遥感图像增强处理方法
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
遥感图像处理与分析算法综述
遥感图像处理与分析算法综述随着遥感技术的发展，遥感图像处理与分析算法在各个领域中得到了广泛的应用。
遥感图像处理与分析算法是指通过对遥感图像进行数字处理和分析，来提取和解释图像中的信息。
本文将综述一些常见的遥感图像处理与分析算法，包括图像增强、分类与分割等。
一、图像增强图像增强是指通过一系列的操作，提高图像的质量和可视化效果。
常见的图像增强算法包括直方图均衡化、滤波和增强函数等。
直方图均衡化是一种常用的图像增强方法，它通过对图像的直方图进行变换，来增加图像的对比度。
该方法通过将图像的像素值映射到一个新的分布上，从而改变图像的亮度分布。
滤波是另一种常见的图像增强方法，通过在图像的空域或频域中对像素进行处理，来减少噪声和增强图像细节。
常见的滤波算法包括高通滤波和低通滤波等。
高通滤波可以增强图像的边缘和细节，而低通滤波则能够平滑图像并去除噪声。
增强函数是一种通过对图像的像素值进行非线性映射，来增强图像的方法。
常见的增强函数包括对数变换、幂次变换和伽马变换等。
对数变换可以扩展暗部像素的动态范围，而幂次变换则能够增强图像的对比度。
二、分类与分割分类与分割是遥感图像处理与分析的重要内容，它们能够将图像中的不同对象进行区分和提取。
常见的分类与分割算法包括聚类分析、最大似然分类和支持向量机等。
聚类分析是一种通过将像素划分到不同的类别中，来实现图像分类和分割的方法。
常见的聚类分析算法包括K均值聚类和自适应聚类等。
K均值聚类将图像像素划分为K个簇，每个簇代表一个类别，而自适应聚类则能够根据像素的分布进行不同权重的划分。
最大似然分类是一种基于概率统计的图像分类方法，它通过计算像素在每个类别中的概率，并选择概率最大的类别作为最终的分类结果。
最大似然分类算法能够准确地对图像中的不同对象进行分类，并且具有较强的鲁棒性。
支持向量机是一种通过构建一个最优决策边界，来实现图像分类和分割的方法。
支持向量机利用训练样本，通过最大化分类边界与样本之间的距离，来找到一个最优的分类超平面。
遥感入门-遥感数字图像增强处理
或：
Lg g ( x, y ) f ( x, y ),
研究边缘灰度 级的变化，但 不受背景影响
只对边缘位置 感兴趣
f ( x, y ) g ( x, y ) Lb , L g ( x, y ) g Lb ,
直方图规定化
直方图规定化
T（xa）为原图像直方图均衡化的变换函 数,G(yc)为参考图像直方图均衡化的变换函 数,变换后的灰度值均为Zb,由上述可知
Z b T ( xa ) ha( xaj )
j 0 k k
Z b G ( yc ) hc( ycj )
j 0
yc G ( zb ) G [T ( xa )]
4
6 5 5 4 3 3
0.35
0.47 0.57 0.67 0.76 0.82 0.88
0.33
0.51 0.51 0.67 0.82 0.82 0.92
14 ／16
15 ／16 1
2
2 2
0.92
0.96 1
0.92
1.00 1.00
空域增强-邻域增强
• 邻域
对于图像中的某个像元f（x,y），把以像元为中心一定距 离内的像元集合Axy=｛x±p，y±q｝（p,q取任意整数） 叫做该像元的邻域。
用这种非线性的滤波，比邻域平均法可以在很大的程 度上防止边缘的模糊。
3
5
10 12 16
2
5
4
6
8
8
10 5
3 7
4
3
6
7
45 8
10 19
30 8
试用1*3和3*3的窗口对此进行中值滤波
遥感图像增强处理
第八章（4） 遥感图像增强处理一、彩色增强处理彩色合成变换：加色法密度分割：单波段的彩色：密度分割IHS 变换（一）彩色合成多波段彩色合成：利用计算机将同一地区三个波段的影像，分别赋予红、绿、蓝三原色，进行单基色变换（色阶），然后使各影像准确套合叠置显示，依照彩色合成原理，构成彩色合成影像。
分类：假彩色合成、真彩色合成真彩色合成：当三幅影像的工作波段分别为红、绿、蓝时，同时分别对应赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。
假彩色合成：（重点看）各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成标准假彩色合成：1、近红外波段赋予红色、红光波段赋予绿色，绿光波段赋予蓝色。
2、针对TM 影像的7个波段：第2波段是绿色波段、第3波段是红色波段、第4波段是近红外波段当4、3、2波段分别赋予红、绿、蓝色时，这一合成方案称为标准假彩色合成（二）假彩色密度分割单波段的假彩色密度分割：将单波段影像的像元值从小到大按照某种标准划分等级，每一级别赋予一种颜色，最终影像表现为彩色，这些色彩是人为加上的，与地物的天然色彩不一定相同，称为假彩色密度分割。
等密度分割：对像元数值从小到大划分为n 级，各级内含有的像元数大致相等时，称为等密度分割。
（三）IHS 变换HSI 代表色调、饱和度和明度（hue ，saturation,intensity ）。
色彩模式可以用近似的颜色立体来定量化。
定义：IHS 变换是RGB 颜色系统与HIS 颜色系统之间的变换。
具体方法 ：令IRIGIB ,下标max 为R ，G ，B 中最大值，下标min 为R ，G ，B 中最小值， IRIGIB 和Ｓ均为0-1的实数，Ｈ为0-360的实数。
则有明度： 2/)(min max I I I +=饱和度：5.0≤I )/()(min max min max S S S S S +-=5.0>I )11/()(min max min max S S S S S -+--=色调：min max H H H -=∆如果max H H R =，则]/)[(60H H H H B G ∆-=，位于黄和品红之间如果max H H G =，则]/)(2[60H H H H R B ∆-+=，位于青和黄之间如果max H H B =，则 ]/)(4[60H H H H G R ∆-+=，位于品红和蓝之间二 、光谱增强处理（一）反差增强线性变换，非线性变换，直方图增强⏹ 通过修改各种像元值来改善影像对比度，从而改变影像质量的处理方法。
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
遥感图像处理的基本步骤和技巧
遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。
遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。
本文将介绍遥感图像处理的基本步骤和技巧。
一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。
常见的图像预处理技术包括辐射校正、大气校正和几何纠正。
辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。
大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。
几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。
二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。
常见的图像增强技术包括直方图均衡化、滤波和波段变换。
直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。
滤波是通过应用各种滤波器来去除图像中的噪声和模糊。
波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。
三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。
常见的特征提取技术包括阈值分割、边缘检测和纹理分析。
阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。
边缘检测是寻找图像中的边界线，以辅助划分地物边界。
纹理分析是通过提取图像的纹理特征来描述地物的空间结构。
四、分类与识别分类与识别是将特定地物进行分类和识别的过程。
常见的分类与识别技术包括监督分类、无监督分类和目标检测。
监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。
无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。
目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。
五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。
通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。
遥感图像增强处理
第一部分图像锐化图像锐化是突出边缘信息、或图像中线状地物的信息。
本部分所用数据：ftp://redearth@210.27.226.200/dzja/digitalgraph/05%20遥感图像增强处理/文件夹下的“美国的空军基地.jpg”和“上海浦东.jpg”。
1、使用robert梯度进行图像锐化打开：上海浦东.jpg文件，在ENVI主菜单中，选择filter—convolutions and morphology察看robert梯度锐化的结果。
2、使用拉普拉斯算法进行图像锐化打开：上海浦东.jpg文件，在ENVI主菜单中，选择filter—convolutions and morphology察看拉普拉斯算子锐化的结果。
比较robert梯度和拉普拉斯算法锐化结果的异同；换幅影像（美国空军基地.jpg）锐化比较；尝试使用自定义算子锐化影像。
第二部分遥感数据融合数据融合是将多幅影像组合到单一合成影像的处理过程。
通常使用高分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。
本部分所用数据：ftp://redearth@210.27.226.200/dzja/digitalgraph/envidata/lontmsp/文件夹下的“lon_spot”（伦敦地区spot影像）和“lon_tm”（伦敦地区tm影像）。
方法1、ENVI中手动融合1、打开伦敦地区的TM和spot影像，并显示2、调整两幅影像大小一致，对tm影像乘以系数3、拉伸spot影像亮度由原来的0-1024到0-1，以适应HSV-RGB变换中v的取值要求。
4、将调整大小后的TM影像由RGB变换为HSV5、进行HSV至RGB的转换，其中H和S分别选RGB至HSV转换后的TM的H和S，V 选则拉伸后的SPOT影像。
6、将融合后的影像显示，并与融合前的TM影像和SPOT影像比较，看看其空间分辨率和光谱信息发生什么变化。
注意：在影像融合中，待融合影像的大小需要事先准备一致，如果待融合影像有地理参考该如何做？思考。
遥感图像的增强处理
目的：通过上机操作，掌握彩色变换增强，空间域增强，频率域增强，多光谱变换增强等几种遥感图像增强处理的过程和方法，加深对遥感图像增强处理的理解。
实验内容：彩色合成；对比度变换增强；空间滤波增强；频率域增强；图像运算；主成分变换。
一、彩色合成
根据加色法彩色合成原理，选择遥感图像的三个波段，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。
锐化：interpreter—spatical enhancement—convolution（索伯尔）以T1为例。 New为自己新定义一个模板，在Xsize与Ysize中定义，以默认的3为例，在窗口中的行列中输入T1（突出线状地物，为水平方向线性地物）点file中的librarian中的name中命名“suoboer”点save后close，发现自定义的suoboer已出现 在convolution窗口中的kernel下，点击suoboer，再在output file中命名。
（1）索伯尔梯度
1 2 1 -1 0 1
T1= 0 0 0 T2= -2 0 2
-1-2-1 -1 0 1
（2）拉普拉斯算法（有利于提取边缘信息）
0 1 0
T（m，n）=1-4 1（同时突出横、纵向，但边界是断断续续
标准假彩色合成：
TM2(绿波段)赋予蓝
TM3（红波段）赋予绿
TM4（近红外波段）赋予红；
步骤：配准--------合成
空间位置上配准（通过几何校正进行配准）
做一标准假彩色合成（选影像tm2、3、4）
首先将tm2、3、4打开看是否能直接合成（投影坐标是否一样，若不一样则需配准后才能合成）
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
• E直方图均衡化模式
其中:
直方图均衡化模式代码
I = imread('tire.tif'); J = histeq(I); imshow(I) figure, imshow(J) figure,imhist(I,64) figure,imhist(J,64)
%另注:还有直方图规定化模式
• F图像间的代数运算模式
axis tight,xlabel('f'),ylabel('g')
X2=double(X1);
figure,imshow(mat2gray(g))
%变换矩阵中的每个元素
• b图像求反
EH如图
图像求反代码：
X1=imread('2zong.jpg'); figure,imshow(X1)
f1=200;%f1和 g1分别为f，g的最大值 g1=256;
for i=1:m for j=1:n f=X2(i,j); g(i,j)=0;
if (f>=0)&(f<=f1) g(i,j)=r1*f+b1; elseif (f>=f1)&(f<=f2) g(i,j)=r2*f+b2;
r1=(g1-g0)/(f1-f0);
elseif (f>=f2)&(f<=f3)
绿滤片：
绿无绿 无 黄 青无 无
蓝滤片：
蓝 无 无 蓝 无 青 品红 无
合成： 红 红 无 无 黄 无品红 无 绿 无 绿 无 黄 青 无 无
蓝 无 无 蓝 无 青品红 无
恢复原来色彩：白 红 绿 蓝 黄 青 品红 黑
一、遥感图像数字增强意义
遥感图像处理的基本方法与算法解读
遥感图像处理的基本方法与算法解读一、引言遥感技术是通过人工卫星、航空器或其他遥感平台获得地球表面信息的一种手段。
遥感图像处理则是遥感技术的重要应用领域之一。
本文将介绍遥感图像处理的基本方法与算法，探讨其原理和应用。
二、遥感图像预处理遥感图像预处理是遥感图像处理的第一步，主要目的是去除图像中的噪声和干扰，提高图像的可用性。
常用的图像预处理方法包括边缘增强、直方图均衡化和空间滤波。
1. 边缘增强边缘增强是通过提升图像边缘信息的方法来提高图像质量。
其中常用的边缘增强算法有Sobel算子、Prewitt算子和Laplacian算子。
这些算子能够检测出图像中的边缘特征，从而使图像更加清晰。
2. 直方图均衡化直方图均衡化是一种通过调整图像亮度分布来增加对比度的方法。
通过对图像的灰度直方图进行变换，使得图像中的像素分布更加均匀，从而使得图像更加清晰和易于分析。
3. 空间滤波空间滤波是一种常用的图像平滑方法，通过对图像进行滤波操作，可以去除图像中的噪声和干扰。
常用的空间滤波算法有均值滤波、中值滤波和高斯滤波。
三、遥感图像分类遥感图像分类是根据图像中的像素值进行分类的过程。
常用的图像分类方法包括基于像素的分类和基于对象的分类。
1. 基于像素的分类基于像素的分类是一种将图像中的每个像素都分配到一个类别中的方法。
常用的基于像素的分类算法有最大似然分类算法、支持向量机和人工神经网络。
这些算法能够根据像素的特征进行分类，从而对图像进行分割和分析。
2. 基于对象的分类基于对象的分类是将图像中的相邻像素聚合成一组对象，然后根据对象的特征进行分类的方法。
常用的基于对象的分类算法有基于区域的分类和基于形态的分类。
这些算法能够更好地保留图像中的空间信息，从而提高分类的准确性。
四、遥感图像变化检测遥感图像变化检测是通过比较多幅遥感图像之间的差异，来检测地表发生的变化情况。
主要应用于城市规划、环境监测和资源管理等领域。
1. 基于像素的变化检测基于像素的变化检测是一种将多幅遥感图像像素级别进行比较的方法。
如何进行遥感影像的融合和增强处理
如何进行遥感影像的融合和增强处理遥感影像处理是指通过对卫星、无人机或其他遥感设备获取的影像进行处理和分析，进而提取有用信息的过程。
遥感影像的融合和增强是其中重要的一环，可以提高图像的分辨率、减少噪声、增强特定的目标等，从而更好地满足实际应用的需求。
一、遥感影像融合的基本原理和方法遥感影像融合是指将多源、多波段的遥感影像合并成一幅新的影像，以获取更全面、更准确的信息。
常见的融合方法有色彩合成和分辨率合成两种。
色彩合成是将不同波段的遥感影像以某种方式进行组合，以表现出不同目标的物理特性。
常见的色彩合成方法有RGB合成、主成分分析法等。
RGB合成是将红、绿、蓝三波段的图像分别分配给红、绿、蓝三个通道，以达到表现亮度和色彩的效果。
主成分分析法则是通过对多波段影像进行主成分分析，提取出最具代表性的主成分图像，再将其染成真彩色图像。
分辨率合成是通过将低分辨率的遥感影像与高分辨率的影像进行融合，以提高图像的细节信息。
常用的分辨率合成方法有小波变换法、多尺度变换法等。
小波变换法是指将影像信号分解到不同的尺度上，再根据不同尺度上的细节信息进行图像融合。
多尺度变换法则是通过将低分辨率图像进行插值或补全，使其与高分辨率图像尺寸一致，再进行融合。
二、遥感影像增强的基本原理和方法遥感影像增强是指通过某种处理方法，提升影像的视觉效果、减少噪声、增强特定目标等。
下面介绍几种常用的增强方法。
直方图均衡化是一种常用的图像增强方法，通过对影像的直方图进行重分布，增加图像的对比度。
直方图均衡化可分为全局均衡化和局部均衡化两种。
全局均衡化是对整幅图像的直方图进行均衡化处理，适用于图像对比度较低、灰度级分布不均匀的情况。
局部均衡化则是将图像分为若干个小块，对每个小块的直方图进行均衡化，适用于目标细节丰富、不同区域具有不同对比度的图像。
滤波方法也是一种常用的图像增强方法，通过滤除或抑制图像中的噪声，增强图像的细节信息。
常见的滤波方法有均值滤波、中值滤波、高通滤波等。
envi遥感图像的处理之图像的增强
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。
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。
第五章遥感图像增强
4、图像增强的方法
数字增强处理
采用数字图像计算机系统进行 优点：快速、功能全，能应用光学方法无法 进行的一些算法对图象增强。
光学增强 采用光学仪器进行
优点：直观、方便、快速、操作方法容易掌 握、耗资较少； 缺点：光学增强仪器对各种增强方法的适应 性比数字处理设备要差。
真彩色合成(true color composite) 合成结果为真彩色，符合人眼观察习惯；
假彩色合成(false color composite)
合成结果与实际景物颜色不对应或缺失某 一色光，彩色鲜明，特征突出。
真彩色合成
假彩色合成
3）彩色合成方法
按合成机制不同，分为： 加色法和减色法 二者均以色彩混合原理为依据。
例如：
y a ln(x 1) c ln b
用（x＋1）是为了避免对0求对数
参数b用于改变对数的底
a和c用于调节数值范围。
对数扩展的效果：
➢ 着重扩展了亮度值低的部分
➢ 相对压缩了亮度值高的部分
（3） 指数扩展（exponent stretch）
指数扩展的一般形式： y＝bax
其中：b为底，常用b＝e。因x可能达 到127或255，故a须远小于1，否则y值可 能非常大。
大气散射作用又使影像的反差更为降低。 使得研究对象模糊不清。
3. 对比度增强分类
对比度增强可分为线性和非线性两种。
1）线性扩展（linear stretch）
将原始图象诸亮度值按线性关系进行扩 大，亮度范围可扩展为任意制定的范围。相 当于进行y＝ax＋b的变换。 （1）普通线性扩展
直接应用上述单一的线性关系。
ENVI遥感图像增强处理
ENVI遥感图像增强处理任务五图像增强⽬录1.空间域增强处理 (1)1.1卷积滤波 (1)2.辐射增强处理 (2)2.1交互式直⽅图拉伸 (2)3.光谱增强处理 (4)3.1波段⽐的计算 (4)3.2⾊彩空间变换 (5)3.3NDVI计算 (6)4.傅⾥叶变换 (6)4.1快速傅⾥叶变换 (6)4.2定义FFT滤波器 (7)4.3反向FFT变换 (8)5.波段组合 (8)5.1RGB合成显⽰ (8)图像增强的主要⽬的是提⾼图像的⽬视效果，以便处理结果图像⽐原图像更适合于特定的应⽤要求，⽅便⼈⼯⽬视解译、图像分类中的样本选取等。
ENVI图像增强的内容主要包括：●空间域增强处理●辐射增强处理●光谱增强处理●傅⾥叶变换●波段组合1.空间域增强处理空间域增强处理是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。
1.1卷积滤波卷积滤波是通过消除特定的空间频率来增强图像。
它们的核⼼部分是卷积核，ENVI提供很多卷积核，包括⾼通滤波、低通滤波、拉普拉斯算⼦、⽅向滤波、⾼斯⾼通滤波、⾼斯低通滤波、中值滤波、Sobel、Roberts，还可以⾃定义卷积核。
使⽤数据：lena.jpg具体操作：通过尝试ENVI提供的各种图像增强算⼦，观察⽐较图像增强的效果。
（1）打开图像⽂件lena.jpg。
（2）在主菜单中，选择Filter→Convolutions and Morphology。
（3）在Convolutions and Morphology Tool中，选择Convolutions→滤波类型。
（4）不同的滤波类型对应不同的参数，主要包括三项参数：●Kernel Size（卷积核的⼤⼩）卷积核的⼤⼩，以奇数来表⽰，如3×3、5×5等，有些卷积核不能改变⼤⼩，包括Sobel和Roberts。
●Image Add Back（输⼊加回值）将原始图像中的⼀部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。
卫星图像遥感处理中的图像增强和目标检测算法研究
卫星图像遥感处理中的图像增强和目标检测算法研究图像增强和目标检测是卫星图像遥感处理中的两个关键任务，它们在提高图像质量和提取目标信息方面具有重要意义。
本文将从图像增强和目标检测两个方面进行详细研究，介绍常见的算法和技术，并探讨它们在卫星图像遥感处理中的应用。
一、图像增强算法研究图像增强的目标是改善图像的视觉质量和可读性，使得图像中的细节更加清晰、对比度更强、噪声更少。
主要的图像增强算法包括直方图均衡化、自适应直方图均衡化、灰度拉伸等。
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，它通过调整图像的灰度直方图来扩展图像的动态范围。
具体而言，直方图均衡化将像素的灰度值按照一定的规则进行映射，使得图像中的亮度分布更加均匀。
这种方法能够增强图像的整体对比度，但可能导致图像的细节丢失。
2. 自适应直方图均衡化自适应直方图均衡化是对直方图均衡化的改进，它将图像分成多个小块，并对每个小块进行直方图均衡化。
这种方法能够在增强图像对比度的同时，保留更多图像的细节信息。
3. 灰度拉伸灰度拉伸是一种通过设置灰度级范围来增强局部对比度的方法。
这种方法通过将图像的灰度范围进行压缩或拉伸，使得图像中的细节更加清晰可见。
二、目标检测算法研究目标检测是卫星图像遥感处理中的关键任务，其目标是自动地在图像中定位和识别感兴趣的目标。
常见的目标检测算法包括基于滑动窗口的方法、基于卷积神经网络（CNN）的方法等。
1. 基于滑动窗口的方法基于滑动窗口的方法是一种经典的目标检测算法，其基本思想是在图像上滑动一个固定大小的窗口，并使用分类器来判断窗口内是否包含目标。
这种方法简单直观，但在实际应用中存在着计算复杂度高、目标尺度变化等问题。
2. 基于卷积神经网络的方法基于卷积神经网络的方法在目标检测领域取得了很大的突破，如今已成为最常用的目标检测算法之一。
这种方法通过在卷积神经网络中引入检测头和回归头，实现对目标的位置和类别的同时预测。
由于神经网络的强大特征提取和表达能力，这种方法在目标检测精度和速度方面都有了显著提高。
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。
- 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)。
遥感图像增强处理方法
在进行遥感图像的增强处理前，应先经行预处理：几何校正和辐射校正（当然，如果你拿到的图像已被预处理过了，就没有必要了）
遥感图像的增强处理方法有光学增强处理和数字图像增强处理（就是大部分要和电脑打交道的），现在由于电脑的普及，多是用电脑处理数字图像。
数字图像的处理方法有很多种，这要取决于你的目的。
数字图像增强和变换：对比度增强（在erdas等数字图像处理软件中很容易就能实现的）；图像波段间的比值（包含各波段间的加减运算，可以消除地形和大气的部分影响）及各种指标提取（比如NDVI等用于植被的计算）；主成分分析（在原图像的基础上通过坐标空间的变换，消除冗余信息）；缨帽变换（多用于农业上）；
数字图像分类：监督分类；非监督分类；。