.与著名的缨帽变换相比
a.TM图像缨帽变换要5个以上波段才能运行，要6-7个波段才能达到较好效果，若把TM图像视作MSS的图像选取用4个波段运行，则也只能得到两个有意义的变换图像，其第3、第4图像基本上都是噪音。LBV变换只用4个波段即可达到非常好的效果，已为前述。
b.缨帽变换得到的图像一般只有两个波段的地学含义十分明确，即第1个图像是亮度，第2个图像是植被。第二、第三或其它图像在MSS的中基本上是噪音，在TM图像中尚无明确定义，一般只将其第3个图像称作“老三”(the third)，如在国际著名的美国ENVI图像处理软件系统中就是如此。LBV变换的1、2、3都非常明确。
c.缨帽变换计算也十分复杂，系用克拉默—施米特算法(Cramer-SchmitProcess)，计算费时、费力、费钱，一般也不能靠自编程序进行。没有专门的图像处理软件，系统便不能进行。LBV变换则不同，三个简单线性方程易于自编软件，甚至根本不必软件，只在ENUF的bond math中或ILWIS的SpatialMoclelling中输入方程即可运行，且省时、省力、省钱。
四、附图说明
附图一是信息、地物、颜色三个正三角形的对应逻辑关系示意图。
五、具体实施方案
本发明的主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于采用从TM图像的原始7个波段中选出4个波段的方法，即选用代表性好的“TM2、TM3、TM4、TM5”4个波段来进行信息提取，在图像提取中采用图像的原始灰度值即数码值，使用回归计算的方法，即以选定的各波段波长值为横坐标值，以相应的灰度值为纵坐标值，进行一次和二次回归方程的构建；同时规定在作二次回归方程时，波段5的灰度值取为原始值的6倍。得出回归方程后，又规定取横坐标为0值时，由二次回归方程算得的灰度值即二次曲线在y轴上的截距为地物总辐射水平L值，规定取一次回归方程一次项的系数即回归直线的斜率的负值为地物可见——红外辐射平衡值B；规定取二次回归方程4个波段残差值的特殊和的负值为地物辐射随波段变化的向量值V，从而从TM原始图像数据中提取出有特殊物理和地字意义的L、B、V值，形成三个黑白数字图像，然后将L、B、V赋予色彩后，合成彩色图像，在选用代表性好的波段时，根据实际需要也可以由TM1代替TM3和TM4，用TM7代表TM5或TM4，在TM图像的各波段中，TM2的取值在0.52-0.60微米的0.52倍处，TM3的取值在0.63-0.69微米的0.68或0.69倍处，TM4的取值在0.76-0.90微米的0.89或0.90倍处，TM5的取值在1.55-1.75微米的1.55-1.58倍处，L、B、V的值根据方程组：
L＝a1+a2D2+a3D3+a4D4+a5D5
B＝b1+b2D2+b3D3+b4D4+b5D5
V＝c1+c2D2+c3D3+c4D4+c5D5
L＝3.621562B2-0.075012B3-3.175864B4+3.775878B5
V＝0.649329B2-1.347445B3+0.760016B4-0.061901B5
B＝0.607728B2+0.363108B3+0.042044B4-1.012881B5
用TM原始数据的图像乘法运算和图像加法运算得出，在彩色合成图像时，在取出的3个黑白数字图像中，规定L赋红色、V赋绿色、B赋蓝色，就能得到近似自然界的彩色图像，也可以赋予L、B、V三种其它颜色，得到特殊的色彩图像。
①.在收集世界范围内大量的遍及各种地物类型图像分析的基础上，认定了TM卫星图像的7个波段图像中，所能反映的地物遥感特性只有4个。a.地物的辐射强度L；b.地物可见光辐射与红外辐射的平衡B；c.地物辐射随波的变化的方向和速度V；d.地物的热辐射程度I。
②.热辐射强度I只为TM波段6图像所表征，且相对独立于其他波段，故可独立使用，不必提取；且不能与其他波段混合在一起来提取。其它三个特征混合存在于TM波段1、2、3、4、5、7共6个波段中。但波段1、2、3均是可见光波段，其波段彼此高度相关，取其中两个波段(通常可取2和3)，已得可见光信息的绝大部分(接近全部)；波段4、5、7均是红外光波段，同样彼此高度相关，取其中2个波段(通常取4和5)，已得红外光信息的绝大部分(接近全部)。因此，TM图像中三个地物遥感特征的提取，取4个波段图像即可。通常以取2、3、4、5波段较好。特别应用时，可用1代替2和用7代替5。
③.地球表面上任一地段的地物，在通常情况下都是由三种基本地表要素——植被、水体(含水分)和裸地(广义裸地，包括裸岩、水泥建筑、沙、盐等)，以不同比例组合而构成(特殊情况下尚有云、雪、阴影等)。所以地面地物识别的核心是要从原始各波段卫星遥感图像中分离出植被、水体、裸地信息。本技术使植被与提取的V信息一致，水体与提取的B信息一致，裸地(含亮地物)与提取的L信息一致。若以V、L、B构成一个信息正三角形，以植被、水体、裸地构成一个地物正三角形，则两个正三角形可完全套合对应。
④世界上所有的颜色包括彩色合成图像上的所有颜色，均是由三个基色——红、绿、蓝——以不同比例组合而构成。本技术使红色(R)与提取的信息L和对应的地物裸地(含亮地物)相一致，使绿色(G)与所提取的信息V和对应的植被相一致，使蓝色(B)与所提取的信息B和对应的水和水分相一致。如将绿、蓝、红构成颜色正三角形，则颜色正三角形与信息正三角形和地物正三角形三三套合对应(见附图)。
⑤与MSS图像信息提取和数据变换不同，MSS图像数据变换使用辐射值曲线回归法，但TM图像没有与MSS图像波段6对应的波段，不能形成辐射值曲线的低谷，原辐射值曲线回归法变换已不实用。还有其它一些技术问题。故TM图像信息提取方法又经过了长期研究，终于在2000年4月获得成功。它的变换用灰度值曲线回归法。但L值和B值已均不再用二次项式回归曲线极值点计算，而是L用二次多项式回归曲线在y轴(灰度值轴)上的截距计算，B值用一次回归曲线的斜率计算，V值用二次回归曲线(灰度值曲线)的残差特殊和计算。
⑥L、B、V的计算公式如下：
L＝a1+a2D2+a3D3+a4D4+a5D5
B＝b1+b2D2+b3D3+b4D4+b5D5
V＝c1+c2D2+c3D3+c4D4+c5D5
作为例子，具体的计算方程可选择下述两组之一：
第一组
L＝3.621562B2-0.075012B3-3.175864B4+3.775878B5
V＝0.649329B2-1.347445B3+0.760016B4-0.061901B5
B＝0.607728B2+0.363108B3+0.042044B4-1.012881B5
第二组
L＝3.659642B2-0.207001B3-3.140632B4+4.127946B5
V＝0.620682B2-1.345152B3+0.796200B4-0.071728B5
B＝0.647435B2+0.368792B3+0.024586B4-1.040813B5
在此计算公式中a、b、c分别为不同的系数，D2～D5分别为2波段到5波段的数据值。此结果是有负值带小数的数字图像。在目前通用的各种遥感图像处理软件或地理信息系统(GIS)软件中均能自动转换成0-255的整数值图像(byte图像)，因此，不必进行任何附加处理即可使用这些图像。
为欲使L、B和V变成标准差为25、平均值为128的标准化图像，可先用上式运算，取得标准差后，求出它与25的比值，用此比值乘各项系数，再用改变了系数的方法运算，即可得标准差为25的图像。然后求新图像的平均值，再求此值与128的差，作为方程的常数项，再运算即可得平均值为128，标准差为25的图像。同理，可得任何规定标准差与平均值的图像。
⑦.LBV的各个数字图像经扫描、照相、洗印或打印，即可成为LBV的黑白硬拷贝图像(胶片、洗印片、打印片)。它们地物含义之明确远超过原波段。
⑧.在计算机中分别赋L、B、V以不同彩色，采用各种现在的彩色含成方法(线性伸，在方图均衡、动态彩色含成等)，即可得到不同彩色的彩色含成图像。为L赋红色，V赋绿色，B赋蓝色，可得接近于自然界色彩(植被绿色，水蓝色，裸地红色)的彩色合成图像。用直方图均衡法一般可得很好的结果。还可分别对全景(scroll)、前景(image)或放大景(zoom)分别拉伸，可选出最理想彩色合成图像。LBV的彩色合成图像也可用它们的黑白图像，进行光学合成而得到。此方法生成的彩色合成图像色彩之丰富，信息量之丰富和地物含义之明确，均远远超过原波段图像。数字彩色合成图像经扫描、照相、洗印或打印，可得各种形式的硬拷贝彩色图像。
⑨.LBV的数字图像也可用来进行地物分类，地质或全球地物数值分析等，将取得比使用源波段更好的效果。
Claims (5)
1、一种主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于采用从主题制图图像的原始7个波段中选出4个波段的方法，即选用代表性好的“TM2、TM3、TM4、TM5”4个波段来进行信息提取，在图像提取中采用图像的原始灰度值即数码值，使用回归计算的方法，即以选定的各波段波长值为横坐标值，以相应的灰度值为纵坐标值，进行一次和二次回归方程的构建；同时规定在作二次回归方程时，波段5的灰度值取为原始值的6倍，得出回归方程后，又规定取横坐标为0值时，由二次回归方程算得的灰度值即二次曲线在y轴上的截距为地物总辐射水平L值，规定取一次回归方程一次项的系数即回归直线的斜率的负值为地物可见——红外辐射平衡值B；规定取二次回归方程4个波段残差值的特殊和的负值为地物辐射随波段变化的向量值V，从而从TM原始图像数据中提取出有特殊物理和地学意义的L、B、V值，形成三个黑白数字图像，然后将L、B、V赋予色彩后，合成彩色图像。
2、根据权利要求1所述的主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于在选用代表性好的波段时，根据实际需要也可以由TM1代替TM3和TM4，用TM7代表TM5或TM4。
3、根据权利要求1或2所述的主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于在TM图像的各波段中，TM2的取值在0.52-0.60微米的0.52倍处，TM3的取值在0.63-0.69微米的0.68或0.69倍处，TM4的取值在0.76-0.90微米的0.89或0.90倍处，TM5的取值在1.55-1.75微米的1.55-1.58倍处。
4、根据权利要求1所述的主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于L、B、V的值根据方程组：
L＝a1+a2D2+a3D3+a4D4+a5D5
B＝b1+b2D2+b3D3+b4D4+b5D5
V＝c1+c2D2+c3D3+c4D4+c5D5
L＝3.621562B2-0.075012B3-3.175864B4+3.775878B5
V＝0.649329B2-1.347445B3+0.760016B4-0.061901B5
B＝0.607728B2+0.363108B3+0.042044B4-1.012881B5
用TM原始数据的图像乘法运算和图像加法运算得出。
5、根据权利要求1或4所述的主题制图仪图像信息提取与黑白图像的彩色图像生成，其特征在于在彩色合成图像时，在取出的3个黑白数字图像中，规定L赋红色、V赋绿色、B赋蓝色，就能得到近似自然界的彩色图像，也可以赋予L、B、V三种其它颜色，得到特殊的色彩图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN02157266.6A CN1202495C (zh) | 2002-12-27 | 2002-12-27 | 主题制图仪图像信息提取与黑白图像和彩色图像的生成 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN02157266.6A CN1202495C (zh) | 2002-12-27 | 2002-12-27 | 主题制图仪图像信息提取与黑白图像和彩色图像的生成 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1431626A true CN1431626A (zh) | 2003-07-23 |
| CN1202495C CN1202495C (zh) | 2005-05-18 |
Family
ID=4752910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN02157266.6A Expired - Fee Related CN1202495C (zh) | 2002-12-27 | 2002-12-27 | 主题制图仪图像信息提取与黑白图像和彩色图像的生成 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1202495C (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
| CN102254174A (zh) * | 2011-07-08 | 2011-11-23 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
| CN102682444A (zh) * | 2011-03-08 | 2012-09-19 | 河南工业大学 | 一种检测糙出白率和碾白率的方法 |
| CN107679542A (zh) * | 2017-09-27 | 2018-02-09 | 中央民族大学 | 一种双摄像头立体视觉识别方法及系统 |
-
2002
- 2002-12-27 CN CN02157266.6A patent/CN1202495C/zh not_active Expired - Fee Related
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
| CN102682444A (zh) * | 2011-03-08 | 2012-09-19 | 河南工业大学 | 一种检测糙出白率和碾白率的方法 |
| CN102254174A (zh) * | 2011-07-08 | 2011-11-23 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
| CN102254174B (zh) * | 2011-07-08 | 2013-01-02 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
| CN107679542A (zh) * | 2017-09-27 | 2018-02-09 | 中央民族大学 | 一种双摄像头立体视觉识别方法及系统 |
| CN107679542B (zh) * | 2017-09-27 | 2020-08-11 | 中央民族大学 | 一种双摄像头立体视觉识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1202495C (zh) | 2005-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103620622B (zh) | 用于从航拍图像中去除伪影的方法和设备 | |
| CN111625608B (zh) | 一种基于gan模型根据遥感影像生成电子地图的方法、系统 | |
| US8411905B2 (en) | Generating agricultural information products using remote sensing | |
| Yuan et al. | Mapping impervious surface area using high resolution imagery: A comparison of object-based and per pixel classification | |
| Congalton | Remote sensing: an overview | |
| CN102063710A (zh) | 一种遥感图像融合增强的实现方法 | |
| van Son et al. | Multiple parallel ordinations: the importance of choice of ordination method and weighting of species abundance data | |
| CN106023081A (zh) | 二维图片的马赛克处理方法 | |
| Bajjouk et al. | Quantification of subpixel cover fractions using principal component analysis and a linear programming method: application to the coastal zone of Roscoff (France) | |
| Zhu et al. | Global forest cover mapping for the United Nations Food and Agriculture Organization forest resources assessment 2000 program | |
| CN1202495C (zh) | 主题制图仪图像信息提取与黑白图像和彩色图像的生成 | |
| Artemeva et al. | Using remote sensing data to create maps of vegetation and relief for natural resource management of a large administrative region | |
| Scarpace et al. | Wetland mapping from digitized aerial photography | |
| CN117115669B (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 | |
| Roelfsema et al. | Evaluating eight field and remote sensing approaches for mapping the benthos of three different coral reef environments in Fiji | |
| CN102945546A (zh) | 一种高光谱图像稀疏表示的可视化方法 | |
| Hu et al. | A spatial constraint and deep learning based hyperspectral image super-resolution method | |
| Kiyoki et al. | A global & environmental coral analysis system with spa-based semantic computing for integrating and visualizing ocean-phenomena with “5-dimensional world-map” | |
| Hansen et al. | The MODIS 500 meter global vegetation continuous field products | |
| Fontanel et al. | Enhancement of Landsat imagery by combination of multispectral classification and principal component analysis | |
| Ji et al. | Subpixel measurement of mangrove canopy closure via spectral mixture analysis | |
| Andrefouet et al. | Habitat mapping for conservation planning in Baa Atoll, Republic of Maldives | |
| Adeli et al. | The importance of seasonal textural features for object-based classification of wetlands: New York state case study | |
| Cao et al. | An object-oriented approach to map wetland vegetation: a case study of yellow river delta | |
| El Abbadi et al. | Gray Image Colorization Based on General Singular Value Decomposition and YCbCr Color Space |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C19 | Lapse of patent right due to non-payment of the annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |