遥感图像的多光谱增强实验报告
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。
利用ENVI软件进行遥感图像的融合和增强实习报告
遥感图像处理实习报告实验内容：影像融合与增强班级：测绘1102班学号： 1110020213姓名：指导老师：陈晓宁、黄远程、竞霞、史晓亮西安科技大学测绘科学与技术学院二零一三年一月实习三影像融合与增强一、实习内容：1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点；2.熟悉ENVI图像增强操作；3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。
二、实习目的：1.了解和认识各种图像融合方法的原理、内容及要点；2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较；3.学习利用ENVI软件进行各种图像增强处理操作；4.学会定性、定量分析比较图像融合的差异。
三、实习步骤：1.图像融合：三波段融合：HSV和Color Normalized (Brovey)变换：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1；3）在ENVI的主菜单选择Transform → Image Sharpening → HSV；4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。
5）从High Resolution Input File对话框中选择全色影像，点击OK。
6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。
即可完成HSV变换融合；与上述方法类似，选择Transform → Image Sharpening → Color Normalized (Brovey)，使用Brovey进行融合变换。
多光谱融合：Gram-Schmidt、主成分（PC）和color normalized (CN)变换三种方法操作过程基本类似，下面以Gram-Schmidt为例：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2 在ENVI的主菜单选择Transform → Image Sharpening →Schmidt Spectral Sharpening；3）在Select Low Spatial Resolution Multi Band Input File对话框中选择资源三号多光谱影像，在Select High Spatial Resolution Pan Input Band对话框中选择全色影像，点击OK。
遥感实验报告彩色增强2
实验名称：彩色增强一、实验内容1．对一幅灰阶影像进行伪彩色增强2．利用三个波段的遥感影像进行假彩色增强3．利用TM1,2,3,波段的遥感影像进行真彩色合成二、实验所用的仪器设备，包括所用到的数据电脑一台、遥感影像处理软件（ENVI）、多波段影像bhtmref.img三、实验原理(1)真彩色合成是指从多波段遥感影像中选择其中三幅影像在显示屏上合成一幅图像（三合一），该三幅影像的波段范围与自然界中的红绿蓝光的波长范围大致相同，从而得到与实际地物颜色大致相同的合成影像的合成方法。
(2)假彩色合成1.定义：是将一幅自然彩色图像或者是同一景物的多光谱图像通过线性假彩色映射函数变换为新的三基色分量进行彩色合成，使增强图像中各目标呈现出与原图像不同的彩色的技术。
2.目的：使感兴趣的目标更加注目，以提高对目标的分辨率(3)伪彩色变换是指由输入的单波段影像，通过3个独立的数学变换，产生R、G、B，3个分量影像，然后合成为伪彩色影像。
彩色的含量由变换函数的形状决定。
四、实验步骤及其结果分析实验步骤：(1)真彩色合成打开多波段影像bhtmref.img，选择RGB Color,然后将TM3，TM2，TM1一次导入到标签为“R”、“G”、“B”的文本框，点击“Load RGB”，结果如图1所示(2)假彩色合成1. 打开多波段影像bhtmref.img，选择RGB Color, 然后将TM4，TM3，TM2一次导入到标签为“R”、“G”、“B”的文本框，点击“Load RGB”，结果如图2所示2. 将TM5，TM4，TM3一次导入到标签为“R”、“G”、“B”的文本框,点击NewDisplay,在点击“Load RGB”，结果如图3所示(3)伪彩色变换1.利用直方图统计，查开单(TM2)波段影像的直方图结果如图图4所示，确定伪彩色增强的分段。
2.利用“Tools—Color Mapping—Density slics”，选择TM2波段进行分段，结果如图图5所示。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。
（2）选择T oolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。
2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。
（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。
（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。
点击‘OK’，38区段文件裁剪后如图。
（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。
遥感图像的多光谱增强实验报告
→Principial Comp →Pincipal Components对话框，（图1.1.1）。
选择影像，忽略0值，期望输出主成分数量：7并勾选输出特征值和特征向量。
图1.1.1 主成份变换对话框选择保存路径，保存主成份变换之后的影像、后缀名为.mtx的特征向量和后缀名为.tbl的特征值。
图1.1.2 主成份变换前影像图1.1.2 主成份变换后影像②查看七个单波段主成份变换后的影像。
图1.2.1 第一波段影像图1.2.2 第二波段影像图1.2.3 第三波段影像图1.2.4 第四波段影像图1.2.5 第五波段影像图1.2.6 第六波段影像图1.2.7 第七波段影像2.①ERDAS 图标面板菜单条：Tools→Edit Txt Files，分别打开特征向量和特征值文件。
图1.2.1 主成份特征向量图1.2.2 主成份特征值②把特征值复制到ECXEL表格中计算百分比，可以看到第一主分量标准差分布最广，集中信息量最多，第二分量次之。
特征值百分比868.4795153 80.94410239149.9110022 13.972018140.51377151 3.7759680135.7131775 0.532480064.347115382 0.4051602213.125243136 0.2912791790.847535218 0.07899205合计：1072.93736 1003.主成份逆变换①进入ERDAS 图标面板菜单条：Image Interpreter→Spectral Enhancement →Principial Comp →Inverse Pincipal Components。
图2.3.1 主成份逆变换参数设置对话框②即可得到原影像。
二、缨帽变换①ERDAS 图标面板菜单条：Image Interpreter→Spectral Enhancement →Tasseled Cap →对话框（图2.1.1）图2.1.1 缨帽变换对话框②结果如图2.1.2图2.1.2 缨帽变换结果影像③查看单波段的前面三个波段，观察亮度、绿度和湿度的体现。
遥感图像的频率域增强
遥感图象的频率增强与多光谱增强一、实验目的：学习并掌握遥感图象频率域增强的原理与方法，理解频率域增强的意义。
学习和掌握主成分变换，缨帽变换和色彩变换的基本原理与方法，理解三种变换方法处理的效果及意义二、实验内容：频率域平滑频率域锐化主成分变换缨帽变换色彩变换三、实验原理与方法：频率域增强的方法的基本过程：将空间域图象通过傅立叶变换为频率域图象，然后选择合适的滤波器频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图象。
K-L变换是离散（Karhunen-Loeve）变换的简称，又被称作主成分变换。
它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y，表达式为Y=AX对图像中每一个像元矢量逐个乘以矩阵A，便得到新图像中每一个像元矢量。
A的作用是给多波段的像元亮度加权系数，实现线性变换。
由于变换前各波段之间有很强的相关性，经过K-L变换组合，输出图像Y的各分量yi之间将具有最小的相关性，这就是变换矩阵A 的作用K-T变换是Kauth-Thomas变换的简称，也称缨帽变换。
这种变换也是一种线性组合变换，其变换公式为：Y＝BX彩色变换实际上就是根据人眼对色彩的分辨力远远大于对灰度的分辨力，将RGB色彩系统和IHS色彩系统相互转化来提高图像被人眼感知的效果四、实验步骤：（省略）实验原图：傅立叶变换图Butterworth滤波器处理Butterworth 高通滤波器Butterworth 低通滤波器Ideal滤波器Ideal 低通滤波器Ideal 高通滤波器Ideal 低通滤波器处理Ideal 高通滤波器处理Butterworth 高通滤波器处理Butterworth低通滤波器处理实验原图主成分正变换后图像实验原主成分处理后再经逆变换处理后图像实验原图缨帽变换后图像原RGB图像HIS图像五、结果分析和讨论：1．比较滤波处理前后的图像，分析低通滤波和高通滤波处理的效果1)经过高通滤波器处理后的图像，图像被锐化，边缘出现抖动现象，2)经过低通滤波处理后的图像，可以有效的消除噪声，由于高频部分含有大量边缘信息，导致边缘损失，图像边缘模糊。
《遥感技术》实验报告
郑州大学水利与环境学院遥感技术实验报告（适用于地理信息系统专业）专业班级： ***********学生姓名： *******学生学号： ***********指导教师： ******实验成绩：***年***月实验一、遥感图像认知与输入/输出的基本操作一、实验要求1.了解遥感卫星数字影像的差异。
2.掌握查看遥感影像相关信息的基本方法。
3.掌握遥感图像处理软件ERDAS的基本视窗操作及各个图标面板的功能。
4.了解遥感图像的格式，学习将不同格式的遥感图像转换为ERDASimg格式，以及将ERDASimg 格式转换为多种指定的格式图像。
5.学习如何输入单波段数据以及如何将多波段遥感图像进行波段组合。
6.掌握在ERDAS系统中显示单波段和多波段遥感图像的方法。
二、实验内容1.遥感图像文件的信息查询。
2.空间分辨率。
3.遥感影像纹理结构认知。
4.色调信息认知。
5.遥感影像特征空间分析。
6.矢量化。
7.遥感图像的格式。
8.数据输入/输出。
9.波段组合。
10.遥感图像显示。
三、实验结果及分析：简述矢量功能在ERDAS中的意义。
矢量功能可以将栅格数据转化为矢量数据。
矢量数据有很多优点：1.矢量数据由简单的几何图元组成，表示紧凑，所占存储空间小。
2.矢量图像易于进行编辑。
3.用矢量表示的对象易于缩放或压缩，且不会降低其在计算机中的显示质量。
四、实验结果及分析：简述不同传感器的卫星影像的特点和目视效果。
SPOT卫星最大的优势是最高空间分辨率达10m，并且SPOT卫星的传感器带有可以定向的发射镜，使仪器具有偏离天底点（倾斜）观察的能力，可获得垂直和倾斜的图像。
因而其重复观察能力由26天提高到1~5天，并在不同的轨道扫面重叠产生立体像对，可以提供立体观测地面、描绘等高线，进行立体绘图的和立体显示的可能性。
CBRES的轨道是太阳同步近极地轨道，轨道高度是778km，卫星的重访周期是26天，其携带的传感器的最高空间分辨率是19.5m。
遥感图像辐射增强与光谱增强
遥感图像辐射增强与光谱增强一、实验目的与要求辐射增强处理是通过对单个像元的灰度值进行变换处理来增强处理，如直方图匹配、方图拉伸、去除条带噪声处理。
光谱增强是基于多光谱数据对波段进行变换达到图像增强的处理。
通过此次上机实验，要求同学们：1、掌握交互式直方图拉伸的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
2、理解主成分分析、樱帽变换、色彩空间变换、色彩拉伸方法和操作步骤。
3、掌握利用特征空间视图进行遥感影像分析。
二、实验内容与方法1实验内容（1 ）交互式互式直方图拉伸Linear （线性拉伸）Equalization （直方图均衡化拉伸）Gaussion （高斯拉伸）Square Root （平方根拉伸）Logarithmic （对数拉伸）2 ）主成分分析（3 ）樱帽变换。
（4 ）色彩空间变换（5 ）色彩拉伸2实验方法（1 ）交互式互式直方图拉伸将一个多光谱图像打开并显示在视窗中，在主菜单中，选择 Display → Custom Stretch （或在工具箱中单击）就可以打开交互式直方图拉伸操作面板。
在进行直方图拉伸时，可选择直方图统计的数据范围为全图统计或者当前视图范围内的数据。
（2 ）主成分分析多光谱图像的各个波段之间经常是高度相关的，它们的 DN 值以及显示出来的视觉效果往往很相似。
主成分分析（ Principal Component Analysis, PCA ）就是一种去除波段之间的多余信息、将多波段的图像信息压缩到比原来波段更为有效的少数几个转换波段的方法。
一般情况下，第一主成分（PCI）包含了所有波段中 80% 的方差信息，前三个主成分包含了所有波段中 95% 以上的信息量。
由于各波段之间的不相关，主成分波段可以生成更多颜色、饱和度更好的彩色合成图像。
ENVI 中提供主成分正变换和主成分逆变换。
当使用主成分正变换是， ENVI 可以通过计算新的统计值，或者根据已经存在的统计值进行主成分正变换。
遥感图像光谱增强处理
遥感图像光谱增强处理一、实验目的练习遥感图像光谱增强处理。
二、实验原理ENVI中遥感图像光谱增强处理功能。
三、数据来源下载源：国际科学数据服务平台。
波段数：7。
数据属性：四、实验过程1、主成分分析主菜单执行：Transform->Princomponents->ForPc Rotation->CompuNewand打开如右选中所要分OK.）打开如右窗参数设置如图中Stats是为主成分逆变换击）打开如右窗表中显示为遥感图像个成分占总能量的百分比。
其中主成分占总。
）显示遥感图像各波段能量数）主菜单执行components->Inve打点击）选择在主成存文件，点击）在右图窗口选择逆变换未点击3、RGB-HLS相互转换1)RGB转换HLS：）主菜单执行，打开如右选择转换波）在打开的如右图窗口中选择转换图像的存储，2)HLS 转换RGB）主菜单执行Transform->HLS to打开如右窗口，选择转换波）在打开的如右图窗口中选择转换图像的存储，4、图像融合（1）打开所要融合的两幅遥感影像）主菜单执行Transform->Image打开如右图窗口（本实验选择在波段窗口中选择，点击）在如右图窗口中选择多波段图像所要融合的。
选择高分辨率遥感影）打开如右图选择融合图点击融合前多波段影融合前高分辨率五、主成分分析可以进行数据压缩和信息增强，在ENVI 中可以很明显的感觉到。
同时经过主成分处理后增强了地物特征。
经过图像融合，确实及增加了图像的丰富性，又提高了图像的分辨率。
最后就是实验要经常操作才能熟能生巧。
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。
遥感图片的处理实验报告
遥感图片的处理实验报告******大学测绘工程***专业《遥感原理及应用》实验报告班级:学号:姓名:指导老师 :实验室:1实验一 ENVI 视窗的基本操作一、实验的目的初步了解目前主流的遥感图象处理软件 ENVI 的主要功能模块，在此基础上，掌握视窗操作模块的功能和操作技能，为遥感图像的几何校正等后续实习奠定基础。
二、实验软件与数据软件:Envi遥感图像处理软件。
数据:重庆地区UTM第八波段数据。
三、实验方法与步骤Envi软件的主菜单:此菜单包含基本工具。
四、实验体会与建议体会:初步了解了ENVI 的主要功能和各个模块，ENVI 用户界面由小部件(widgets) 或控件(controls) 构成。
小部件是 GUI 的组装部件––––它们允许你通过点击、输入文本、或选择，以与程序交互。
选项由菜单组成，这些菜单由小部件构成。
选择某个菜单项可以弹出一个对话框，它要求用户输入和交互。
建议:好多基本操作还是不太会，也不知道该怎么下手去做，要是有具体操作手册、操作步骤就会好多了。
2实验二遥感图像的几何校正一、实验的目的通过实习操作，掌握遥感图像几何校正的基本方法和步骤，深刻理解遥感图像几何校正的意义二、实验软件与数据软件:Envi遥感图像处理软件。
数据:重庆地区UTM第八波段数据以及未经校核的重庆地区jpg图片。
三、实验方法与步骤1、显示图像文件。
首先在 ERDAS 图标面板中点击viewer图表两次，打开两个视窗(viewer1/viewer2),并将两个视窗平铺放置，如下:ERDAS图表面板菜单条:session—title viewers然后，在viewer 1中打开需要校正的lantsat图像:重庆城区.jpg2、选择校正与镶嵌菜单下的校正图像选取控制点3单击Show List按钮查看所选控制点的信息43、在控制点选择窗口中选择options菜单，再选择warp file，选择输出校正后的图像文件。
遥感数字图像的增强实验
（2）自适应滤波(Adaptive Filter) 操作方法：（以文件Lanier.img为例） ①ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement—Adaptive Filter，打开Wailis Adaptive Filter对话 框。 ② 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。
2.空间增强处理(Radiometric Enhancement)
（1）卷积增强处理(Convolution) 操作方法：（以文件Lanier.img为例） ①ERDAS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。
（4）分辩率融合(Resolution Merge)
操作方法：（以panatlanta.img文件为例） ① ERDAS 图 标 面 板 菜 单 条 ： Main 一 Image Interpreter 一 Spatial Enhancement 一 Resolution Merge ， 打 开 Resolution Merge对话框； ② ERDAS 图 标 面 板 工 具 条 ： 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
遥感影像处理实验报告(3篇)
第1篇一、实验背景与目的随着遥感技术的不断发展，遥感影像已成为获取地球表面信息的重要手段。
遥感影像处理是对遥感影像进行一系列技术操作，以提高影像质量、提取有用信息的过程。
本实验旨在通过实践操作，让学生掌握遥感影像处理的基本原理和常用方法，提高学生对遥感影像数据的应用能力。
二、实验内容与步骤本次实验主要包括以下内容：1. 数据准备：获取实验所需的遥感影像数据，包括光学影像、红外影像等。
2. 影像预处理：对原始遥感影像进行辐射校正、几何校正、图像增强等处理。
3. 影像分割：对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类：对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析：对分类结果进行分析，评估分类精度。
三、实验步骤1. 数据准备- 获取实验所需的遥感影像数据，包括光学影像、红外影像等。
- 确保影像数据具有较好的质量和分辨率。
2. 影像预处理- 辐射校正：对原始遥感影像进行辐射校正，消除大气、传感器等因素对影像辐射强度的影响。
- 几何校正：对原始遥感影像进行几何校正，消除地形起伏、地球曲率等因素对影像几何形状的影响。
- 图像增强：对预处理后的影像进行图像增强，提高影像对比度、清晰度等。
3. 影像分割- 选择合适的分割方法，如基于阈值分割、基于区域生长分割、基于边缘检测分割等。
- 对预处理后的影像进行分割，提取感兴趣的目标区域。
4. 影像分类- 选择合适的分类方法，如监督分类、非监督分类等。
- 对分割后的影像进行分类，识别不同的地物类型。
5. 结果分析- 对分类结果进行分析，评估分类精度。
- 分析分类结果中存在的问题，并提出改进措施。
四、实验结果与分析1. 影像预处理结果- 经过辐射校正、几何校正和图像增强处理后，遥感影像的质量得到显著提高，对比度、清晰度等指标明显改善。
2. 影像分割结果- 根据实验所采用的分割方法，成功提取了感兴趣的目标区域，分割效果较好。
3. 影像分类结果- 通过选择合适的分类方法，对分割后的影像进行分类，成功识别了不同的地物类型。
遥感图像增强实习报告
长 安 大 学
《遥感技术应用》 实习报告
指导教师：王爱萍 实习名称：遥感图像增强 姓 名： 学 号：201226040124 2015 年 4 月 20 日
课程名称：遥感技术应用 班 级：2012260401
实验名称：遥感图像增强 学员姓名：白正伟
实习时间：2015.4.20 一、目的与要求 通过上机操作，了解空间增强、辐射增强等几种遥感图象 增强处理的过程和方法，加深对图象增强处理的理解。
或利用 AOI 定义子区） 5) 6) 7) 8) 9) 输出数据类型为 Float Single 输出数据统计时忽略零值 特征矩阵文件名（Output Text File）为 lanier.mtx 特征数据文件名为 lanier.tbl 需要的主成分数量（Number of Components Desired）为 3
把每种增强方法都做几遍，进行比较，体会一下各种方法的不同效果，要求掌握 General Contrast Tools 常用直方图处理工具和 General Convolution 通用卷积滤波处理，其它的可以自己研究。
（二）利用 Image Interpreter 模块 ERDAS 图像解译模块包含了 8 个方面的功能，依次是遥感图像的空间增强、辐射增强、光谱增强、高 光谱工具、傅立叶变换、地形分析和地理信息系统分析及其它实用工具。本次实习主要是用到 Spatial Enhancement（空间增强）和 Spectral Enhancement（光谱增强） 1． 图像空间增强：利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像的目的， 主要空间增强处理功能如下：卷积增强、非定向边缘增强、聚焦分析、纹理分析、自适应滤波、统计滤 波、分辨率融合、锐化处理
histogram equalization
遥感数据图像处理实验五、光谱增强处理
实验五、光谱增强处理（Spectral Enhancement）一、彩色合成（Natural Color）1.1真彩色合成真彩色合成就是模拟自然色彩对多波段数据进行合成，输出自然色彩图像，合成过程中的关键是三个输入波段光谱范围的确定，这三个波段依次是近红外（Near Infrared）、红(Red)、绿(Green)。
(1) SPOT图像真彩色合成：具体操作过程如下：（以c:\program files\ imagine 8.4\examples\spotxs.img为例）ERDAS IMAGINE 8.4图标面板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标面板工具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spectral Enhancement→打开Spectral Enhancement对话框→选择Natural Color→打开Natural Color对话框在Natural Color对话框中需要设置下列参数：→Input File (确定输入文件):spotxs.img→Output File (定义输出文件):spotnc.img→Input Band Spectral Range (确定输入光谱范围)NI:3;R:2;G:1→Output Data Type (输出数据类型):Unsigned 8 bit→选定Stretch Output Range（拉伸输出数据）→选定Ignore Zero in Stats（输出数据统计时忽略零值）→Coordinate Type (文件坐标类型):Map→Subset Definition (处理范围确定):ULX,ULY;LRX,LRY(缺省状态为整个图像范围)→单击Ok按钮（关闭Natural Color对话框，执行真彩色合成）(2) TM图像真彩色合成：具体操作过程如下：（以c:\program files\ imagine 8.4\examples\gy432.img为例）ERDAS IMAGINE 8.4图标面板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标面板工具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spectral Enhancement→打开Spectral Enhancement对话框→选择Natural Color→打开Natural Color对话框在Natural Color对话框中需要设置下列参数：→Input File (确定输入文件):gy432.img→Output File (定义输出文件):gync.img→Input Band Spectral Range (确定输入光谱范围)NI:3;R:2;G:1 →Output Data Type (输出数据类型):Unsigned 8 bit→选定Stretch Output Range（拉伸输出数据）→选定Ignore Zero in Stats（输出数据统计时忽略零值）→Coordinate Type (文件坐标类型):Map→Subset Definition (处理范围确定):ULX,ULY;LRX,LRY(缺省状态为整个图像范围)→单击Ok按钮（关闭Natural Color对话框，执行真彩色合成）1.2假彩色合成：任意三个波段输入到近红外(Near Infrared)、红(Red)、绿(Green)中,得到假彩色图像。
遥感图像光谱增强处理
成都信息工程学院Chengdu University of Information Technology遥感上机实验报告实验名称：遥感图像光谱增强处理指导老师：刘志红学生姓名：李同同学号：20090430531实验名称：遥感图像光谱增强处理2实验目的：分别进行主成份分析，主成份逆变换，主成份占总能量的百分比计算。
RGB-HIS 相互转换，图像融合，用MODEL MAKER 建模方式进行图像处理。
3实验原理：光谱增强是基于多光谱数据对波段进行变换达到图像增强处理，如主成分变换，独立主成分变换，色彩空间变换，色彩拉伸等。
4数据来源：数据时通过国际科学数据服务平台下载的攀枝花地区的TM图像，分辨率为30米，坐标系统为WGS—84各波段波长与分辨率5实验步骤5.1主成分分析主成分分析就是一种去除波段中间多余信息，将多波段图像信息压缩到比原来波段更有效的少数几个转换波段的方法。
第一主成分包含所有波段80%的方差信息，前三个主成分包含了95%以上的信息，由于各波段之间不相关，主成分波段可以生成更多颜色、饱和度更好的彩色合成图像。
5.1.1打开图像文件5.1.2在主菜单中，选择Transforms—Principal Components—Forward PC Rotation—Compute New Statistics and Rotate。
在Principal Components Input File对话框中，选择图像。
5.1.3在Forward PC Rotation Parameters对话框中在填写统计系数，输出统计文件及路线，波段数，输出文件的类型为Floating Point，单击Ok。
如下图：ENVI处理完毕后，将出现PC Eigen Values绘图窗口,如下图:第一、二分量有很大的特征值。
5.2主成分统计分析在主菜单中选择Basic Tools—Statistics—View Statistics File，打开主成分分析中的统计文件，可以得到各波段基本信息，协方差矩阵，相关系数矩阵和特征向量矩阵，如下图：5.3主成分逆变换选择Transforms—Principal Components—Inverse PC Rotation功能可执行主成分的逆变换。
遥感数字图像处理实验报告(五)
遥感数字图像处理实验报告（实验五）姓名：学号：班级：指导老师：1）项目名称：遥感图像光谱增强处理2）实验目的：实验ERDAS软件进行如下实验并掌握其操作方法1.主成份分析，主成份逆变换，主成份占总能量的百分比计算；2.RGB-HIS相互转换，图像融合，用MODEL MAKER 建模方式进行图像处理。
3）实验原理：ERDAS IMAGINE 是美国 ERDAS 公司开发的专业遥感图像处理与地理信息系统软件。
它是以模块化的方式提供给用户的，可使用户根据自己的应用要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。
本次试验所涉及的均为该软件有关图像运算的一些功能。
4）数据来源及数据基本信息：数据来自国际科学数据服务平台，Landsat5 2010年9月18日的图像，图像共7个波段，波段1-5和波段7的空间分辨率为30米，6波段（热红外波段）的空间分辨率为120米。
对应的波段、波长、分辨率、主要作用如表：图像采用的投影为WGS 84投影，条带号为122，行编号为36，覆盖豫东、皖北、苏北、鲁西四省交界地区。
5）实验过程：主成份分析（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 IMAGING 提供的主成份变换功能最大可以对含有256个波段的图像进行转换压缩。
具体步骤如下：Main —— image interpreter —— spectral enhancement —— principal comp ——principal components 对话框，并进行如下参数设置，如图：点击tools——edit text files 打开对话框，其中显示有各波段能量250.879945226353142.35099348637618.436418108432355.5777731988779483.2445004061740521.1614649640590940.7869031272060705使用计算器计算：250.879945226353 / (250.879945226353 + 142.350993486376 + 18.43641810843235 + 5.577773198877948 + 3.244500406174052 + 1.161464964059094 + 0.7869031272060705)= 250.879945226353 / 422.4379985174785145 = 59.388583912148413833934608092912%去相关拉伸（Decorrelation Stretch）：去相关拉伸是对图像的主成分进行对比度拉伸处理，而不是对原始图像进行拉伸，在操作时只需输入原始图像就可以了，系统将首先对原始图像进行主成分变换，并对主成分图像进行对比度拉伸处理，然后进行主成分逆变换，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。
遥感图像增强及光谱变换
1. 实验目的(1) 学习和掌握图像增强以及光谱变换的基本原理和方法。
掌握空间域、辐射域、光谱域增强的原理与方法步骤；掌握波段组合的原理与方法。
(2) 至少用一种图像增强方法对图像的一个波段进行增强处理，并使用K -L 变换进行波谱增强，并验证变换后各个分量之间不相关。
(3) 通过以上操作初步掌握图像光谱增强处理以及光谱变换的过程，进一步理解图像增强中不同增强方法的原理以及增强效果的差异。
2. 实验原理遥感图像的增强处理主要是指对遥感图像在成像或传输过程中所造成的某些信息衰减或降质的一些间接恢复或补偿处理。
根据处理的空间不同，常用的主要分为空间域增强和频率域增强两种类型。
2.1 空间域滤波空域滤波在方法上强调像元与周围像元间的关系，采用空间域邻域处理的方法，使处理像元及周围像元均参与处理过程。
(1) 平滑滤波：平滑滤波是低频增强的空域滤波技术，常用于模糊处理和抑制噪声。
包括均值平滑和中值平滑。
均值平滑是将每个像元在以它为中心的领域内取平均值，作为该像元的新亮度值。
其计算公式为：()()111,,M N m n g i j f m n MN ===∑∑ (2-1) 中值滤波是将以每个像元为中心的M×N 邻域内的所有像元按亮度值大小排序，用中值作为中心像元滤波后的亮度值。
其计算公式为：()()(){},,,,g i j median f i j i j M N =∈⨯ (2-2) 中值滤波对去除图像中的椒盐噪声，保持图像边缘非常有效。
(2) 边缘增强又叫锐化。
是突出地物的轮廓信息，一般采用微分运算来完成。
图像处理中常用微分运算方法有梯度法、拉普拉斯算子法和定向滤波方法。
2.2 波谱增强波谱增强的方法就是通过空间变换的方法，使波段间的信息得以分离或归并，从而突出主干信息，压缩部分冗余，以便后续的分析和解译。
K-L变换也称主成分分析，是在统计特征基础上多维正交线性变换，也是多波段图像处理中常用的一种变换技术。
- 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)。
→Principial Comp →Pincipal Components对话框，（图1.1.1）。
选择影像，忽略0值，期望输出主成分数量：7并勾选输出特征值和特征向量。
图1.1.1 主成份变换对话框
选择保存路径，保存主成份变换之后的影像、后缀名为.mtx的特征向量和后缀名为.tbl的特征值。
图1.1.2 主成份变换前影像
图1.1.2 主成份变换后影像
②查看七个单波段主成份变换后的影像。
图1.2.1 第一波段影像图1.2.2 第二波段影像图1.2.3 第三波段影像
图1.2.4 第四波段影像图1.2.5 第五波段影像图1.2.6 第六波段影像
图1.2.7 第七波段影像
2.①ERDAS 图标面板菜单条：Tools→Edit Txt Files，分别打开特征向量和特征值文件。
图1.2.1 主成份特征向量
图1.2.2 主成份特征值
②把特征值复制到ECXEL表格中计算百分比，可以看到第一主分量标准差分布最广，集中信息量最多，第二分量次之。
特征值百分比
868.4795153 80.94410239
149.9110022 13.9720181
40.51377151 3.775968013
5.7131775 0.53248006
4.347115382 0.405160221
3.125243136 0.291279179
0.847535218 0.07899205
合计：1072.93736 100
3.主成份逆变换
①进入ERDAS 图标面板菜单条：Image Interpreter→Spectral Enhancement →Principial Comp →Inverse Pincipal Components。
图2.3.1 主成份逆变换参数设置对话框
②即可得到原影像。
二、缨帽变换
①ERDAS 图标面板菜单条：Image Interpreter→Spectral Enhancement →Tasseled Cap →对话框（图2.1.1）
图2.1.1 缨帽变换对话框
②结果如图2.1.2
图2.1.2 缨帽变换结果影像
③查看单波段的前面三个波段，观察亮度、绿度和湿度的体现。
图2.3.1 TM影像第一波段（亮度）
图2.3.2 TM影像第二波段（绿度）
图2.3.3 TM影像第三波段（绿度）
三、IHS变换、RGB变换
①进入ERDAS 图标面板工具条Image Interpreter→Spectral Enhancement
→RGB to IHS→对话框，忽略零值。
图3.1.1 RGB to HIS 转换对话框
图3.1.2 RGB to HIS 转换结果
②进入ERDAS 图标面板工具条Image Interpreter→Spectral Enhancement →IHS to RGB→对话框，选择RGB to HIS 转换结果影像作为要转换的影像，忽略零值，实现逆变换。