遥感图像

③锐化增强处理(Crisp Enhancement ) 锐化增强处理(Crisp 点击Interpreter图标一Spatial Enhancement—Crisp,打开Crisp 对话框.
锐化增强处理实质上是通过对图像进行卷积滤波处理,其专题内容发生 变化,从而达到图像增强的目的.使整景图像的亮度得到增强的目的,根据 其底层的处理过程,又可以分为两种方法:(1)根据您定义的矩阵(Custom Matrix )直接对图像进行卷积处理(空间模型:Crisp-greyscale.gmd),(2) 是首先对图像进行主成份变换,并对第一主成份进行卷积滤波,然后再进行 主成份逆变换(空间模型为:Crip-Minmax.gmd).
辐射增强处理(Radiometric Enhancement)
①直方图均衡化(Histogram Equalization):点击Interpreter 图标 一Radiometric Enhancement一Histogram Equalization,打开Histogram Equalization对话框.
�
实习三 遥感图像增强
滁州学院国土信息工程系
(1)背景知识
在获取图像的过程中,由于多种因素的影响,导致图像质量 多少会有所退化.图像增强的目的在于:(1)采用一系列技术改 善图像的视觉效果,提高图像的清晰度;(2)将图像转换成一种 更适合于人或机器进行分析处理的形式.通过处理设法有选择地 突出便于人或机器分析某些感兴趣的信息,抑制一些无用的信息, 以提高图像的使用价值. 增强的方法往往具有针对性,增强的结果只是靠人的主观感 觉加以评价.因此,图像增强方法只能有选择地使用. 图像增强方法从增强的作用域出发,可分为空间域增强和频 率域增强两种.空间域增强是直接对图像像素灰度进行操作;频 率域增强是对图像经傅立叶变换后的频谱成分进行操作,然后经 傅立叶逆变换获得所需结果.
直方图匹配是对图像查找表进行数学变换,使一幅图像的直方图与另一 幅图像类似.直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行 动态变化研究的预处理工作,通过直图像的效果差异.
空间增强处理(Spatial Enhancement) 空间增强处理(Spatial
①主成份变换(Principal Components) 主成份变换(Principal 点击Interpreter图标一Spectral Enhancement一Principal Components,打开Principal Components对话框.
主成份变换(PCA. Principal Component Analysis)是一种常用的数据 压缩方法,它可以将具有相关性的多波段数据压缩到完全独立的较少的 几个波段上,使图像数据更易于解译.ERDAS IMAGINE提供的主成份变 换功能最多可以对含有256个波段的图像进行转换压缩.
②自适应滤波(Adaptive Filter) 点击Interpreter图标一Spatial Enhancement,Adaptive Filter, 打开Wailis Adaptive Filter对话框.
自适应滤波是应 用Wallis Adapter Filter方法对图像的 感兴趣区域(AOI)进行 对比度拉伸处理,从 而达到图像增强的目 的.操作过程比较简 单,关键是移动窗口 范围(Moving Window Size)和乘积倍数大小 (Multiplier)的定义.
④分辩率融合(Resolution Merge) 分辩率融合(Resolution 点击Interpreter图标一Spatial Enhancement—Resolution Merge,打开Resolution Merge对话框. 确定高分辨率输入文件(High Resolution Input File): spots.img 确定多光谱输入文件(Muitispectral Input File): dmtm.img
直方图均衡化实质 上是对图像进行非线性 拉伸,重新分配图像像 元值,使一定灰度范围 内像元的数量大致相等; 这样,原来直方图中间 的峰顶部分对比度得到 增强,而两侧的谷底部 分对比度降低,输出图 像的直方图是一较平的 分段直方图,如果输出 数据分段值较小的话, 会产生粗略分类的视觉 效果.
②直方图匹配(Histogram Match) 点击Interpreter图标一Radiometric Enhancement 一 Histogram Match,打开Histogram Matching对话框.
), ②缨帽变换(Tasseled Cap ),K-T变换 缨帽变换(Tasseled 点击Interpreter图标一Spectral Enhancement一Tasseled Cap.
缨帽变换是针对植物学家所关心的植被图像特征,在植被研究中将原始图像数 据结构轴进行旋转,优化图像数据显示效果.该变换的基本思想是:多波段(N波段) 图像可以看作是N维空间(N-dimensional Space),每一个像元都是N维空间中的一 个点,其位置取决于像元在各个波段上的数值.研究表明,植被信息可以通过三个 数据轴.(亮度轴,绿度轴,湿度轴)来确定,而这三个轴的信息可以通过简单的线 性计算和数据空间旋转获得,当然还需要定义相关的转换系数.同时,这种旋转与 传感器有关,因而还需要确定传感器类型.
分辩率融合是对不同空间分辨率遥感图像的融合处理,使融合后的遥感图像 既具有较好的空间分辨率,又具有多光谱特征,从而达到图像增强的目的.操 作过程比较简单,关键是融合前两幅图像的配准(Rectification)以及融合过程中 融合方法(Method)的选择.
光谱增强处理(Spectral 光谱增强处理(Spectral Enhancement)
①卷积增强处理(Convolution) 点击Interpreter图标一Spatial Enhancement Convolution,打 开Convolution对话框.
卷积增强是将整个图像按照像元分块进行平均处理,用于改变图像的空间 频率特征.卷积增强处理的关键是卷积算子——系数矩阵的选择,该系数矩阵 又称为卷积核(Kernal).ERDAS IMAGINE将常用的卷积算子放在一个名为 defatilt.kfb的文件中,分为3×3,5×5,7×7三组,每组又包括"Edge Detect / Edge Enhance / Low Pass / High Pass / Horizontal / Vertical/Summary"等七种不同的处理方式.