遙感圖像處理
遙感圖像處理是指對遙感探測所獲取的圖像或資料進行的各種技術處理。處理的目的是使遙感圖像或資料更加適用於實際應用。圖像處理中，輸入的是質量較低的圖像，輸出的是改善質量後的圖像。主要是對原始圖像復原的恢復處理和為使圖像更加清晰，目標地物更為突出明顯，便於信息提取和識別的圖像增強處理以及進行自動識別和信息提取的分類處理。從處理方法上，主要有光學處理和計算機數字圖像處理。原始圖像復原的恢復處理壹般由衛星地面站完成，而在現有的條件下自動識別往往並不十分理想，所以這裏的遙感圖像處理主要是指圖像增強處理和信息提取處理。
遙感圖像處理的首要任務是對遙感數據的選擇及其時相選擇，因為遙感數據及其時相往往對影像的判別產生直接的影響；其次是根據任務和目標進行波段組合的優化選擇；最後是確定遙感圖像處理和信息提取方法，方法選擇得當，就可以少走彎路或不走彎路，方法選擇不當，信息提取就如同大海撈針壹樣難。
本次遙感圖像處理的軟件主要運用了加拿大PCI公司開發的用於圖像處理、幾何制圖、GIS、雷達數據分析以及資源管理和環境監測的多功能軟件系統PCI和自主開發的TM找礦弱信息提取系統等軟件。
本節主要針對項目工作區範圍的遙感影像的計算機數字圖像增強處理的基本原理和方法作簡要介紹，不對遙感圖像預處理（系統誤差校正、大氣校正、幾何圖像校正）進行說明。
7.1.1 TM遙感圖像的選取
由於陸地資源衛星TM信息源在資源綜合調查中，具有明顯的技術與經濟優勢。表現在進行各種處理（數字、光學）潛力大，波段組合能力強，成圖幾何精度和分類幾何精度高，地學綜合信息豐富，價格適中，所以就性能價格比而言，以TM遙感信息源為優。同時也對部分區域的SPOT（10 m、5 m）圖像進行了處理分析。
本地區的氣候是屬於暖溫帶大陸性季風型，壹年中四季變化比較明顯，夏季植被覆蓋率較高，不利於對礦產地質綜合信息的研究，同時植被覆蓋率高也不利於對遙感圖像的計算機處理和信息提取。因此，對本研究工作來說，首先要避開夏季，其次要考慮地面裸露程度及與遙感圖像時相的壹致性，壹般應選擇在4月或10月，因為這時植被剛剛出露或者已經枯萎，4月份山區作物種類較單調，甚至還沒有作物萌芽，而10月份秋季作物已經收割，植被多已枯萎，地面覆蓋相對較低，為此我們選擇了1998年4月和2000年10月的影像資料作為本次圖像處理的重點。
7.1.2 遙感（RS）圖像處理的過程分析
遙感數字圖像處理的過程就是幾何、輻射校正、信息定量化、信息復合、圖像增強、信息特征提取、圖像分類等壹系列圖像處理和分析技術研究，為各類型區的遙感綜合調查提供優質圖像的過程。
數字遙感圖像處理的壹般過程為：
創新思維與找礦實踐
遙感圖像預處理包括了遙感圖像輻射校正和幾何校正兩大部分。鑒於預處理是遙感圖像處理的公***部分，基於篇幅所限不再贅述。
7.1.3 遙感圖像增強處理方法研究和選擇
圖像增強是改善圖像視覺效果的處理。當分析遙感圖像時，為了使分析者能容易確切地識別圖像內容，必須按照分析目的對圖像數據進行加工，目的是提高圖像的可判讀性。圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中噪聲影響。
遙感圖像增強的實質就是把圖像灰度的微小差異，人為地予以擴大（或者賦予不同的色彩），目的在於提高人們對圖像的分析判斷能力。由於對其增強效果缺乏壹個統壹的評價標準，因此，須結合具體增強要求，選擇圖像增強的方法，並通過反復試驗、調整和觀察，達到滿意的增強效果。
雖然遙感圖像處理方法多種多樣，我們在工作中也試驗了多種方法，經過篩選和分析研究，結合本次工作實際情況，主要應用了以下幾種方法：
7.1.3.1 比值處理
比值處理采用高質量比值功能，使比值圖像得到拉伸，有效地消除了地形影響，使陰影區的結構得到顯示。處理出來的圖像色彩豐富，既保留了原有地貌特征，又突出了線環構造，為隱伏巖體和半隱伏巖體的研究提供了更為直觀可靠的資料，立體感得到增強，陰影區結構清楚。
同壹地區不同波段（兩個波段或幾個波段組合）對應像元亮度值相除，用所得新值構成壹幅比值增強圖像。目的是擴大相鄰兩個像元的差別，框圖如下：
創新思維與找礦實踐
在壹張比值圖像上，灰階中最黑和最白的色調代表兩個多光譜波段間光譜反射率的最大差異值。最黑的色調代表比值的分母大於分子。反之，最白的色調代表分子大於分母。
基本比值：兩個波段的數值相比
公式中：a、b為調節參數；
設a=1，b=0
則每壹條斜線的斜率就是壹個亮度值。壹個點的比值相當於該點和原點的連線與水平軸夾角的正切（比值法的涵義如圖7-1）。
圖7-1 比值法涵義
作用：① 擴大不同地物亮度值的微小差別；② 消除地形影響（比如陰坡和陽坡的影響）；③ 識別和區分蝕變礦物。
下面是本次工作中主要運用的比值和目的：
TM3/1識別褐鐵礦化，在圖像上呈亮色調；赤鐵礦化，在圖像上呈暗色調。
TM5/4區分植被與無植被覆蓋的土壤和巖石，植被發育區呈暗色調。
區分不同種類的特征礦物：
TM5/4≥1.0雲母和黃鐵礦；
TM5/4≤1.0明礬石和石膏；
TM5/4≈1.0方解石和粘土礦；
TM7/4≥1.0雲母；
TM7/4≤1.0明礬石和石膏；
TM4/3，識別植被和褐鐵礦化巖石，植被發育區呈亮色調，褐鐵礦化巖石呈暗色調；
TM5/7，識別含羥基礦物、硫酸鹽和碳酸鹽巖的含水化合物，由於這些礦物在2.2（TM7）處的吸收谷，其TM5/7值很大，在圖像上呈亮色調。但植被的TM5/7值也很大，需要用其他方法加以區分。
比值可分為大於1和小於1兩大部分，反映波譜特征差別的強弱是不壹致的，即在大於1的部分反差較大，在小於1的部分反差很小，實際上是被壓縮了。在比值處理過程中，通過自主研發的TM弱信息提取系統的處理，在該系統中增加了壹個擬合放大的功能，可以根據需要進行不同比例的放大。基本上解決了比值結果有可能被壓縮這壹問題。
7.1.3.2 主成分分析處理
主成分分析（或稱為主組分變換，數學上稱之為K-L變換）是遙感圖像增強和信息提取中用得最多的線性變換，它是在統計基礎上的多維正交線性變換，是對原波段圖像進行波譜信息的線性投影變換。在盡可能不減少信息量的前提下，將原圖像的高維多光譜空間的像元亮度值投影到新的低維空間，減少特征空間維數，達到數據壓縮、提高信噪比、提取相關信息、降維處理和提取原圖像特征信息的目的，並能有效地提取影像信息。它可使原來多波段圖像經變換後提供出壹組不相關的圖像變量，最前面的主分量具有較大的方差，包含了原始影像的主要信息，所以要集中表達信息，突出圖像的某些細部特征，可采用主分量變換來完成。
對工作區的遙感圖像的6個波段TM1、TM2、TM3、TM4、TM5、TM7進行了主成分分析，以主成分分析後的第壹分量為基礎解譯圖像，參考其他分量圖像進行遙感解譯。
7.1.3.3 反差擴展（主要是線性拉伸）
反差擴展是壹種通過拉伸或擴展圖像的亮度數據分布，使之占滿整個動態範圍（0～255），以達到擴大地物之間亮度差異，分出更多亮度等級的壹種處理技術。
例如：原始的壹幅TM圖像，亮度範圍集中在10～100範圍內，我們可以將其擴展到0～255，擴大了相鄰亮度值之間的差別，提高了分辨能力（但不能增加亮度等級）（圖7-2）。
圖7-2 線性增強前後對比
反差擴展的原理是：在反差擴展中，輸出的像元值y，是輸入的像元值x的函數：y=f（x）0＜y＜255
這個函數可以是線性的，也可是非線性的。本次主要應用的是普通線性擴展。如果用直線方程來擴展圖像，就是y=f（x）
斜率=45°，即y=x，無變化；
斜率＜45°，如 y=1/2x，壓縮；
斜率>45°，如 y=2x，擴展。
創新思維與找礦實踐
dmin，dmax分別代表輸入的最小和最大值。
①原來圖像的最小和最大值。
②人為規定最小和最大值。
此時，
這就是說把區間〔a，b〕以外的像元值分別壓縮為0及255。
③給定要舍掉的像元數百分比，小於此百分數的值均舍去，由程序來確定dmax和dmin。
反差處理貫穿於整個圖像處理過程。根據實際情況對不同的處理結果均進行了反差處理（主要是普通線性拉伸處理）。
7.1.3.4 反色（又稱為反相）處理
反色就是形成底片效果。反色有時是很有用的。反色的實際含義是將R、G、B值反轉。若顏色的量化級別是256，則新圖中的R、G、B值為255減去原圖的R、G、B值。這裏針對的是所有圖，包括真彩圖、帶調色板的彩色圖（又稱為偽彩色圖）和灰度圖。
本次反色處理主要是針對主成分分析的幾個分量進行的。主成分分析結果仍然是灰度圖，而灰度圖又是壹種特殊的偽彩色圖，只不過調色板中的R、G、B值都是壹樣的。由於位圖中的數據只是對應調色板中的壹個索引值，所以只需要將調色板中的顏色反轉，形成新調色板，而位圖數據不用動，就能夠實現反轉。由於主成分分析結果的6個分量中，每個分量圖像如果不進行反差處理（主要是線性拉伸），圖像均較暗，根據處理後的結果顯示，水體為黑色，其灰度值大約在0～20，而山體的灰度值多在50～100之間，盡管對其進行了拉伸處理，仍不理想。為了比較準確地區分圖像，提高判讀解譯的準確性，降低解譯時間消耗，所以對反差處理後的結果又進行了反色處理。
7.1.4 信息提取處理
信息提取主要是針對影像的光譜特征、空間（幾何）特征和紋理特征的提取，它是圖像增強處理後的對圖像的繼續處理。
（1）光譜特征：可提取顏色或灰度或波段間的亮度比等目標物的光譜特征，例如Landsat7有7個波段，根據某類地物的光譜特征，采用特定的比值可將其突出出來。
（2）空間（幾何）特征：把目標物的形狀、大小、或者邊緣，線性構造等幾何性特征提取出來，例如把區域斷層明顯突出出來。
（3）紋理特征：是指周期性圖案及區域均勻性等有關紋理的特征。根據構成圖案的要素形狀、分布密度、方向性等紋理進行圖像特征提取的處理叫做紋理分析。
本次工作區的遙感影像信息特征提取主要是在PCI軟件、TM弱信息提取系統（自主開發）等軟件中進行初步工作，最後通過目視解譯和計算機自動解譯相結合來完成的。