03 遥感图像增强
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
遥感图像增强
遥感图像的增强
1 线性变换
通过调整各个波段的断点，了解直方图的线性变换。
透过建模，对图像进行线性变换
单击
点击拖拽，连接即可
设置好后，单击
运行图标，就完成了一次线性变换。
可以在viewer 窗口中打开看看。
2
非线性变换
在viewer 窗口内查看非线性变换的结果，与原图比较有什么差异。
3空间域内滤波
在viewer视窗内，通过平滑和锐化，看看变化的效果
平
滑
锐
化
在工具栏内，空间增强中卷积运算，选取各种算子、输入和输出文件。
查看生成文件效果
在辐射增强中练习直方图均衡化和直方图匹配
4傅里叶正变换编辑，逆变换
正变换
打开傅里叶变化图像
选择滤波器
保存后进行傅里叶逆变换，查看各种滤波器和滤波函数的效果。
遥感图像增强处理(免费)
(c) 偏 亮
(d) 亮度过于集中
感影像的三个波段，分别赋予红、绿、蓝三
种原色，然后将这三个波段叠加，构成彩色
合成图像。 • 步骤：配准 合成
二、空间域增强
在图像处理中，空间域指图像平面所在的二
维空间，描述图像的灰度分布。空间域增强， 就是应用某种数学模型，通过改变图像的灰度 成分，实现图像质量改善的图像处理方法。
方式：
对比度变换增强
Fourier/Analysis/ Fourier Transform，打开Fourier Transform对话框 ，确定要进行傅立叶变换的图像， 及变换后的傅立叶图名称。
（2）修改频率成分
在ERDAS图标面板菜单条单击Main/Image Interpreter命令，或在ERDAS图标面板工具条单击
从物理效果来看，傅立叶变换就是将图像从空 间域转换成频率域，其逆变换是将图像从频率域转 换到空间域。
2. 频域增强处理的方法
频域滤波增强 高通滤波
低通滤波
带阻滤波
带通滤波
高通滤波，采用“低阻滤波器”，抑制图像 频谱的低频信号而保留高频信号的一种模型。
效果：突出物体的边缘，锐化图像
立叶图像，及变换后的图像名称。
平滑
锐化
五、主成分变换
将图像所有波段的数据量集中到前几个波 段上，以实现数据压缩和图像增强。
以对TM1～5和TM7，6个波段数据的主成分变换为例
步骤：叠加TM的这6个波段，使之合成为一幅图像
主成分变换
合成
类似于彩色合成的操作。在ERDAS图标面
板菜单条单击Main/Image Interpreter命令，或 在ERDAS图标面板工具条单击图标 在Image Interpreter 下拉菜单中单击 Utilities/Layers Stack，打开Layer Selection and Stacking对话框 ，减TM1～5和TM7的6个波段 全部叠加。 ，
3.遥感图像的增强与变换处理
图像增强处理是遥感图像数字处理的基本的方法之一。 将原来不清晰的图像变得清晰或把我们感兴趣的某些特征强调出来（同时抑制了不感兴趣的 特征）的图像处理方法称为图像增强。 图像增强的目的是为了提高解像力，提高图像的可解译性。 一、教学目的与要求 掌握遥感图像的增强与变换处理 二、重点难点 ⒈ ⒉ 三、教学内容 对比度增强、锐化与平滑处理、比值与差值处理、NDVI（归一化差值植被指数）、主成分分析 （K－L变换）、缨帽变换(K－T变换)和傅立叶变换（FFTFiltering）。
所需文件：TL、TL.HRD
实现步骤： 加载 TL，用 RGB Scale 打开。 Transforms > Tassled Cap ㈦傅立叶变换（FFT Filtering） 傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。ENVI 中 FFT Filtering 包括 图像正向的 FFT、滤波器的应用，以及 FFT 向原始数据空间的逆变换。 Forward FFT (正向的 FFT)
⑵差值处理 所需文件：TL、TL.HRD 实现步骤： 加载 TL，用 RGB Scale 打开。 Basic Tools > Band Math.
“Enter an expression:” 的文本框内，输入变量名和所需要的数学运算符。
变量名必须以字符 “b” 或 “B” 开头，后面跟着 5 个以内的数字字符。 例：b7-b4 , b7-b5 , (b7-b4)/(b7+b5) , b1+sin(b2)
㈢比值与差值处理
比值法与差值法适用于对多波段图像或多时相图像进行增强处理，这是因为多波段之间的照 射条件及变化是一致的，对两个波段图像进行差值与比值运算，往往能减弱背景信息而突出局部 信息，就能达到图像增强的效果。
遥感图像增强的目的及应用
遥感图像增强的目的及应用遥感图像增强的目的是通过一系列的数字图像处理技术，改善获取的遥感图像质量，使得图像更加清晰、具备更丰富的信息，以便更好地反映地物表面的特征和变化，提高对地物目标的识别和提取能力。
遥感图像增强的目标是以较低的成本和较少的数据，获取更准确、更丰富的信息。
遥感图像增强的应用非常广泛，涵盖了农业、林业、地质、环境、城市规划、水资源等多个领域。
下面分别介绍一些具体的应用案例：1. 农业：通过遥感图像增强技术，可以更好地提取农田的土壤类型、植被信息和作物生长情况，对农业生产进行监测和评估。
如可以准确识别出农田的植被覆盖度，为农业精细化管理提供数据支持，实现农田水分、化肥的准确施用。
2. 水资源管理：通过对遥感图像进行增强处理，可以提取水体边界和水体类型，实时监测水体的变化，评估水资源的利用状况。
例如，可以对湖泊、河流等水体进行动态监测，及时发现水质异常和水体污染问题。
3. 灾害预警和防治：遥感图像增强可以帮助提取地质灾害、森林火灾、洪涝灾害等灾害的前兆信号，为灾害预警和防治提供及时有效的数据支持。
例如，可以通过增强处理提取出植被覆盖度等指标，评估和预测森林火灾的潜在风险。
4. 城市规划：通过遥感图像增强，可以提取出城市的道路网络、建筑物分布情况、绿地覆盖等信息，为城市规划和土地利用提供准确的基础数据。
例如，可以通过增强处理提取出建筑物的形状和高度信息，用于城市建筑物的三维模型构建和城市景观设计。
5. 环境监测：遥感图像增强可以监测大气、水体和土地等环境污染情况，提取环境参数，评估环境状况和污染程度。
例如，可以通过增强处理提取出水体的叶绿素-a浓度，用于评估水体的富营养化程度。
6. 地质勘探：遥感图像增强可以提取地表地貌、岩性、构造等地质信息，用于地质勘探和矿产资源的评估与开发。
例如，可以通过增强处理提取出岩性差异，找出潜在的矿产资源区域。
综上所述，遥感图像增强在农业、水资源管理、灾害预警和防治、城市规划、环境监测和地质勘探等领域具有重要的应用价值，能够提高数据的质量和精度，为相关领域的研究和决策提供准确的数据支持。
最新实验3遥感图像增强与变换1PPT课件
选择卷积核
卷积核文件
编辑卷积核
滤波效果预览
上机：图像滤波
• 第一种方法:在视窗中打开tm.img，在raster---filtering ④统计滤波操作
在Viewer#1窗口菜单条单击Raster->Filtering->Statistical Filtering 选择合适的统计滤波函数和窗口大小点击Apply应用，完成统计滤波操作，观 察效果图。
• 实验结束后： • 1、上交你认为经过滤波处理后最好的
filter.img影像。 • 2、按要求写实验报告。
结束语
谢谢大家聆听！！！
22
上机：图像调整
• 第一步:了解图像对比度调整命令（Contrast） ①打开窗口Viewer#1，并在Viewer #1中打开mobbay.img图像 ②鼠标移到窗口Viewer#1菜单Raster->Contrast处，将看到8项子
菜单，分别对应不同的调整方法
8项子菜单
上机：图像调整
b)文件坐标类型为File,ULX/Y、LRX/Y中可以改变要处理的图像范围，默认时为 整幅图
c)设置输出数据分段（Number of Bins）为256（可以变小些）
d)输出数据统计时忽略零值，选中Ignore Zero in Stats复选框
e)单击OK即完成直方图均衡化处理操作，观察效果图
输出的结果文件
上机：图像滤波
• 第二种方法:在ERDAS图标面板工具条上单击Interpreter图标 Interpreter-> spatial enhancement 也可以打开滤波处理
convolution 卷积滤波 non-directional edge非定向边缘增强 Focal Analysis聚焦分析 Texture纹理分析 Adaptive Filter自适应滤波 statistical filtering统计滤波 分辨率融合 crisp锐化增强处理
遥感图像解译中的图像增强和分类技术介绍
遥感图像解译中的图像增强和分类技术介绍概述：遥感图像解译是指通过对遥感数据进行处理和解析，来获取地理信息的过程。
在这一过程中，图像增强和分类技术是至关重要的工具，可以提高图像质量和准确度。
本文将介绍遥感图像解译中的图像增强和分类技术的原理和应用。
一、图像增强技术图像增强技术是指通过对原始遥感图像进行处理，改善图像质量的方法。
1. 直方图均衡化直方图均衡化是通过变换图像的灰度级分布，增强图像的对比度和亮度。
该方法适用于单一场景中的图像。
通过对原始图像中每个像素的像素值进行统计，可以得到图像的灰度级分布。
根据统计分布，可以将原始图像中的灰度级重新映射，使得图像的灰度级分布更均匀。
这样可以增强图像的对比度，使得图像中的目标更加清晰可见。
2. 滤波技术滤波技术通过对图像进行空域或频域的滤波处理，来改善图像的质量。
常用的滤波方法包括线性滤波和非线性滤波。
线性滤波方法包括均值滤波、中值滤波等，主要用于降噪和平滑图像。
非线性滤波方法包括边缘增强滤波、退化滤波等，主要用于增强图像的边缘信息。
3. 多尺度分析多尺度分析是一种基于图像的不同尺度表示，来提取图像不同层次特征的方法。
常用的多尺度分析方法包括小波变换、尺度空间分析等。
通过对不同尺度下的图像进行处理和分析，可以获得更全面的图像信息。
这些信息可以用于图像分类和目标检测等应用。
二、图像分类技术图像分类技术是将遥感图像中的像素点或图像区域划分为不同的类别的过程。
图像分类是遥感图像解译的关键步骤，它可以帮助我们理解和分析图像中的地物信息。
1. 监督分类监督分类是一种通过人工标签指定不同类别的样本进行训练的分类方法。
在监督分类过程中，我们首先需要选择一种合适的分类算法，如支持向量机（SVM）、决策树、人工神经网络等。
然后，根据已标注的样本，使用分类算法进行训练和分类预测。
监督分类方法适用于有充足样本且具有明显特征的图像。
2. 无监督分类无监督分类是一种不依赖于人工标签的分类方法。
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。
《遥感图像增强》课件
为什么需要图像增强
遥感图像的质量受到多种因素的影响，如云层、天气、光照等，往往存在低对比度、噪点等问题，因此需要进 行增强处理以获得更好的视觉效果和更准确的信息。
遥感图像增强的概念和步骤
遥感图像增强是通过数学、物理方法对遥感图像进行预处理或后处理，以提高遥感图像的质量和增强图像的特 征，使人眼或计算机能够更好地识别和理解图像。
遥感图像的分类
红外遥感图像
雷达遥感图像
通过探测红外波长范围的电磁辐 射来观测目标的状态、形态和活 动，用于环境监测、天气预测等。
利用雷达波束与地面物体反射、 散射、回波等特性，获得地面物 体的空间分布及形态等信息，可 用于海洋、军事、交通等领域。
可见光遥感图像
利用生活中看到的阳光和灯光直 接产生的可见光来获取目标信息， 被广泛应用于资源调查、城市管 理等领域。
通过增大亮度值之间的差异程度，使图像变得更加鲜明。
3
直方图均衡化
通过对图像灰度值的分布均衡化，使对比度的细节得以显现。
空间滤波增强
空间滤波通过对图像上采样、下采样、去噪等方法处理图像来使其增强。它可以改变图像的像素值来突出其中 的信息特征，便于对目标进行检测和识别。
平均滤波
使用相邻像素的平均值替换当前像素，从而达 到去噪的目的。
局部对比度增强
局部对比度增强是指针对图像中某些区域进行对比度增强处理，以突出某些特定的信息，增加图像的可 读性和可理解性。
1
经验方法
基于图像的边缘特征进行增强，通过对局部区域进行梯度检测和直方图分析，增强图像 中的细节和纹理。
2
基于局部方向的方法
通过在某些区域进行基于方向的滤波，提高特定方向的信噪比，增加图像的特征和清晰 度。
- 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)。
实验三遥感图像增强一、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。
图像增强所包含的主要内容如下图。
二、实验目的：掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。
能根据需要对遥感图像进行综合处理。
三、实验内容：∙辐射增强处理✧直方图均衡化✧直方图匹配∙空间增强处理✧卷积增强处理✧自适应滤波✧锐化增强处理✧分辩率融合光谱增强处理✧主成份变换（PC变换/K-L变换）✧去相关拉伸✧缨帽变换（K-T变换）✧指数计算✧自然色彩变换四、实验准备1.软件ERDAS IMAGINE8.5版本以上；2.实验用相关数据五、实验步骤：(一)、辐射增强处理(Radiometric Enhancement)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，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。
打开方法：（以文件Lanier.img为例）(1).ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement -Histogram Equalization，打开Histogram Equalization对话框。
(2).ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement一Histogram Equalization，打开Histogram Equalization对话框。
2.直方图匹配（Histogram Match)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，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。
操作方法输入匹配文件(Input File)：wasia1 mss.img匹配参考文件(Input File to Match )：wasia2_mss.img(1).ERDAS图标面板菜单条:Main 一Image Interpreter一Radiometric Enhancement —Histogram Match，打开Histogram Matching对话框。
(2).ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement 一Histogram Match，打开Histogram Matching对话框。
(二)、空间增强处理(Spatial Enhancement)1.卷积增强处理(Convolution)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 / V ertical/Summary”等七种不同的处理方式。
操作方法：（以文件Lanier.img为例）(1).ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement一Convolution，打开Convolution对话框；(2).ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement Convolution，打开Convolution对话框。
2.自适应滤波(Adaptive Filter)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。
操作方法：（以文件Lanier.img为例）(3).ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement—AdaptiveFilter，打开Wailis Adaptive Filter对话框。
(4).ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement，Adaptive Filter，打开Wailis Adaptive Filter对话框。
参数设置：▪文件坐标类型（Coordinate Type )：Map；▪处理范围确定(Subset Definition)：ULX/Y LRX/Y；▪输出数据类型(Output Data type )：Unsigned 8 bit；▪移动窗口大小(Moving Window Sire)：3(表示3×3)；▪输出文件选择(Optins)：Bandwise(逐个波段进行滤波)，或PC(仅对主成份变换后的第一主成份进行滤波)；▪乘积倍数定义(Multiplier)：2(用于调整对比度)；▪输出数据统计时忽略零值：Ignore Zero in Stars；▪OK(关闭Wallis Adapter Filter对话框，执行自适应滤波)。
3.锐化增强处理(Crisp Enhancement )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)。
操作方法：（以panatlanta.img文件为例）(5).ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement—Crisp，打开Crisp对话框；(6).ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement—Crisp，打开Crisp对话框。
4.分辩率融合(Resolution Merge)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。
操作方法：（以panatlanta.img文件为例）(7).ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement一ResolutionMerge，打开Resolution Merge对话框；(8).ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement—ResolutionMerge，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(三)、光谱增强处理(Spectral Enhancement)5.主成份变换(Principal Components)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。
操作方法：（以文件Lanier.img为例）(1).ERDAS图标面板菜单条：Main一Image Interpreter一Spectral Enhancement一PrincipalComp，打开Principal Components对话框；(2).ERDAS图标面板工具条：点击Interpreter图标一Spectral Enhancement一PrincipalComponents，打开Principal Components对话框。
6.去相关拉伸(Decorrelation S tretch )去相关拉伸是对图像的主成份进行对比度拉伸处理，而不是对原始图像进行拉伸。
在操作时，只需要输入原始图像，系统将首先对原始图像进行主成份变换，并对主成份图像进行对比度拉伸处理，然后再进行主成份逆变换，依据当时变换的特征矩阵，将图像恢复到RGB彩色空间，达到图像增强的目的。
操作方法：（以文件Lanier.img为例）(1).ERDAS图标面板菜单条：Main一Image Interpreter Spectral Enhancement—Decorrelation Stretch，打开Decorrelation Stretch对话框；(2).ERDAS图标面板工具条：点击Interpreter图标Spectral Enhancement一DecorrelationStretch，打开Decorrelation Stretch对话框。
7.缨帽变换(T asseled Cap )，K-T变换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。