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。

2 比较理想低（高）通滤波器和Butterworth低（高）通滤波器处理效果，说明两者有何异同点。

相同点是：由傅里叶变换图以及低高通滤波器处理可以看出，高通滤波器主要是保留高频部分，滤除低频部分，可以对图像进行锐化处理。

而低通滤波则恰好相反，保留图像中的低频成分，滤除高频部分，也可以消除噪声，使图像边缘变得模糊。

不同点是：二者的程度不一样，同样是低通滤波处理，，Butterworth低通滤波器处理后的图像衰减较为连续，不想理想低通滤波器那样具有明显的不连续性。

同样是高通滤波处理，Butterworth高通滤波的锐化效果比Ideal高通滤波效果更好些，边缘的抖动现象也不是特明显。

3分别说明这三种光谱增强方法的处理效果及其应用意义
a)主成分变换的处理效果：由图可以得出，将TM的6个波段进行主成分变换后，得到信
息非常丰富的彩色图像。

而对主成分变换后的图像再进行逆变换处理，图像和原来的图像差别不是很明显，但仔细观察发现，原图像中的噪声已经被压制了。

主成分变换的应用：
在遥感图像分类中，利用主成分分析算法来消除特征向量中各特征之间的相关性，并进行特征选择。

还可以用来进行高光谱图像(Hyper-spectral images)数据的压缩和信息融合。

b)缨帽变换的处理效果：植被信息以及水体信息得到了明显的增强。

缨帽变换的应用：主要针对TM数据和曾经广泛使用的MSS数据。

它抓住了地面景物，分别是植被和土壤在多光谱空间中的特征，这对于扩大陆地卫星TM影像数据分析在农业方面
的应用有重要的意义。

既可以实现信息压缩，又可以帮助解译农作物特征，具有很大的实际
应用。

c)彩色空间增强变换（RGB to IHS变换）效果：变换后图像的颜色更为浓重，地物之间
的差掉更为明显。

彩色空间增强变换应用：
1)进行不同分辨率图像的融合
2)增强合成图像的饱和度
3)通过对强度I成分的处理进行图像增强
4)多源数据综合显示
5)对色调进行分段扩展以突出某一色调或加大某一范围内的色调之间的差异
6)色调不变，将亮度和饱和度置为常数，以突出地物色调在空间上的分布
7)将强度置为常数，色调和饱和度不变，可以减少地形起伏的影响，突出阴影部
分的地物信息。

8)。