遥感图象处理II(图像增强)
实习二 遥感图像预处理——图像增强
针对不同的图像，选择多种增强方法，体会各种方法的不同效果。要求提交增强前后的影像和直方图， 并对影像变化做文字说明。
五 思考题
1. 图像显示效果与直方图之间的对应关系。 2. 图像增强的目的是什么？ 3. ERDAS 软件中 breakpoint Editor 的作用是什么？其中的 Gray Lookup Table 的作用是什么？ 4. ERDAS 软件在 View 视图中打开影像文件时，影像的亮度是否是原始影像的亮度？为什么？
实习二 遥感图像预处理——图像增强
一 实习目的
1）掌握直方图的概念、生成方法，通过对不同图像直方图的比较，理解直方图所反映的图像性质； 2）了解图像增强和滤波的多种方法，掌握直方图均衡、方差调整、线性拉伸、亮度/反差调整、密度 分割、分段拉伸的方法； 3）通过图像增强和滤波多种方法的实习，掌握改善遥感图像视觉效果的有效方法； 4) 掌握 ERDAS 软件中 breakpoint Editor 和 Gray Lookup Table 的作用0.tif—B70.tif
三 实习内容
1. 直方图显示 在 ERDAS 图标面板采单条单击 Tools | Image Information|Histgram 命令。 2. 直方图均衡 在 Viewer 中，单击 Raster | Contrast|Histgram Equalize 命令。 3. 方差调整 在 Viewer 中，单击 Raster | Contrast|General Contrast 命令，打开 Contrast Adjust 对话 框，在 Method 中选 Standard Deviations。了解不同的方差数值对改变图像效果的影响。 4. 线性拉伸 在 Viewer 中，单击 Raster | Contrast|General Contrast 命令，打开 Contrast Adjust 对话 框，在 Method 中选 Linear。 5. 亮度/反差调整 在 Viewer 中，单击 Raster | Brightness/Contrast 命令。 6. 密度分割 在 Viewer 中，单击 Raster | Contrast|General Contrast 命令，打开 Contrast Adjust 对话 框，在 Method 中选 Level Slice。 7. 分段拉伸 在 Viewer 中，单击 Raster | Contrast|Piecewise Contrast 命令。 8. breakpoints 及 Lookup Table 的作用 在 Viewer 中，单击 Raster | Contrast| Breakpoint 命令，打 开 Breakpoint Editor 对话框，体会 ERDAS 软件中 Lookup Table 的作用。
第五章 遥感图像处理—图像增强
特征；其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
其中：
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
（1）指数变换
xb be
（2）对数变换
axa
c
xb b度进行分层，每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行：
（1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中 n为需分割的层数；
（4）求各层的密度区间；
（5）定出各密度层灰度值或颜色。
减法运算可以增加不同地物间光谱反射率以及在 两个波段上变化趋势相反时的反差。不同时相同 一波段图像相减时，可以提取波段间的变化信息。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 段图像相加可以得到近似全色图像；而绿色波 段，红色波段和红外波段图像相加可以得到全 色红外图像。
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
遥感图像处理的图像增强和特征提取方法
遥感图像处理的图像增强和特征提取方法遥感图像处理是利用遥感技术获取和处理地球表面信息的一种方法。
在遥感图像处理中，图像增强和特征提取是两个重要的步骤。
本文将探讨遥感图像处理的图像增强和特征提取方法，并介绍其在实际应用中的重要性和挑战。
一、图像增强方法图像增强是通过改善遥感图像的质量和清晰度来提取更多有用信息的过程。
在遥感图像处理中，常用的图像增强方法包括直方图均衡化、滤波和增强算法等。
1. 直方图均衡化直方图均衡化是一种通过调整图像的亮度分布来增强图像对比度的方法。
它通过将图像的亮度值映射到一个更均匀分布的直方图来使图像的细节更加清晰。
直方图均衡化能够有效地提高图像的视觉质量，但在某些情况下可能会导致过度增强和失真。
2. 滤波滤波是一种通过去除图像中的噪声和不必要的细节来改善图像质量的方法。
在遥感图像处理中，常用的滤波方法包括中值滤波、高斯滤波和小波变换等。
这些滤波方法能够有效地降低图像的噪声和模糊度，提高图像的清晰度和边缘保持能力。
3. 增强算法增强算法是一种通过对图像进行像素级别的调整和处理来增强图像质量的方法。
常用的增强算法包括灰度拉伸、对比度增强和边缘增强等。
这些算法能够根据图像的特点和需求来调整图像的亮度、对比度和细节等，从而提高图像的视觉效果和信息提取能力。
二、特征提取方法特征提取是通过从遥感图像中提取和表示有用的信息和模式来分析和识别图像内容的过程。
在遥感图像处理中，常用的特征提取方法包括纹理特征提取、频谱特征提取和形状特征提取等。
1. 纹理特征提取纹理特征提取是一种通过分析图像中的纹理信息来描述和表示图像内容的方法。
常用的纹理特征提取方法包括灰度共生矩阵、小波变换和局部二值模式等。
这些方法能够有效地提取图像中的纹理细节和结构特征，用于图像分类、目标检测和地物识别等应用。
2. 频谱特征提取频谱特征提取是一种通过分析图像的频域信息来描述和表示图像内容的方法。
常用的频谱特征提取方法包括傅里叶变换、小波变换和高斯金字塔等。
第四章3遥感图像处理图像增强
5.遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
② 就变换后的新波段主分量而言，K—L变换后的 新波段主分量包括的信息量不同，呈逐渐减少趋 势。其中，第一主分量集中了最大的信息量，常 常占80％以上，第二、第三主分量的信息量依次 快速递减，到第n分量信息几乎为0。由于K—L变 换对不相关的噪声没有影响，所以信息减少时， 便突出了噪声，最后的分量几乎全是噪声。所以 这种变换又可分离出噪声。
基于上述特点，在遥感数据处理时，常常用K— L变换作数据分析前的预处理（数据压缩和图像增
强）。举例P125
6.遥感图像多光谱变换(Ⅱ)——缨帽变换(K—T变换)
(1)K—T变换是Kauth—Thomas变换的简称，这种变换也是 一种线性组合变换，其变换公式为：Y=BX 这里X为变换前的多光谱空间的像元矢量，y为变换后的 新坐标空间的像元矢量，B为变换矩阵。这也是一种坐标 空间发生旋转的线性变换，但旋转后的坐标轴不是指向主 成分方向，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K—T变换时的B值： P126 在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分 辨率的热红外(第6波段)波段不予考虑。
1.遥感图像增强(工)——对比度变化1
非线性变换
直方图均衡化(histogram equalization):把原图像的直方 图变换为灰度值频率固定的直方图，使变换后的亮度级 分布均匀，图像中等亮度区的对比度得到扩展，相应原 图像中两端亮度区的对比度相对压缩。
1.遥感图像增强(工)——对比度变化1
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果放在窗口中心的像元位置，成为新像元的灰度 值。然后活动窗口向右移动一个像元，再做同样的运算。 P117说明
遥感第六章遥感图像处理图像增强
锐化
–拉普拉斯算法 有时，也用原图像的值减去模板运算结果的 整倍数，即：
r' (i, j) f (i, j) kr(i, j)
r(i,j)为拉普拉斯运算结果。 这样的计算结果保留了原图像作为背景，边 缘之处加大了对比度，更突出了边界位置。
锐化
–定向检测
当有目的地检测某一方向的边、线或纹理特征时，
–罗伯特梯度
锐化
t1＝
10 0 －1
可以近似地用模板计算，其公式表示为
| gradf || f (i, j) f (i 1, j 1) |
| f (i 1, j) f (i, j 1) |
t2＝
0 －1 10
相当于取窗口2×2大小，用模板t1作卷积计算后取绝对值 加上模板t2计算后的绝对值。计算出的梯度值放在左上角 的像元f（i，j）的位置，成为r（i，j）。这种算法的意
义在于用交叉的方法检测出像元与其邻域在上下之间或左
右之间或斜方向之间的差异，最终产生一个梯度影像，达
到提取边缘信息的目的。有时为了突出主要边缘，需要将
图像的其他亮度差异部分模糊掉，故采用设定正阈值的方
法，只保留较大的梯度值来改善锐化后的效果。
锐化
–索伯尔梯度 是罗伯特梯度方法的改进，模板变为
121 t1＝ 0 0 0
1 3
xa
② xb 2xa 10
③
xb
3 4
xa
15 4
变化前亮度值 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
变化后亮度值 0 0 1 1 1 2 2 4 6 8 10 12 13 14 14 15
非线性变换
当变换函数是非线性时，即为非线性变 换。非线性变换的函数很多，常用的有 指数变换和对数变换。
实验2：遥感图像的增强处理实验指导
实验2：遥感图像的增强处理实验指导实验目的：通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。
实验内容：卷积增强处理；锐化增强处理；直方图均衡化；主成分变换。
1、直方图均衡化（Histogram Equalization）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，是一定灰度范围内的像元数量大致相同。
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。
图6-1直方图均衡化在ERDAS图标面板菜单条：单击单击Main | Image Interpreter｜Radiometric Enhancement | Histogram Equalization 命令，打开Histogram Equalization对话框（图6-1）。
也可以在ERDAS图标面板工具条：单击单击Interpreter图标｜Radiometric Enhancement | Histogram Equalization 命令，打开HistogramEqualization对话框（图6-1）。
Histogram Equalization对话框中，需要设置下列参数：（1）确定输入文件为Lanier.img。
（提示：所有练习示例文件均在C:\Program Files\Imagine\Examples文件夹下，以下同）（2）定义输出文件为equalization.img。
（提示：一定要记住输出文件的位置，可自定义文件名）（3）文件坐标类型为Map，其它默认设置。
（4）单击OK按钮，执行处理。
注意：认真对比直方图均衡化前后的图像差别，仔细观察直方图均衡化的效果，具体方法如下，（以下所有实验观察处理效果的方法均相同）。
1、可以打开两个视窗（Viewer1/Viewer2），在两个视窗中分别打开处理前Lanier.img和处理后equalization.img两幅图像，观察效果。
第四章 遥感图像处理—数字图像增强
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、比值运算 两幅同样行、列数的图像，对应像元的亮度值相除 (除数不为0)就是比值运算，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
第四章 遥感图像处理—图像增强
反映土壤的湿度特征；其余三个分量与地物特征没有明确的
对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
成图像的过程。
不同的遥感数据具有不同的空间分辨率、波谱分辨率和 时相分辨率，如果能将它们各自的优势综合起来，可以 弥补单一图像上信息的不足，这样不仅扩大了各自信息 的应用范围，而且大大提高了遥感影像分析的精度。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 段图像相加可以得到近似全色图像；而绿色波 段，红色波段和红外波段图像相加可以得到全 色红外图像。
【TM（1+2+3+4+5+7）/ 6】的加法影像
Ｋ--Ｌ变换应用： (1) 数据压缩：去相关，主成分中第一主分量或前两个或前 三个主分量已包含该幅图像中的绝大多数地物信息。 (2)图像增强：前几个主分量信息多且信噪比大，噪声少， 最后分量几乎全是噪声，去掉最后分量可达到去噪目的。
Ｋ—T 变换( 缨帽变换 )
该变换也是一种坐标空间发生旋转的线性变换，不同的 是变换后的坐标轴不是指向主成分方向，而是指向与地面景 物有密切关系的方向，特别是与植物生长过程和土壤有关。 这种变换既可以实现信息压缩，又可以帮助解译分析农业特
（三）乘法运算 B=[ I ]1/m i=1
m
（四）比值运算
Ｂ＝Ｂx／Ｂy
比值运算能压抑因地形坡度和方向引起的辐射量变化，消
除地形起伏的影响；也可以增强某些地物之间的反差。
遥感图像处理_图像增强
sk舍入 1/7 3/7 5/7 6/7 6/7 1 1 1
直方图均衡化
3. 重新命名sk，归并相同灰度级的象素数。
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图均衡化 灰度动态范围扩展
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图匹配
修改一幅图象的直方图，使得它与另一幅图象的 直方图匹配或具有一种预先规定的函数形状。
非线性亮度变换 指数效应
© 中国科学院遥感应用研究所
直方图调整法-直方图
直方图:表示数字图象中的每一灰度级与其出现的频率(该灰 度级的象素数目)间的统计关系,用横坐标表示灰度 级, 纵坐标表示频数(也可用概率表示)。
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
实验二 遥感图像增强—对比度变化
实验二遥感图像增强—对比度变化
1.本次实验的目的和要求
1）认识遥感图像的基本结构，了解数字图像；
2）学习掌握图像直方图变化与图像亮度变化的关系；
3）掌握图像线性拉伸的方法和过程。
2.实验内容或原理
遥感图像可以表示为数字图像，即表示为f（x,y），它是以有序的数字反映地物或景观反射或发射电磁波的特性及其变化。
通过对数字图像的处理和分析，可判别出地物的属性及其分布。
图像增强的目的是改善图像显示的质量，以利于图像信息的提取和识别。
在方法上是通过突出重要信息，去除不重要或不必要信息来实现的。
可以通过增强数字图像的直方图，进行像元亮度值之间的数字运算或数字变换达到图像增强的目的。
3.需要的仪器或试剂等
电脑和CAI软件或photoshop。
4.实验步骤
操作实习CAI，进行图像拉伸
1）从实习CAI主界面进入“遥感图像处理”系统；
2）在菜单上选择处理>增强>拉伸，进入“拉伸”对话框；
3）单击关于本例按钮，阅读关于本操作的介绍；
4）单击操作模拟按钮，进入操作界面，双击界面中的输入图像框，输入图像名为B-Stren，双击输出图像框，输出图像名为A-Stren，选取线性拉伸类型，标题为“线性拉伸”，其他值保留为缺省值。
点击确定，得到图像A-Stren。
5.实验结果
请写出拉伸前后的不同点.。
遥感图像增强实验报告
遥感图像增强实验报告引言遥感技术在地球科学和环境科学领域有着广泛的应用，其中图像增强是遥感图像处理的重要环节之一。
图像增强旨在改善遥感图像的视觉效果，使得图像的细节更加清晰、对比度更加鲜明，以便更好地进行地表特征的识别和分析。
在本次实验中，我们将探讨常用的图像增强方法，并且使用实际遥感图像进行增强实验。
实验目的1. 了解遥感图像增强的基本概念和方法。
2. 掌握常见的图像增强方法的实施过程。
3. 分析和比较不同图像增强方法的效果，选择最适合的增强方法。
实验步骤1. 数据准备：选择一张遥感图像作为实验数据，确保图像分辨率适中、含有一定的地表特征。
2. 灰度拉伸：使用灰度拉伸方法增强图像的对比度。
首先计算图像的最小灰度值（Min）和最大灰度值（Max），然后通过线性变换将灰度值映射到0-255的范围内。
3. 直方图均衡化：利用直方图均衡化方法增强图像的细节。
首先计算图像的灰度直方图，然后按照直方图均衡化的公式对每个灰度值进行调整。
4. 自适应直方图均衡化：对比直方图均衡化方法，自适应直方图均衡化能够避免对整个图像进行均衡化，而是通过使用局部领域内的信息来进行均衡化。
5. 对比度增强：使用对比度增强方法增强图像的对比度。
可以通过调整图像的亮度、对比度和饱和度来实现。
6. 结果分析：根据实验结果分析不同图像增强方法的效果，选择最佳的增强方法。
实验结果与分析经过实验，我们得到了经过不同图像增强方法处理后的图像。
通过对比实验前后的图像，我们可以得出以下结论：1. 灰度拉伸方法能够有效增强图像的对比度，使得图像的亮度范围更广，细节更加清晰。
2. 直方图均衡化方法能够增强图像的细节，特别是在暗部和亮部细节的表现上有显著提升。
3. 自适应直方图均衡化方法相比于普通直方图均衡化方法在处理具有大范围对比度差异的遥感图像时效果更好，避免了过度增强和信息损失。
4. 对比度增强方法可以通过调整图像的亮度、对比度和饱和度来增强图像的视觉效果，但对于某些场景可能会导致图像过度增强或过度饱和。
遥感数据处理中的影像增强与图像去噪技术
遥感数据处理中的影像增强与图像去噪技术1. 引言遥感数据处理在现代科学技术和应用中具有重要意义。
作为一种获取地球表面信息的技术手段，遥感技术提供了大量的数据，但由于遥感图像受到地面和大气等多种因素的影响，常常存在图像质量不高、图像噪声明显等问题。
为了提高遥感图像的质量和可用性，需要运用影像增强和图像去噪技术对遥感数据进行处理。
本文将介绍遥感数据处理中的影像增强和图像去噪技术的原理和应用。
2. 影像增强技术影像增强技术是通过提取和增强影像中的有用信息，以改进图像的视觉质量和对目标的识别能力。
在遥感数据处理中，影像增强技术广泛应用于农业、环境、城市规划等领域。
常见的影像增强技术包括直方图均衡化、卷积滤波、小波变换等。
2.1 直方图均衡化直方图均衡化是一种常用的灰度级映射方法，旨在扩展图像的动态范围，增强图像中的细节信息。
该方法通过将原始图像的直方图拉伸到整个灰度范围上来实现增强效果。
直方图均衡化在提高图像对比度、减少噪声等方面具有显著的效果。
2.2 卷积滤波卷积滤波是通过把一个滤波器应用于图像中的每一个像素，用滤波器的加权和代替该像素，以达到图像增强的目的。
常见的卷积滤波器包括高斯滤波器、中值滤波器等。
高斯滤波器常用于去除图像中的高频噪声，而中值滤波器则适用于去除椒盐噪声。
2.3 小波变换小波变换是一种时频局部化分析方法，被广泛应用于图像增强和去噪。
小波变换能够将图像分解成不同频率和空间分辨率的子图像，便于分析和处理。
通过选择合适的小波基函数和分解尺度，可以实现图像的多尺度增强和去噪。
3. 图像去噪技术图像去噪技术旨在通过抑制或消除图像中的噪声，提高图像的质量和清晰度。
在遥感数据处理中，由于受到大气、传感器等外部因素的干扰，图像常常存在着不同程度的噪声。
常见的图像去噪技术包括小波去噪、基于局部图像统计的算法和基于偏最小二乘的算法。
3.1 小波去噪小波去噪是一种基于小波变换的图像去噪方法。
该方法通过将小波变换系数进行阈值处理，将噪声系数置零或降低到很小的程度，从而实现图像去噪的目的。
如何进行遥感影像增强与处理
如何进行遥感影像增强与处理遥感影像是通过航空或卫星等方式获取的地球表面的图像数据。
由于拍摄条件、设备性能以及环境因素的限制，遥感影像常常存在一些问题，如图像模糊、噪声干扰等。
为了提高遥感影像的质量和准确性，需要进行增强和处理。
本文将介绍如何进行遥感影像增强与处理的方法和技巧。
一、图像增强的目的和方法图像增强是指通过一系列的处理方法，改善图像的视觉效果和质量。
其目的是提高图像的对比度，减少噪声，增强图像细节，以便更好地进行分析和解译。
1、直方图均衡化直方图均衡化是一种常用的图像增强方法。
它通过调整图像像素值的分布，使得图像的亮度和对比度得到均衡。
具体步骤是：首先计算图像的灰度直方图，然后根据直方图进行像素值的调整。
直方图均衡化能够有效地增强图像的细节和对比度，使得图像更易于解译。
2、滤波器增强滤波器增强方法主要是通过应用不同类型的滤波器来抑制图像中的噪声和其他干扰。
常用的滤波器有均值滤波器、中值滤波器和锐化滤波器等。
均值滤波器可以平滑图像，中值滤波器可以有效地去除椒盐噪声，而锐化滤波器可以增强图像的边缘。
3、多尺度分析多尺度分析是一种结合不同尺度的信息来进行图像增强的方法。
通过分析图像在不同尺度上的特征，可以更好地理解图像的内容。
常用的多尺度分析方法有小波变换和特征金字塔等。
小波变换能够将图像分解为不同频率的子图像，从而提取出图像的细节信息。
特征金字塔则是一种层次化的图像表示方法，可以在不同尺度上检测出图像的边缘和纹理等特征。
二、图像分割和分类的方法图像分割是指将图像分成若干个具有相同特征的区域的过程。
图像分类是指将图像分配到不同的类别或标签中的过程。
图像分割和分类是遥感影像处理中重要的一步，它可以用于自动提取和识别图像中的目标或区域。
1、基于颜色和亮度的分割方法基于颜色和亮度的分割方法是最常用的一种图像分割方法。
它通过分析图像中像素的颜色和亮度信息，将图像分成不同的区域。
常用的方法有阈值分割、区域生长和分水岭算法等。
第四章 遥感图像的增强
Landsat/TM4
2 多波段彩色变换
f1(x,y) → R
f2(x,y) → G → monitor f3(x,y) → B 标准假彩色合成方案 MSS: 4=>B 5=>G 7=>R TM: 2=>B 3=>G 4=>R
TM432标准假彩色
TM321真彩色
TM742假彩色
HLS变换
• HLS变换就是将颜色的RGB表示形式转变 为色度、亮度和饱和度的表示形式 。
2 空间滤波 (邻域处理)
1 图像卷积运算
输入图像
H=P*G
加权和计算： H1 · ＋ P1 H2 · ＋ P2 H3 · ＋ P3 H4 · ＋ P4 H5 · ＋ P5 H6 · ＋ P6 H7 · ＋ P7 H8 · ＋ P8 H9 · ＋ P9 P5 的新值
(行，列)
Байду номын сангаас
P1 P2 P3 P4 P5 P6 P7 P8 P9 3 ×3 邻域 *
第四章 遥感图像处理-图像增强
二、数字图像增强
1. 2. 3. 4. 5. 对比度变换 空间滤波 彩色变换 图像运算 多光谱变换
1、对比度变换
又称反差增强、辐射增强 主要通过改变图像灰度分布态势，扩展灰 度分布区间，达到增强反差的目的。 通过调整直方图来实现 调整后的直方图应达到： 分布好（较均匀），没有大量暗或亮的象 元集中分布
1.遥感信息复合
a.不同传感器的遥感信息复合
先配准 再复合 (运算 合成….)
b.不同时相的遥感信息复合 配准=> 直方图调整 =>复合
2.遥感与非遥感数据复合
非遥感数据网格化=> 配准 =>选取最优遥感数据 =>复合 (栅格-栅格 栅格-矢量)
envi遥感图像处理之图像增强
ENVI遥感图像处理之图像增强一、对比度增强1、快速拉伸步骤：打开数据—>加载图像到窗口—>图像主窗口Enhance菜单进入图像增强的菜单选项。
原始显示的影像：进行线性拉伸后的影像：进行高斯拉伸后的影像：说明：本菜单栏中包含的图像快速拉伸的功能还有0-255的线性拉伸（这应该是实际的遥感影像的灰度值，而刚开始说的那个原始影像实际上已经经过了2%的线性拉伸的）、均衡化拉伸、均方根拉伸等。
2、交互式拉伸步骤：选择图像主窗口中的Enhance菜单—>Interactive Stretching进入交互式拉伸的界面在Stretch_Type菜单下可以选择交互拉伸的类型，有线性拉伸、分段线性拉伸等。
可以在Stretch旁边的文本框中直接输入拉伸的图像的灰度范围，亦可以在input histogram 窗体中用鼠标左键拖动两条竖直虚线进行拉伸范围的选择。
原始图像：交互式线性拉伸后的图像：分段线性拉伸后的影像：高斯拉伸后的影像：3、直方图匹配步骤：进行直方图匹配之前必须打开两个窗口显示两个波段或两幅影像。
在两窗口中显示两幅遥感影像—>在待匹配的遥感影像主窗口中选择Enhance菜单—>选择Histogram matching…进入直方图匹配的对话框—>选择匹配到的窗口和匹配的方式，点击OK完成直方图的匹配。
匹配前直方图：待匹配影像直方图：匹配到影像直方图：匹配后的直方图：匹配的交互式对话框：匹配前影像：匹配后影像：二、空间增强1、锐化步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Sharpen即可对图像进行锐化。
锐化前影像：锐化后影像：2、平滑步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Smooth（后面的3*3、5*5等代表的是模板的大小）即可对图像进行平滑。
平滑前影像：平滑后影像：3、中值步骤：打开窗口主菜单中的Enhance菜单—>选择Filter选项—>Median（后面的3*3、5*5等代表的是模板的大小）即可对图像进行中值化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验二遥感图象处理II（图像增强）2.1 概述图像增强包括图像空间增强、图像辐射增强、图像光谱增强三个部分。
遥感图像在获取的过程中由于受到大气的散射、反射、折射或者天气等的影响，获得的图像难免会带有噪声或目视效果不好，如对比度不够、图像模糊；有时总体效果较好，但是所需要的信息不够突出，如线状地物或地物的边缘部分；或者，有些图像的波段较多，数据量较大，如TM影像，但各波段的信息量存在一定的相关性，为进一步的处理造成困难。
针对上述问题，需要对图像进行增强处理。
通过图像增强技术，改善图像质量，提高图像目视效果，突出所需要的信息、压缩图像的数据量，为进一步的图像判读做好准备。
2.2 实验目的1通过本次上机实验，掌握空间增强、辐射增强、光谱增强这几种图像增强处理的过程和方法。
2加深对图像增强的理解。
3熟悉ERDAS图像解译模块。
2.3 实验原理图像空间增强技术是利用像元自身及其周围像元的灰度值进行计算，达到增强整个图像的目的。
主要集中于图像的空间特征，考虑每个像元及其周围像元亮度之间的关系，从而使图像的空间几何特征如边缘、目标物的形状、大小、线性特征等突出或者降低。
主要包括各种空间滤波、卷积增强、非定向边缘增强等。
图像辐射增强是一种通过直接改变图像中的像元的灰度值来改变图像的对比度，从而改善图像视觉效果的图像处理方法。
辐射增强能够使一幅图像充分利用成像设备，达到最佳动态范围，改善目视效果。
一般来说，原始遥感数据的灰度值范围比较窄，这个范围通常比显示器的显示范围小得多。
增强处理可以将其灰度范围拉伸到0~255的灰度级之间来显示，从而使图像对比度提高，视觉效果得以改善。
辐射增强主要以图像的灰度直方图作为分析处理的基础。
图像光谱增强处理是基于多波段数据对每个像元的灰度值进行变换，与像元的空间排列和结构无关，它是对目标物的光谱特征——像元的对比度、波段间的亮度比进行增强。
主要包括对比度增强、各种指标提取、光谱转换等。
2.4 实验过程2.4.1 图像空间增强2.4.1.1 卷积增强处理（1）在ERDAS图标面板工具条中单击Interpreter图标|Spatial Enhancement|Convolution命令，打开Convolution对话框。
在Convolution对话框中进行如下设置。
图2-1 Spatial Enhancement命令图2-2 Convolution命令（2）确定输入文件：lanier.img。
（3）定义输出文件：convolution.img。
（4）卷积算子文件：default.klb。
（5）卷积算子类型：5×5Edge Detect。
（6）边缘处理方法：Reflection。
（7）卷积归一化处理：Normalize the Kernel。
（8）文件坐标类型：Map。
（9）输出数据类型：Unsigned 8 bit。
（10）单击OK按钮（关闭Convolution对话框，执行卷积增强处理）。
图2-3 Convolution对话框2.4.1.2 非定向边缘增强（1）在ERDAS图标面板工具条中单击Interpreter图标|Spatial Enhancement|Non-directional Edge命令，打开Non-directional Edge对话框。
在Non-directional Edge对话框中进行如下设置。
图2-5 Non-directional Edge命令（2）确定输入文件：lanier.img。
（3）定义输出文件：non-direct.img。
（4）文件坐标类型：Map。
（5）处理范围确定：默认状态为整个图像范围。
（6）输出数据类型：Unsigned 8 bit。
（7）选择滤波器：Soble。
（8）输出数据统计时忽略零值：勾选Ignore Zero in Stats。
（9）单击OK按钮（关闭Non-directional Edge对话框，执行非定向边缘增强）。
图2-6 Non-directional Edge对话框图2-7 非定向边缘增强成果图2.4.2 图像辐射增强2.4.2.1 直方图均衡化（1）在ERDAS图标面板工具条中单击Interpreter图标|Radiometric Enhancement|Histogram Equalization命令，打开Histogram Equalization对话框，在Histogram Equalization对话框中，进行如下设置。
图2-8 Radiometric Enhancement命令图2-9 Histogram Equalization命令（2）确定输入文件：lanier.img。
（3）定义输出文件：equalization.img。
（4）文件坐标类型：Map。
（5）处理范围确定：默认状态为整个图像范围。
（6）输出数据分段：256。
（7）输出数据统计时忽略零值：勾选Ignore Zero in Stats。
（8）单击OK按钮（关闭Histogram Equalization对话框，执行直方图均衡化处理）。
图2-10 Histogram Equalization对话框2.4.2.2 直方图匹配（1）在ERDAS图标面板工具条中单击Interpreter图标|Radiometric Enhancement|Histogram Match命令，打开Histogram Match对话框，在HistogramMatch对话框中，进行如下设置。
图2-12 Histogram Match命令（2）输入匹配文件：wasia1_mss.img。
（3）匹配参考文件：wasia2_mss.img。
（4）匹配输出文件：wasia1_match.img。
（5）选择匹配波段：1。
（6）匹配参考波段：1。
（7）文件坐标类型：Map。
（8）处理范围确定：默认状态为整个图像范围。
（9）输出数据统计时忽略零值：勾选Ignore Zero in Stats。
（10）输出数据类型：Unsigned 8 bit。
（11）单击OK按钮（关闭Histogram Match对话框，执行直方图匹配处理）。
图2-13 Histogram Match对话框2.4.2.3 去霾处理（1）在ERDAS图标面板工具条中单击Interpreter图标|Radiometric Enhancement|Haze Reduction命令，打开Haze Reduction对话框，在Haze Reduction对话框中，进行如下设置。
图2-15 Haze Reduction命令（2）确定输入文件：klon_tm.img。
（3）定义输出文件：haze.img。
（4）文件坐标类型：Map。
（5）处理范围确定：默认状态为整个图像范围。
（6）处理方法选择：Landsat 5 TM。
（7）单击OK按钮（关闭Haze Reduction对话框，执行去霾处理）。
图2-16 Haze Reduction对话框2.4.2.4 降噪处理（1）在ERDAS图标面板工具条中单击Interpreter图标|Radiometric Enhancement|Noise Reduction命令，打开Noise Reduction对话框，在NoiseReduction对话框中，进行如下设置。
（2）确定输入文件：dmtm.img。
（3）定义输出文件：noise.img。
（4）文件坐标类型：Map。
（5）处理范围确定：默认状态为整个图像范围。
（6）单击OK按钮（关闭Noise Reduction对话框，执行降噪处理）。
图2-19 Noise Reduction对话框图2-20 降噪处理成果图2.4.2.5 去条带处理（1）在ERDAS图标面板工具条中单击Interpreter图标|RadiometricEnhancement|Destripe TM Data命令，打开Destripe TM对话框，在Destripe TM 对话框中，进行如下设置。
图2-21 Destripe TM Data命令（2）确定输入文件：tm_striped.img。
（3）定义输出文件：destripe.img。
（4）输出数据类型：Unsigned 8 bit。
（5）输出数据统计时忽略零值：勾选Ignore Zero in Stats。
（6）边缘处理方法：Reflection。
（7）文件坐标类型：Map。
（8）处理范围确定：默认状态为整个图像范围。
（9）单击OK按钮（关闭Destripe TM对话框，执行去条带处理）。
图2-22 Destripe TM对话框图2-23 去条带处理成果图2.4.3 图像光谱增强2.4.3.1主成分变换（1）在ERDAS图标面板工具条中单击Interpreter图标|Spectral Enhancement|Principal Comp.命令，打开Principal Components对话框，在PrincipalComponents对话框中，进行如下设置。
图2-24 Spectral Enhancement对话框图2-25 PrincipalComp.命令（2）确定输入文件：lanier.img。
（3）定义输出文件：principal.img。
（4）文件坐标类型：Map。
（5）处理范围确定：默认状态为整个图像范围。
（6）输出数据类型：Float Single。
（7）输出数据统计时忽略零值：勾选Ignore Zero in Stats。
（8）在运行日志中显示：勾选Show in Session Log。
（9）写入特征矩阵文件：Write to File（必选项，逆变换时需要）。
（10）特征矩阵文件名（Eigen Matrix中）：lanier.mtx。
（11）特征矩阵文件名（Eigen Value中）：lanier.tbl。
（12）需要的主成分数量：3。
（13）单击OK按钮（关闭Principal Components对话框，执行主成分变换）。
图2-26 Principal Components对话框2.4.3.2 色彩变换（1）在ERDAS图标面板工具条中单击Interpreter图标|Spectral|RGB toIHS命令，打开RGB to IHS对话框，在RGB to IHS对话框中，进行如下设置。
图2-28 RGB to IHS命令（2）确定输入文件：dmtm.img。
（3）定义输出文件：rgb-his.img。
（4）文件坐标类型：Map。
（5）处理范围确定：默认状态为整个图像范围。
（6）确定参与彩色变换的3个波段：Red:4/Green:3/Blue:2。
（7）输出数据统计时忽略零值：勾选Ignore Zero in Stats。
（8）单击OK按钮（关闭RGB to IHS对话框，执行RGB to HIS变换）。