遥感影像的处理效果

通过对获取的研究区遥感图像进行几何精校正、遥感图像的降噪处理、遥感图像的增强处理、遥感图像的彩色合成、遥感图像的边缘增强等技术处理，获得以下应用效果。

（1）小波变换图像噪声处理结果

运用小波变换对遥感图像噪声处理，用以上算法对研究区遥感图像进行消噪处理。按文中方法处理效果如下图3-17所示：

图3-17 遥感图像去噪前后的对比

图像像元标准差的大小说明了图像所含信息量的大小。由图表信息可看出小波变换处理后图像的像元标准差均大于原图像的值，而图像像元均值则降低了，说明小波变换对于遥感图像的降噪有很明显的处理效果，即能在降噪的同时最大化地保留图像的原始信息。如表3-15所示。经过消噪后的光谱数据能更真实地反映出地物的光谱特征，有利于提高分析结果的可靠性。

表3-15 遥感图像在小波变换去噪前后的效果比较

采用一系列技术改善图像的视觉效果，提高图像的清晰度、对比度，突出所需信息的工作称之为图像增强。从数学意义上理解，任何图像的增强处理都是对图像特征施行某种变换。

遥感图像能为视觉感受且可作为参数描述的特征是灰度、颜色、纹理和形状等。增强就是根据图像数据的这些特征参数，结合显示介质和人的视觉系统特点，选择某种从原始图像到增强图像的变换。

遥感图像增强处理技术根据处理空间的不同，可分为基于图像空间的空域方法和基于图像变换的频域方法两大类。空域增强处理主要是在灰度上做文章。每次对单个像元进行灰度增强处理称为点处理；对一个像元周围的小区域子图像进行处理，称为邻域处理或模板处理。此外，根据图像处理的范围又可将增强处理技术分为全局（整幅图像）处理和局部（部分图像）处理两种。后来，随着彩色图像的广泛应用，发展了许多针对彩色图像的增强处理方法，故又有灰度图像和彩色图像增强之分。总之，可采用的增强处理方法和算法很多，运用中应因地制宜地选取合适的增强方法。我们在遥感图像的增强处理中主要运用了彩色合成和图像的边缘增强两种技术手段。

（2）遥感图像的彩色合成结果

彩色合成（图3-18）是图像彩色增强应用最为广泛的一种处理技术，随着多光谱遥感和多源数据融合技术的发展，日益显示出其巨大的应用价值。本次研究中我们着重应用了彩色合成图像增强手段。

图3-18 多光谱遥感图像彩色合成原理示意图

（据J.V.Taranik，1988）

地面站经系统处理得出的原始图像产品都是反映灰度差异的黑白图像。众所周知，人眼识别和区分灰度差异的能力是很有限的，一般只能区分二三十级，而识别和区分色彩的能力却大得多，可达数百种甚至上千种，两者相差甚远。显然，如把黑白图像的灰度差异转变为色彩差异，就可大大提高遥感图像的目视分析解译性能，所以彩色增强成为遥感图像应用处理的又一关键技术，应用十分广泛。

ETM⁺数据不同波段的组合可以放大不同的地面信息，其常见的波段组合及用途如表3-16。

表3-16 ETM⁺不同波段组合的特点及其主要用途

有表3-16可知ETM⁺741、457波段组合明显用于地质研究，在此次研究中我们也广泛采取了这两种彩色合成图。

以康恩纳德斑岩铜矿点ETM⁺遥感影像为例说明其运用效果。其中图3-19（a）为ETM⁺第一波段；图3-19（b）为ETM⁺第四波段；图3-19（c）为ETM⁺第七波段；图3-19（d）为ETM⁺741波段的彩色合成图，RGB分别为741波段。显然合成的彩色影像更能清晰的反映出矿点周围的构造环境，也可获取更多的关于矿点的信息，充分利用了遥感影像多波段的特征。当然不同波段的合成能反映出不同的信息。整个彩色合成过程是在ERDAS IMAGINE9.0环境下进行的。

图3-19 康恩纳德矿点ETM⁺遥感影像彩色合成图

（a）ETM⁺第七段遥感影像图；（b）ETM⁺第四段遥感影像图；（c）ETM⁺第一段遥感影像图；（d）ETM⁺（RGB为741）彩色合成遥感影像图

（3）图像边缘的遥感宏观影像特征及处理结果

遥感图像的边缘常表现为线性（Lineament）与环形（Circular）特征。在遥感图像上，多是以色调、图形特征、水系展布、地貌形态等得到显示的。前者为平直或微弯形的线形条带形迹，后者为圆形.半圆形、椭圆形等环状条带形迹。它们常具有以下识别标志：

①色调与形态

色调与形态包括色调线、色调带、色调界面等线、环形影像特征，是鉴别线性、环形边缘的首要标志。褶皱带中地层岩性的差异，可清楚地反映出褶皱构造展布的方向。断裂构造两侧地质体、地貌体或地质现象的差异，造成其电磁波辐射的差异，从而形成不同的影像色调与形态。在很多情况下，由于断裂带本身组成物质与含水性等方面与周围地层的明显差异，使断裂线的形迹在遥感图像上更加突出，易于辨识，因而遥感图像上往往可以寻找出不少地面调查所未能发现的新的线性构造。

②地貌特征

遥感图像上线形形迹的地貌标志有两类：一是断层三角面、断层崖、山脊线的错动等构造地貌标志；二是许多微地貌呈线性排列而成线形负地形。

③水系特征

水系类型、水系密度、切割深度、平面形态及流动方向等，均受到岩性、构造等地质因素的密切控制，特别是平面形态和摆动方向，更是直接地、灵敏地反映了地壳运动的特点。如河流平面形态变化为“S”、反“L”、反“z”型，指示断层为左旋平移性质（反扭），河流平面形态变化为反“S”、“L’、“Z”型，指示断层为右旋平移性质（顺扭）；放射状、环状水系指示穹状构造或岩体侵入的可能；格状水系则暗示隐伏的两组直交断层存在的可能。

④活动特征点的线状展布

侵入岩体、火山口、河道特征点（汇流点、分流点、拐点、河道展宽或变窄点、曲流段和直线段的起止点等）、泉水出露点、地下潜水溢出带、冲洪积扇顶点、湖岸线、海岸线、岛屿等呈线状展布以及山系、平原、盆地等地貌单元的线性边界、湖泊的串珠状分布等，均指示了线性构造形迹穿过。

遥感影像线形体提取研究是高新探测技术与地球科学的有机结合，是有关断裂构造常规研究方法的有益补充和向纵深拓展的必然趋势。本次研究中，基于Canny算法的计算机自动边缘检测技术的实现是在MATLAB7.0环境下实现的，其语法格式为：

［ g，t］=edge（f，’canny’，T，sign）

其中T为一阈值向量（对T1、T2的厘定），sigma是平滑滤波器的标准差。处理前后的对比图如图3-20所示。

图3-20 预处理后图像与提取边缘图像的对比

（a）为预处理后的图像；（b）为边缘提取后的图像

由图3-20可知，计算机自动提取的边缘信息学包括道路、河流、山脊等一系列伪地质边界，我们将其统称为线形体。线性体直接反映着地表的线状信息，由于一部分线性体的发育与展布受到深部构造的控制与影响，线性体能够间接地反映来自地壳深部的信息。

我们对研究区遥感影像线形体提取图进行密度分析（见图3-21），发现包古图Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ号岩体周围线形体等密度图呈明显环形展布，这主要因为小岩体周围小断层、节理比较发育，故线形体信息比较多，环形构造比较明显，尤其以包古图 Ⅰ号岩体最为显著，这主要是因为Ⅰ号岩体出露面积较大，附近断层比较发育。另外，图3-21中左上角明显发育一条高线形体密度带，根据遥感影像和相关地质资料可以判定其为达拉布特大断裂。由图3-21可知研究区发育一条一级断裂，NE走向；一级断层两旁不对称发育多条二级、三级断裂；一级断裂南东方向出露至少5个岩体。

根据计算机自动提取的边缘信息，人工根据ETM⁺遥感影像的色调与形态、地貌特征、水系特征、活动特征点的线状展布等方面判断边缘是否为地质边界，从而对伪地质边界进行剔除，得出研究区内主要地层的岩性边界。再结合研究区遥感影像线形体等密度图所表达的区域地质概况，根据已有地质资料得出研究区的遥感地质解译图（见图3-22）。在岩性识别方面，采用ETM⁺遥感影像岩性识别技术和野外勘查相结合的面、点相结合的技术进行岩性识别。

图3-21 研究区遥感影像线形体等密度图

（彩图见书后图版）

图3-22 研究区遥感地质解译略图

Q—第四系；P—二叠系；C₁b—下石炭统包古图组；C₁t—下石炭统太勒古拉组；C₁x—下石炭统希贝库拉斯组

基于Canny算法的边缘检测技术，通过在中亚包古图地区的试验可知，对经过针对性预处理后的遥感影像进行该方法的线形体信息提取是成功的（见图3-20b）；通过对线形体的统计特征分析即线形体等密度分析，可以识别出研究区内的一级断裂-达拉布特大断裂的大体位置及走向；对线形体的等密度图分析可知研究区内发育有较多环形构造，岩株发育显著；得出研究区内主要地层边界位置。最后结合已知地质资料，采用遥感岩性识别技术得出研究区内的遥感地质解译图，加深了我们对研究区地质情况的进一步认识，为下一步地质工作奠定了基础。

但无论哪一种边缘检测算法在解决一定问题的同时都存在不同类型的缺陷。边缘检测作为视觉的初级阶段通常被认为是一个非良态问题，很难从根本上解决。因而，寻求算法简单、能较好解决边缘检测精度与抗噪性能协调问题的边缘检测算法成为首选。本文所提出的方法也仅仅是在该领域进行一点探索性研究，还有许多不足之处。比如伪地质边界的剔除处理，带有很大的主观臆断。这些都需要今后对其进行进一步的完善。