线性变换、非线性变换、直方图均衡、直方图匹配
线性、非线性增强及直方均衡化
问题一1、内容图像线性对比度增强，测试图Fig69.bmp 2、原理通过进行像素点对点的，灰度级的线性映射，来抑制不重要的部分，扩展关心的部分的对比度。
根据Fig69.bmp 的灰度图（图1）可知应主要扩展低灰度区。
原理如图2图1图2得到较为合理的映射方程：200,0757520188,7520012535127.73,20025555f f g f f f f ⎧<≤⎪⎪⎪=+<≤⎨⎪⎪+<<⎪⎩3、方法及程序 clear all;A=imread('Fig69.bmp'); [row,col]=size(A); A1=double(A);fmax=max(max(A1)); fmin=min(min(A1)); for i=1:row for j=1:colif A(i,j)<75B(i,j)=(200/75)*A(i,j);elseif A(i,j)<200B(i,j)=(20/125)*A(i,j)+208;elseB(i,j)=(35/55)*A(i,j)+127.73;endendend%B=uint8(B);subplot(2,2,1),imshow(A),title('原图');subplot(2,2,2),imshow(B),title('线性对比度增强灰度图');subplot(2,2,3),imhist(A),title('原图灰度图');subplot(2,2,4),imhist(B),title('线性对比度增强灰度图');4、结果（截图说明）可以看出改进出对比度提升了不少。
从灰度图也可看出低灰度区得到了不小的扩展。
5、存在问题及分析高灰度区有一定程度的损失。
且映射不够光滑。
问题二1、内容图像非线性调整（对数，指数），分别用Fig69.bmp，Fig61.bmp测试。
图像灰度变换原理
图像灰度变换原理
图像灰度变换原理是指通过对图像的像素点进行灰度值的变换，从而改变图像的亮度和对比度。
灰度变换可以通过增加或减少像素值来改变图像的灰度级，并根据需求来调整图像的亮度和对比度。
灰度变换可以用以下数学公式表示：
g(x, y) = T(f(x, y))
其中，f(x, y)表示输入图像的灰度级，g(x, y)表示输出图像的
灰度级，T表示灰度变换函数。
常见的灰度变换函数有线性变换、非线性变换和直方图均衡化等。
线性灰度变换函数是最简单的一种灰度变换方式，通过对输入图像的每一个像素点应用一个线性方程来实现灰度的线性变换。
线性变换可以改变图像的对比度和亮度。
常见的线性灰度变换函数有平方根变换、指数变换和对数变换等。
非线性灰度变换函数则是通过对输入图像的每一个像素点应用一个非线性方程来实现灰度的非线性变换。
非线性变换可以实现更加复杂的灰度调整，例如增强图像的细节或者减少图像的噪声。
常见的非线性灰度变换函数有伽马变换和分段线性变换等。
直方图均衡化是一种特殊的灰度变换方法，通过对输入图像的
灰度级进行重新分配，使得输出图像的灰度级分布更加均匀。
直方图均衡化可以提高图像的对比度，使得图像的细节更加清晰。
总的来说，图像灰度变换原理是通过对图像的像素点进行灰度值的变换，来改变图像的亮度和对比度。
不同的灰度变换函数可以实现不同的灰度调整效果，根据需求选择合适的灰度变换方法可以获得满足要求的图像效果。
遥感与摄影测量试卷答案
1、遥感按遥感平台距离地面的高度大体上可分为地面遥感、__航空遥感、航天遥感与航宇遥感四种；按传感器的探测波段可分紫外遥感、可见光遥感、微波遥感、__红外遥感与多波段遥感；按工作方式分为主动遥感与__被动遥感。
2、图像增强的实质是增强感兴趣目标与周围背景图像间的反差，常用的方法有线性变换、直方图均衡、直方图正态化、直方图匹配、密度分割、图像灰度反转与其它非线性变换（如：对数变换、指数变换等）。
3、从摄影测量学的发展来看，可划分为三个阶段：模拟摄影测量、解析摄影测量与数字摄影测量。
4、航向重叠一般为60%~65% ，最小不得小于53% ，旁向重叠一般为30%~40% ，最小不得小于15% 。
航向、旁向重叠小于最低要求称航摄漏洞。
5、在摄影瞬间，地面点、摄影站点与像点应处在一条直线上，可是像片在摄影与摄影处理过程中，由于摄影物镜的畸变差、大气折光、地球曲率以及底片变形等因素的影响，地面点在像片中的像点位置发生移位，偏离了三点共线的条件。
一、名词解释（每题5分，共15分）1、图像融合：图像融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。
2、内方位元素：内方位元素指摄影中心与像片之间相关位置的参数，即主距（f）及像主点坐标（x0，y0）。
3、立体像对前方交会：由立体像对中两张像片的内、外方位元素与像点坐标来确定相应地面点的地面坐标的方法。
二、简答题（每题8分，共24分）1、简述遥感之所以能够根据收集到的电磁波来判断地物目标与自然现象的原理。
答：遥感之所以能够根据收集到的电磁波来判断地物目标与自然现象，是因为一切物体，由于其种类、特征与环境条件的不同，而具有完全不同的电磁波的反射或发射辐射特征。
2、简述遥感图像精纠正的主要方法。
答：遥感图像精纠正的主要方法有多项式法，共线方程法与随机场内插值法。
3、列举两种常用的高分辨率遥感卫星，说说它们的特点。
答：Ikonos：全色分辨率1米，多光谱分辨率3.28米，任一点重访周期3天，幅宽11km；Quickbird：全色分辨率0.61米，多光谱分辨率2.44米，纬度不同重访周期2-6天，幅宽16.5km；三、论述题（每题12分，共36分）1、结合下图中（a）、（b）的光谱曲线，简要论述植被的光谱特征。
matlab grey intensity变换
matlab grey intensity变换灰度图像是一种非常常见的图像类型，它由黑白颜色组成，通常用于图像处理和计算机视觉等领域。
在Matlab中，可以使用graythresh和im2bw等函数将图像转换为二值图像，但是在某些情况下，我们可能需要对图像的灰度进行操作，以更好地突出其特定特征或减少其噪音影响。
因此，本文将介绍Matlab中常用的灰度变换技术，包括线性变换、非线性变换和局部直方图均衡化等。
首先，我们在Matlab中读取一张灰度图像：```image = imread('lena.png');gray_image = rgb2gray(image);figure;imshow(gray_image)```接下来，我们将介绍三种常用的灰度变换方法。
1. 线性变换线性变换是最常见的图像灰度变换方法之一。
线性变换将每个像素的灰度值通过一个线性函数进行计算。
假设原始图像的最小灰度值为min_gray，最大灰度值为max_gray，线性变换函数为y = a * x + b，则新的灰度值f(x) = a * x + b（其中a和b是常数）。
通常，通过选择合适的a和b参数，可以将图像的整体对比度增强或减弱，使特定灰度级的像素更明显或更暗淡。
在这里，我们可以使用imadjust函数来实现线性调整：其中，第一个参数是原始图像，第二个参数是输入灰度值范围和输出灰度值范围之间的映射关系，第三个参数是调整后的输出灰度图像的范围。
非线性变换是一种更高级的图像灰度变换方法，它可以将输入像素的灰度映射到输出像素的非线性函数。
常用的非线性函数有幂律变换、对数变换和反相变换等。
（1）幂律变换幂律变换可以表达为新的灰度值f(x) = ax^γ（其中a和γ是常数，x是输入灰度值），主要用于改变图像的动态范围和对比度。
使用imadjust函数同样可以实现幂律变换：其中，第四个参数gamma设置为2表示进行二次幂变换。
数字图像处理技术解析
数字图像处理技术解析第一章：数字图像处理基础知识数字图像处理是一门研究如何处理和操作数字图像的学科。
数字图像是离散的表示了光的强度和颜色分布的连续图像。
数字图像处理技术可以应用于许多领域，如医学影像、机器视觉、遥感图像等。
1.1 数字图像表示与存储数字图像可以使用像素（pixel）来表示，每个像素包含一定数量的位元（bit），用于表示图像的灰度值或颜色信息。
常见的像素表示方法有灰度图像和彩色图像。
在计算机中，数字图像可以以不同的方式进行存储，如位图存储、压缩存储等。
1.2 数字图像处理的基本操作数字图像处理的基本操作包括图像增强、图像恢复、图像压缩和图像分割等。
图像增强可以改善图像的质量，使其更适于人眼观察或用于其他应用。
图像恢复是指通过去除图像中的噪声、模糊等不良因素，使图像恢复到原始清晰状态。
图像压缩可以减少图像的存储空间和传输带宽。
图像分割是将图像分成几个具有独立特征的区域，用于目标检测、目标跟踪等应用。
第二章：数字图像增强技术数字图像增强技术可以提高图像的质量和信息内容，使其更适合进行后续处理或人眼观察。
常用的图像增强方法包括灰度变换、直方图均衡化和空域滤波等。
2.1 灰度变换灰度变换是通过对图像的灰度值进行变换，来改变图像的对比度和亮度。
常见的灰度变换方法包括线性变换、非线性变换和直方图匹配等。
线性变换通过对灰度值进行线性和平移变换，可改变图像的对比度和亮度。
非线性变换使用非线性函数对灰度值进行变换，如对数变换、反转变换等。
直方图匹配是将图像的直方图变换为期望直方图，以达到对比度和亮度的调整。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强方法，可以通过对图像的直方图进行变换，使得图像的灰度分布更加均匀。
直方图均衡化可以增加图像的对比度，使得图像细节更加清晰。
该方法适用于灰度图像和彩色图像。
2.3 空域滤波空域滤波是一种基于像素的图像处理方法，通过对图像的局部像素进行加权平均或非线性操作，来改变图像的特征。
图像处理中的数学方法与算法
图像处理中的数学方法与算法图像处理是一门利用计算机技术对图像进行处理和分析的学科。
在图像处理的过程中，数学方法和算法起着至关重要的作用。
本文将介绍图像处理中常用的数学方法和算法，并探讨其在实际应用中的作用。
一、灰度变换灰度变换是图像处理中最基础的方法之一，用于改变图像的亮度和对比度。
常见的灰度变换算法包括线性变换、非线性变换和直方图均衡化。
线性变换通过调整像素值的线性关系，改变图像的亮度和对比度。
非线性变换则使用一些非线性函数，如对数函数和指数函数，来调整图像的像素值。
直方图均衡化是一种自适应的灰度变换方法，通过均衡化图像的直方图，提高图像的对比度。
二、滤波算法滤波算法用于图像的平滑和边缘检测。
平滑滤波器可以去除图像中的噪声，使图像更加清晰。
常见的平滑滤波器包括均值滤波器和高斯滤波器。
均值滤波器通过计算像素周围领域像素的平均值来平滑图像。
高斯滤波器则根据像素之间的距离来计算权重，从而进行平滑。
边缘检测算法可以提取图像中的边缘信息，常用的边缘检测算法包括Sobel算子、Prewitt算子和Canny算子。
三、变换算法变换算法包括傅里叶变换、小波变换和哈尔小波变换等，用于对图像进行频域分析和压缩。
傅里叶变换将图像从空域转换到频域，可以分析图像中的频率成分。
小波变换则可以同时提供图像的时间域和频域信息，具有局部性和多分辨率的特点。
哈尔小波变换是小波变换的一种特殊形式，可以将图像分解为低频和高频分量，实现图像的压缩和提取。
四、图像分割算法图像分割算法用于将图像分割为若干个不同的区域，以提取目标信息。
常见的图像分割算法包括阈值分割、区域生长和边缘检测法。
阈值分割是最简单的分割方法，通过设定一个阈值，将图像中的像素根据其灰度值进行分割。
区域生长算法则通过选择种子点，逐渐生长形成更大的区域。
边缘检测法可以利用边缘的不连续性将图像进行分割。
五、图像重建算法图像重建算法用于从图像的模糊或损坏版本中恢复原始图像。
常见的图像重建算法包括最小二乘法、逆滤波和基于模型的重建。
灰度变换算法原理
灰度变换算法原理
灰度变换是一种将图像的灰度级进行适当调整的方法，可以改善图像的对比度和亮度。
灰度变换的基本原理是将输入图像的每个像素点的灰度级通过某种函数进行映射转换，并得到输出图像的像素灰度级。
常用的灰度变换函数有线性变换、非线性变换和直方图均衡化等。
1. 线性变换：
线性变换是灰度变换中最简单的一种方法。
它通过一个线性函数将输入图像的灰度级映射到输出图像的灰度级。
线性变换的数学表达式为：
g(x,y) = a*f(x,y) + b
其中，g(x,y)为输出图像的像素灰度级，f(x,y)为输入图像的像素灰度级，a和b为常数。
2. 非线性变换：
非线性变换是通过非线性函数将输入图像的灰度级映射到输出图像的灰度级。
非线性变换可以对输入图像的不同灰度级进行不同的映射处理，从而调整图像的对比度和亮度。
常用的非线性变换函数有幂次变换、对数变换和指数变换等。
3. 直方图均衡化：
直方图均衡化是一种通过对输入图像的直方图进行变换，从而使得输出图像具有更均匀的灰度分布的方法。
通过直方图均衡化，可以增强图像的对比度，使得图像中细节更加清晰。
直方图均衡化的基本原理是将输入图像的累计分布函数映射到均匀
分布，使得输出图像的直方图近似均匀。
总结起来，灰度变换算法原理是通过对输入图像的灰度级进行适当调整，使用线性变换、非线性变换，或者直方图均衡化等方法，从而改变输出图像的灰度级，达到调整图像对比度和亮度的目的。
图像增强知识点总结
图像增强知识点总结在图像增强领域，有许多常见的方法和技术，比如灰度变换、直方图均衡化、滤波、锐化、维纳滤波等。
这些方法都有各自的特点和应用场景，下面我们将一一介绍这些知识点。
1. 灰度变换灰度变换是图像增强中最基本的方法之一，它通过对图像的灰度级进行变换，来改善图像的质量。
常见的灰度变换包括线性变换和非线性变换。
线性变换通常使用线性函数来对图像进行变换，而非线性变换则使用非线性函数。
2. 直方图均衡化直方图均衡化是一种常见的图像增强方法，它通过对图像的灰度分布进行重新分配，来增强图像的对比度和清晰度。
直方图均衡化可以有效地增加图像的动态范围，从而使图像更加有吸引力。
3. 滤波滤波是图像增强中常用的方法之一，它通过对图像进行滤波操作，来去除图像的噪声和增强图像的细节。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等，它们都有各自的适用场景和特点。
4. 锐化锐化是图像增强中常用的方法之一，它通过增强图像的边缘和细节，来使图像更加清晰和鲜明。
常见的锐化方法包括拉普拉斯锐化、梯度锐化等，它们都可以有效地改善图像的质量。
5. 维纳滤波维纳滤波是一种基于统计模型的图像增强方法，它通过对图像进行频域滤波操作，来去除图像的噪声和增强图像的对比度。
维纳滤波可以在去噪和保留图像细节之间取得平衡，从而使图像更加清晰和有吸引力。
6. 小波变换小波变换是一种常用的图像增强方法，它可以将图像分解成不同频率的子带，从而使图像的低频部分和高频部分可以分别进行增强。
小波变换可以有效地增强图像的细节和对比度，从而使图像更加清晰和有吸引力。
7. 自适应增强自适应增强是一种基于局部特性的图像增强方法，它可以根据图像的局部特点来选择适当的增强方法和参数。
自适应增强可以在不同的图像区域使用不同的增强方法，从而使图像在不同区域上都能得到最佳的增强效果。
总结来说，图像增强是图像处理领域中一个重要的研究方向，它可以帮助我们改善图像的质量、清晰度和对比度，使图像更加鲜明、有吸引力。
运用计算机视觉技术进行图像增强的方法分享
运用计算机视觉技术进行图像增强的方法分享图像增强是计算机视觉领域中的一个重要任务，它旨在通过调整图像的各种属性和特性，提高图像的质量和可视化效果。
计算机视觉技术在图像增强中扮演着关键角色，它提供了各种方法和算法来改善图像的亮度、对比度、清晰度等关键特性。
在本文中，我们将探讨几种常见的运用计算机视觉技术进行图像增强的方法。
一、灰度变换灰度变换是最简单但也是最常见的图像增强方法之一。
通过对图像像素的灰度级进行变换，可以调整图像的亮度和对比度。
常用的灰度变换方法包括线性变换、非线性变换和直方图均衡化。
线性变换是通过对每个像素进行乘法和加法操作来改变图像的亮度和对比度。
常用的线性变换方法有亮度调整和对比度拉伸。
亮度调整可以通过将每个像素乘以一个常数来增加或减少亮度。
对比度拉伸则通过对像素值进行线性伸缩来增加图像的对比度。
非线性变换通常涉及到像素值的幂次、指数、对数等运算。
这些操作可以用来调整图像的亮度和对比度，同时改变像素值的分布。
例如，幂次变换可以通过将每个像素值的幂次来调整图像的亮度和对比度。
指数变换则可以用来调整图像的亮度和增强细节。
直方图均衡化是一种常用的非线性灰度变换方法，它通过调整图像的灰度级分布来增强图像的对比度。
直方图均衡化可以使图像的灰度级更均匀地分布在整个灰度范围内，从而提高图像的可视化效果。
二、滤波器应用滤波器应用是另一种常见的图像增强方法。
滤波器可以通过对图像进行卷积操作来改变图像的特征和属性。
常用的滤波器包括平滑滤波器、锐化滤波器和边缘检测滤波器。
平滑滤波器主要用于降低图像的噪声和去除细节。
平滑滤波器通过计算周围像素的平均值或加权平均值来减少图像的噪声。
常用的平滑滤波器包括均值滤波器和高斯滤波器。
锐化滤波器用于增强图像的细节和边缘。
锐化滤波器通过计算图像中不同方向的梯度，从而增强图像中的边缘信息。
常用的锐化滤波器包括拉普拉斯滤波器和Sobel滤波器。
边缘检测滤波器用于检测图像中的边缘和轮廓。
遥感原理与应用第6章-遥感作业
第六章遥感图像辐射校正名词解释：辐射定标、绝对定标、相对定标、辐射校正、大气校正、图像增强、累积直方图、直方图匹配、NDVI、图像融合1、辐射定标：是指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。
2、绝对定标：建立传感器测量的数字信号与对应的辐射能量之间的数量关系，对目标作定量的描述，得到目标的辐射绝对值。
3、相对定标：又称传感器探测元件归一化，是为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。
最终得到的是目标中某一点辐射亮度与其他点的相对值。
4、辐射校正：是指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。
5、大气校正：是指消除大气对阳光和来自目标的辐射产生的吸收和散射影响的过程。
6、图像增强：为了特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。
7、累积直方图：以累积分布函数为纵坐标，图像灰度为横坐标得到的直方图称为累积直方图。
8、直方图匹配：是通过非线性变换使得一个图像的直方图与另一个图像直方图类似。
也称生物量指标变化，可使植9、NDVI：归一化差分植被指数。
NDVI=B7−B5B7+B5被从水和土中分离出来。
10、图像融合：是指将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。
问答题：1．根据辐射传输方程，指出传感器接收的能量包含哪几方面，辐射误差及辐射误差纠正内容是什么。
根据辐射传输方程，传感器接收的电磁波能量包含三部分：1）太阳经大气衰减后照射到地面，经地面发射后又经过大气的二次衰减进入传感器的能量；2）大气散射、反射和辐射的能量；3）地面本身辐射的能量经过大气后进入传感器的能量。
辐射误差包括：1）传感器本身的性能引起的辐射误差；2）大气的散射和吸收引起的辐射误差；3）地形影响和光照条件的变化引起的辐射误差。
辐射误差纠正的内容是传感器辐射定标和辐射误差校正等。
医学图像处理中的数据增强方法研究与实现
医学图像处理中的数据增强方法研究与实现随着科技的不断发展，医学图像处理技术正在不断提高。
在医学图像处理中，数据增强方法是一种常用的技术，它可以提高图像的质量，并帮助医生更准确地诊断病情。
本文将探讨医学图像处理中的数据增强方法的研究与实现。
一、医学图像处理的数据增强方法医学图像处理的数据增强方法是一种改善图像清晰度和对比度的技术。
在医学图像处理中，常用的数据增强方法包括：直方图均衡化、灰度级变换、滤波和图像增强等。
1. 直方图均衡化直方图均衡化是一种简单有效的数据增强方法。
其原理是将图像的直方图进行均衡化，增强图像的对比度和亮度，使图像更清晰。
直方图均衡化的过程可以通过以下公式来表示：$$h(v) = \frac{n_k}{n}$$$$s(v)=\sum_{k=0}^{v}h(k)$$$$z(i,j)=s(x(i,j))$$其中，$h(v)$表示像素值为$v$的点在整幅图像中出现的概率，$s(v)$表示像素值小于等于$v$的点所占的比例，$z(i,j)$表示均衡化后的像素值。
2. 灰度级变换灰度级变换是一种根据像素灰度值进行转换的方法。
常用的灰度级变换方法包括线性变换、非线性变换和分段线性变换等。
其中，线性变换可以通过以下公式来实现：$$g(x,y) = a*f(x,y)+b$$其中，$f(x,y)$表示原始的图像，$a$和$b$为常数。
3. 滤波滤波是一种去除图像噪声的方法。
常用的滤波方法包括均值滤波、中值滤波和高斯滤波等。
其中，高斯滤波可以通过以下公式来实现：$$H(u,v)=e^{\frac{-D(u,v)^2}{2D_0^2}}$$$$G(u,v)=H(u,v)F(u,v)$$$$g(x,y)=\frac{1}{MN}\sum_{u=0}^{M-1}\sum_{v=0}^{N-1}G(u,v)e^{j2\pi(ux/M+vy/N)}$$其中，$F(u,v)$表示图像的傅里叶变换，$H(u,v)$表示傅里叶域中的高斯滤波器，$g(x,y)$表示滤波后的图像。
灰度像处理原理
灰度像处理原理灰度图像处理原理1. 引言在数字图像处理中，灰度图像处理是一项重要的技术，通过调整像素的亮度值或色彩分布，可以达到图像增强、去噪和特征提取等目的。
本文将介绍灰度图像处理的原理及相关算法。
2. 灰度图像基础知识灰度图像由像素组成，每个像素代表图像中的一个点，其灰度值表示该点的亮度。
灰度图像处理是在不改变图像颜色的情况下，仅修改像素的亮度值来改变图像外观。
3. 灰度化灰度化是将彩色图像转换为灰度图像的过程。
常见的灰度化方法有平均法、加权法和色彩分量法。
其中，平均法是将彩色像素的红、绿、蓝分量取平均值得到灰度像素值；加权法则根据不同颜色通道的感知度给予不同权重；色彩分量法是将彩色像素的红、绿、蓝分量加权叠加得到灰度像素值。
4. 灰度变换灰度变换是通过对灰度图像的像素进行变换来增强图像的对比度或亮度。
常用的灰度变换方法有线性变换、非线性变换和直方图均衡化。
线性变换是通过对灰度像素的线性映射来调整亮度和对比度。
非线性变换通过定义不同的映射函数来调整像素的灰度值，例如对数变换和幂次变换。
直方图均衡化是通过调整像素灰度值的分布来提高图像的对比度。
5. 滤波滤波是通过对图像进行空域或频域滤波来实现图像增强或去噪。
常见的滤波方法有均值滤波、中值滤波和高通滤波。
均值滤波通过对像素周围区域的灰度值取平均来模糊图像。
中值滤波则通过对像素周围区域的灰度值取中值来去除椒盐噪声等离群点。
高通滤波则可通过对图像进行边缘检测和细节增强。
6. 阈值处理阈值处理是基于像素灰度值与预设阈值之间的比较来实现图像二值化或分割。
常见的阈值处理方法有全局阈值和自适应阈值。
全局阈值是将整个图像根据一个固定的阈值进行二值化或分割。
自适应阈值则根据局部区域的灰度值动态地调整阈值。
7. 灰度形态学灰度形态学是在灰度图像上进行形态学操作的一种方法。
常用的灰度形态学操作有腐蚀、膨胀、开运算和闭运算。
腐蚀操作用于缩小图像中的亮区域，膨胀操作则用于扩大图像中的亮区域。
遥感名词解释
遥感名词解释遥感名词解释1.模拟图像：空间坐标和明暗程度连续变化,计算机无法直接处理的图像,又称光学图像。
2.数字图像：指用计算机存储和处理的图像，是一种空间坐标和灰度均不连续的、用离散数学表示的图像。
数字图像的最小单元是像素。
3.遥感数字图像(digital image)：是以数字形式表述的遥感图像。
不同的地物能够反射或辐射不同波长的电磁波，利用这种特性，遥感系统可以产生不同的遥感数字图像。
4.电磁波谱：按电磁波在真空中传播的波长或频率，递增或递减排列，则构成电磁波谱。
5.反射波谱：地物反射电磁辐射的能力，随所反射的电磁波波长变化而变化。
如以横坐标表示波长的变化，纵坐标表示其反射率（或反射亮度系数）可构成反映反射光谱特性的曲线，称为反射光谱曲线。
6.高光谱图像：是指利用很多很窄的电磁波波段从感兴趣的物体中获取有关数据得到的遥感图像，波段多，波段范围一般<10nm。
7.高空间分辨率图像：空间分辨率<10m遥感图像。
8.遥感影像地图：以航空和航天遥感影像为基础，经几何纠正，配合数字线划图和少量注记，将制图对象综合表示在图面上的地图。
遥感影像地图具有一定的数学基础，有丰富的光谱信息与几何信息，又有行政界限和属性信息，直接提高了可视化效果。
9.遥感图像模型：传感器探测地物电磁波辐射能量所得到的遥感图像从理论角度归纳出的一个具有普遍意义的模型。
10.多源信息融合：将多种遥感平台、多时相、遥感数据之间以及遥感与非遥感数据之间的信息组合匹配的技术，复合后将更有利于综合分析，一般包括匹配和复合两个步骤。
11.像素：数字图像最基本的单位是像素，像素是A/D 转换中的取样点，是计算机图像处理的最小单元；每个像素具有特定的空间位置和属性特征。
像素值称为亮度值(灰度值/DN值)。
亮度值的高低由传感器所探测到的地物辐射强度决定。
由于地物反射或辐射电磁波的性质不同且受大气影响不同，相同地点不同图像（不同波段、时期、种类）的亮度值可能不同，因此灰度值是相对的，仅能在图像内部相互比较。
遥感课程名词解释
遥感课程名词解释Hao 名词解释⼴义遥感：是在不直接接触的情况下，对⽬标物或⾃然现象远距离感知的⼀种探测技术。
狭义遥感：应⽤探测仪器，不与探测⽬标相接触，从远处把⽬标的电磁波特性记录下来，通过分析处理，揭⽰出⽬标物的特征性质及其变化的综合性探测技术。
现代遥感：特指在航天平台上，利⽤多波段传感器，对地球进⾏探测及信息处理、应⽤的技术。
遥控：通过发射⽆线电波远距离来控制⽬标物体的姿态、运动轨迹、⽅位。
遥测：通过仪器远距离地测量物体所需的参数。
分为直接接触测量和⾮接触测量。
主动遥感：先由探测器向⽬标物发射电磁波，然后接收⽬标物的回射。
（雷达遥感）被动遥感：不由探测器向⽬标物发射电磁波，只接收⽬标物的⾃⾝发射和对天然辐射源的反射能量。
（航空摄影遥感）衍射：光通过有限⼤⼩的障碍物时偏离直线路径的现象称为光的衍射。
偏振：横波在垂直于波的传播⽅向上，其振动⽮量偏于某些⽅向的现象。
遥感信息获取：⼀般指收集、探测、记录地物的电磁波特征，即地物的发射、辐射或反射电磁波特性。
由于电磁波传播的是能量，实际上也是记录辐射能量的过程。
斯忒藩－玻⽿兹曼公式：绝对⿊体表⾯上，单位⾯积发出的总辐射能与绝对温度的四次⽅成正⽐，称为斯忒藩－玻⽿兹曼公式。
维恩位移定律：⿊体的绝对温度增⾼时，它的最⼤辐射本领向短波⽅向位移。
绝对⿊体：⼀个物体对任何波长的电磁辐射全部吸收太阳常数：指不受⼤⽓影响，在距离太阳⼀个天⽂单位内，垂直于太阳光辐射的⽅向上，单位⾯积单位时间⿊体所接收的太阳辐射能量：I⊙=135.3 mW/m2⽓溶胶粒⼦：是指悬浮在⼤⽓中的直径千分之⼀微⽶到⼀百微⽶的固体、液体位⼦。
⽶⽒散射：介质中不均匀颗粒的直径a与⼊射波长λ同数量级时，发⽣⽶⽒散射均匀散射：介质中不均匀颗粒的直径a>>⼊射波长λ时，发⽣均匀散射瑞利散射：介质中不均匀颗粒的直径a⼩于⼊射波长λ的⼗分之⼀时，发⽣瑞利散射⼤⽓屏障：有些⼤⽓中电磁波透过率很⼩，甚⾄完全⽆法透过电磁波。
直方图处理(均衡化与匹配)解析
0 r
上式表明，当变换函数为r的累积直方图函数 时，能达到直方图均衡化的目的。
对于离散的数字图像，用频率来代替概率 , 则 变换函数T(rk)的离散形式可表示为:
sk T (rk ) pr (rj )
j 0 j 0 k k
nj n
上式表明，均衡后各像素的灰度值 sk 可直接由 原图像的直方图算出。
一幅图像的sk与rk之间的关系称为该图像的累积灰 度直方图。
Pr(rk) 1.0 S(rk)
rk 1.0 1.0
rk
直方图均衡化的计算 直方图均衡化过程（算法）：
(1) 列出原始图灰度级rk；
0 1 1 2
0 1 1 2
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
3
3 3 5 7 7
k rk , k 0,1, , L 1 L 1 求得：rk=0,1/7,2/7, …, 6/7
3.3 直方图处理
一、灰度直方图 直方像图反映了图的像素的灰度分布是反映一幅图像 中的灰度级与出现这种灰度级的像素的概率之间关系 的图形。 直方图的横坐标为灰度级（用r表示），纵坐标是具 有该灰度级的像素个数或出现此灰度级的概率P(rk)。 设N（=a×b）为一幅图像中像素总数，nk为第k级灰 度的像素数；r k表示第k个灰度级。则： P(rk)= nk /N （归一化后k级灰度像素数） 定义：反映各灰度级出现频数的分布情况，进而反映 图像对（清晰）度，但不反映各灰度级的空间位置分 布。
像素映射操作方法
像素映射操作方法
像素映射操作方法指的是将一个或多个图像上的像素值映射到另一个图像上的一种操作方法。
以下列举常见的像素映射操作方法：
1. 线性映射：将原始图像上的像素值通过线性转换映射到新的像素值范围上。
线性映射常用的方法有线性缩放、线性拉伸和线性变换。
2. 非线性映射：将原始图像上的像素值通过非线性函数映射到新的像素值范围上。
非线性映射常用的方法有幂次变换、对数变换和指数变换。
3. 直方图均衡化：通过映射原始图像的像素值到新的像素值范围上，并调整像素值的分布，使得新图像的像素值具有较为平均的分布，增强图像的对比度。
4. 颜色映射：将图像从一种颜色空间映射到另一种颜色空间，例如从RGB空间到HSV空间的转换。
5. 图像融合：将两个或多个图像的像素值进行混合，生成一个新的图像。
常用的融合方式有逐像素融合、权重融合和像素平均融合。
6. 图像变形：通过调整图像的像素位置和插值方法，实现图像的形状变化或尺度变换。
以上是一些常见的像素映射操作方法，根据具体应用场景和需求，还可以采用其他特定的像素映射操作方法。
遥感原理与应用名词解释
1.电磁波: 变化的电场和磁场交替产生, 以有限的速度由近及远在空间内传播的过程。
2.干涉:由两个（或两个以上）频率、振动方向相同、相位相同或相位差恒定的电磁波在空间叠加时, 合成波振幅为各个波的振幅的矢量和。
因此会出现交叠区某些地方振动加强, 某些地方振动减弱或完全抵消的现象。
3.衍射:光通过有限大小的障碍物时偏离直线路径的现象。
4偏振:指电磁波传播的方向性。
5电磁波谱: 按电磁波在真空中传播的波长或频率递增或递减顺序排列。
6绝对黑体: 对任何波长的电磁辐射都全部吸收的物体, 称为绝对黑体。
绝对白体则能反射所有的入射光。
与温度无关。
7等效温度: 为了便于分析, 常常用一个最接近灰体辐射曲线的黑体辐射曲线作为参照, 这时的黑体辐射温度称为等效黑体辐射温度（或称等效辐射温度）。
8大气窗口：通过大气后衰减较小, 透过率较高, 对遥感十分有利的电磁辐射波段通常称为大气窗口。
而透过率很小甚至完全无法透过的电磁波称为“大气屏障”。
9遥感: 即遥远的感知, 是在不直接接触的情况下, 对目标或自然现象远距离探测和感知的一种技术。
10光谱发射率: 实际物体与同温度的黑体在相同条件下辐射功率之比。
11光谱反射率：物体的反射辐射通量与入射辐射通量之比, 它是波长的函数。
12波谱特性: 指各种地物各自所具有的电磁波特性（发射辐射或反射辐射）。
13反射波谱特性: 物体反射率（或反射辐射能）随波长变化而改变的特性。
14方向反射: 具有明显方向性的反射。
15漫反射: 入射能量在所有方向均匀反射。
16镜面反射: 当入射能量全部或几乎全部按相反方向反射, 且反射角等于入射角。
17波谱特性曲线：以波长为横坐标, 反射率为纵坐标所得的曲线。
18散射：电磁波在传播过程中遇到小微粒而使传播方向发生改变, 并向各个方向散开。
1近极地轨道: 卫星从南向北或从北向南通过两极运行。
2太阳同步轨道: 指卫星轨道面与太阳地球连线之间在黄道面内的夹角不随地球绕太阳公转而改变。
图像处理技术的图像亮度对比度调整技巧
图像处理技术的图像亮度对比度调整技巧图像处理技术是一门涉及数字图像处理和计算机视觉的学科，其应用广泛，包括图像增强、特征提取、目标检测等众多领域。
其中一个重要的任务是调整图像的亮度和对比度。
通过调整图像的亮度和对比度，可以改善图像的视觉效果，使其更加清晰明亮。
本文将介绍几种常用的图像亮度对比度调整技巧。
1. 线性变换法：线性变换法是最简单也是最常见的图像亮度和对比度调整方法。
它通过线性变换调整图像的亮度和对比度。
对于亮度调整，可以通过给图像的每个像素值增加或减少一个常数来实现。
例如，如果想增加图像的亮度，可以将图像中的每个像素值都加上一个正常数；反之，如果要减小图像的亮度，可以将图像中的每个像素值都减去一个正常数。
对于对比度调整，可以通过将图像的每个像素值乘以一个倍数来实现。
如果倍数大于1，可以增加对比度；反之，如果倍数小于1，可以减小对比度。
2. 直方图均衡化：直方图均衡化是一种常用的提高图像对比度的方法。
它通过重新分配图像的像素值，使得图像的直方图变得更加均匀。
具体而言，直方图均衡化通过计算图像中每个像素值的累积分布函数，并将其映射到一个均匀分布的像素值范围内。
这样可以使得图像中的灰度级更加均匀分布，从而增强图像的对比度。
3. γ校正：γ校正是一种通过非线性变换调整图像亮度的方法。
它是根据人眼对亮度的感知特性而提出的。
人眼对低亮度区域更加敏感，而对高亮度区域较不敏感。
因此，通过调整图像中每个像素值的幂次，可以改变图像的整体亮度。
具体而言，如果幂数大于1，可以增加亮度；反之，如果幂数小于1，可以减小亮度。
γ校正可以在显示设备上校正图像的亮度，也可以校正传感器上捕获的图像。
4. 自适应直方图均衡化：自适应直方图均衡化是直方图均衡化的一种改进方法。
它通过将图像分割成小的区域，并在每个区域内分别进行直方图均衡化，从而保留了图像的细节信息。
自适应直方图均衡化可以有效解决直方图均衡化在处理图像中包含大片相似区域时出现的过度增强或减弱对比度的问题。
- 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)。
线性变换、非线性变换、直方图均衡、直方图匹配2 图像滤波图像卷积运算平滑：均值平滑、中值滤波平滑锐化：梯度检测、边缘检测、定向检测3 彩色增强单波段彩色变换和多波段彩色合成4图像运算差值运算：两幅同样行、列数的图像，对应像元的亮度值相减就是差值运算。
比值运算：两幅相同行列数的图像, 对应像元的亮度值相除就是比值运算。
5多光谱变换其变换的本质:对遥感图像实行线性变换，使光谱空间的坐标按一定规律进行旋转。
K-L变换K-T变换1.教学时数2学时2.教学方式（手段）讲授法、演示法3.师生活动设计教师提问，学生回答。
4.讲课提纲、板书设计采用多媒体教学5.教学内容第五节遥感数据的融合图像融合是指把多源遥感数据按照一定的规则或算法进行处理, 生成一幅具有新的空间、光谱和时间特征的合成图像。
图像融合并不是数据间的简单复合, 其目的是: 突出有用信息, 消除或抑制无关信息; 增加解泽的可靠性, 减少识别目标的模糊性和不确定性, 为快捷、准确地识别和提取目标信息奠定基础。
1 多源遥感数据的融合多源遥感数据融合的基本过程包括图像选择、图像配准和图像融合三个关键环节。
图像融合时,需根据融合图像的类型、特点以及融合的目的,选择恰当的融合方法。
常用的融合方法主要有:基于加减乘除运算的融合,基于相关分析、主成分变换、小波分析以及基于IHS变换的融合等。
2 遥感数据与地学信息的融合地学信息与遥感数据的结合和相互印证, 则有助于对遥感图像特征的综合分析, 提高图像解译的科学性。
(1) 地学信息的预处理地学信息主要指各种专题地图和专题数据, 前者包括土地利用图、植被图、土壤图、等值线图等, 后者包括各种采样分析数据、野外测量数据、调查统计数据、 DEM数据等。
地学信息的预处理包括专题地图的数字化和专题数据的图像化。
地学信息的预处理实现了地学信息到数字图像的转换, 接下来就可以进行空间配准和融合处理了。
空间配准包括地学数据之间及地学与遥感数据之间的空间配准, 即运用图像处理技术, 将不同地学数据集配准到统一的地理坐标系统上, 形成以图像为基础的综合数据库。
在此基础上, 便可进行遥感数据与地学数据多种形式的融合。
第七章遥感图像的目视解译一、章节教案1.教学目标及基本要求（1）理解遥感图像目视解译与计算机解译；（2）掌握摄影像片的种类、解译标志及判读方法。
重点掌握热红外像片的判读；（3）掌握扫描影像（MSS,TM.SPOT）的特征、解译标志及判读方法；（4）掌握微波影像的特点、解译标志及判读方法；（5）了解目视解译的基本步骤2.教学内容及学时分配第一节目视解译的基本原理第二节目视解译的方法与程序（2学时）第三节不同类型遥感图像的解译（2学时）3.教学重点和难点重点：感图像目标地物识别特征、摄影像片的种类、解译标志及判读方法,扫描影像的种类、解译标志及判读方法、微波影像的特点、解译标志及判读方法、目视解译的基本步骤、遥感影像制图。
难点：扫描影像的种类、解译标志及判读方法、微波影像的特点、解译标志及判读方法。
4.教学内容的深化和拓宽利用ENVI软件和Landsat数据、雷达影像进行演示。
5.教学方式（手段）及教学过程中应注意的问题教学方式（手段）：讲授法、演示法教学过程中应注意的问题：注重培养从遥感的视角去审视熟悉的生活环境，初步学会目视解译的基本方法。
6.主要参考书目及网络资源《遥感技术基础与应用》，张安定等，科学出版社，2014。
《遥感导论》，梅安新，彭望琭，秦其明，等编著，北京：高等教育出版社，2001年。
《遥感概论》，彭望碌主编著，北京：高等教育出版社，2002年。
《遥感概论》修订版，吕国楷、洪启旺、郝允充等编著，北京：高等教育出版社，1995年。
《遥感应用分析原理与方法》，赵英时等编著.北京：科学出版社，2003年。
7.思考题和习题人们的日常生活的视角和遥感观测的视角有哪些差异？这种差异导致了观测结果的哪些异同？二、每课时单元教案1.教学时数2学时2.教学方式（手段）讲授法、演示法3.师生活动设计教师提问，学生回答。
4.讲课提纲、板书设计采用多媒体教学5.教学内容第一节目视解译的基本原理感图像解译 ( image interpretation) 是依据遥感图像所呈现的各种信息特征, 并通过综合分析、推理和判断, 识别地物信息或现象的过程。
遥感图像解译是遥感成像过程的逆过程, 即从遥感对地面实况的模拟图像中提取地物信息、反演地面原型的过程。
遥感图像解译是一个复杂的过程, 这个过程需要解译者具备专业知识、区域地理知识和遥感系统知识才能完成。
遥感图像解译有两种途径: 一种是目视解译, 也称目视判读或目视判译; 另一种是遥感图像的计算机分类, 也称自动分类。
本章主要介绍遥感图像的目视解译。
概念：目视解译是一种传统的解译方法, 它凭借人的眼睛 ( 也可借助光学仪器) ,依靠解译者的知识、经验和掌握的相关资料, 通过大脑分析、推理、判断, 提取遥感图像中有用的信息。
演变：早期以手工勾绘、手工转绘成图为技术手段目前发展为一种全新的人机交互式技术。
目视解译不仅能够综合利用图像的色调、颜色、纹理、形状、空间位置等多种图像特征, 而且还能把它们和解译者的经验知识以及其他非遥感数据资料结合起来进行综合分析,因而解译结果会更加真实可靠。
正因为如此, 目视解译仍然是当前遥感应用中不可替代的图像解译方法。
目视解译的主要依据是地物在遥感图像上的各种特征, 这些特征综合起来就是解译标志。
因此, 准确理解目标地物的图像特征并建立相应的解译标志, 是目视解译的关键。
1.地物的影像特征色：指目标地物在遥感影像上的颜色，包括色调、颜色和阴影。
形：指目标地物在遥感影像上的形状，包括形状、纹理、大小、图形等。
位：指目标地物在遥感影像上的空间位置，包括目标地物分布的空间位置、相关布局等。
色调：全色遥感图像中从白到黑的密度比例叫色调（也叫灰度）颜色：是彩色图像中目标地物识别的基本标志。
阴影：是图像上光束被地物遮挡而产生的地物的影子。
据此可判读物体性质或高度。
形状：目标地物在遥感图像上呈现的外部轮廓。
纹理：也叫内部结构，指遥感图像中目标地物内部色调有规则变化造成的影像结构。
大小：指遥感图像上目标物的形状、面积与体积的度量。
位置：指目标地物分布的地点。
图形：目标地物有规律的排列而成的图形结构。
相关布局：多个目标地物之间的空间配置关系。
2.解译标志及其可变性直接解译标志间接解译标志第二节目视解译的方法和程序1.目视解译的方法(1) 直接解译法直接解译法是指使用色调、颜色、大小、形状、阴影、纹理、图案等直接解译标志, 确定目标地物的属性与范围的一种方法。
(2) 对比分析法对比分析法是指通过对影像或地物之间的相互比较, 从而准确识别目标地物属性的一种方法。
对比的内容包括多波段的对比、同类地物的对比、空间的对比和多时相的对比。
(3) 信息复合法信息复合法是把遥感图像与专题地图、地形图等其他辅助信息源进行复合后, 根据专题地图或地形图提供的信息, 帮助解译者对遥感图像有更深入的理解, 从而更准确地识别图像上目标地物的一种方法。
(4) 综合分析法当使用某一解译标志很难辨认或区分目标地物时, 可以将多个解译标志结合起来, 或借助各种地物或现象之间的内在联系, 通过综合分析和逻辑推理, 间接判断目标地物或现象的存在或属性。
(5) 地理相关分析法地理相关分析法也称立地分析法, 是指根据地理环境中各种地理要素之间的相互依存、相互制约的关系, 借助专业知识进行遥感与地学综合分析, 推断某种地理要素的性质、类型、状况与分布的方法。
2.目视解译的基本程序(1) 准备工作阶段(2) 初步解译与野外调查(3) 室内详细解译(4) 野外验证与补判(5) 目视解译成果的转绘与制图3.影响目视解译效果的因素(1) 遥感图像的综合性(2) 地物的复杂性(3) 传感器特性的影响(4) 解译者自身条件的影响(5) 解译尺度的影响1.教学时数2学时2.教学方式（手段）讲授法、演示法3.师生活动设计教师提问，学生回答。
4.讲课提纲、板书设计采用多媒体教学5.教学内容第三节不同类型遥感图像的解译两种不同的显示方式。
(2) 真实孔径雷达的分辨率分辨率有距离分辨率和方位分辨率之分。
距离分辨率(range resolution)是指在雷达脉冲发射的方向上,能分辨的两个目标之间的最小距离。
–脉冲宽度越短,距离分辨率越高；–俯角越小,分辨率越高；–距离分辨率的大小与遥感平台的高度无关。
方位分辨率(azimuth resolution)是指在雷达飞行方向上能分辨的两点之间的最小距离。
2．合成孔径雷达合成孔径雷达的成像原理：合成孔径雷达是指用一个小天线作为单个辐射单元, 将此单元沿一直线不断移动, 在不同位置上接收同一地物的回波信号并进行相关解调压缩处理的侧视雷达。
这种雷达系统所接收到的来自移动的飞机或卫星上的雷达回波经计算机合成处理后, 能得到相当于从大孔径天线所获取的信号。
合成孔径雷达的分辨率：合成孔径雷达的距离分辨率与真实孔径雷达相同, 但由于使用了“合成天线”技术,相当于组成了一个比实际天线大得多的合成天线, 因此可获得更高方位分辨率的雷达图像。
合成孔径雷达的方位分辨率与距离无关, 只与天线的孔径有关。
天线的孔径越小, 方位分辨率越高, 这一点与真实孔径雷达正好相反。
1.教学时数2学时2.教学方式（手段）讲授法、演示法3.师生活动设计教师提问，学生回答。
4.讲课提纲、板书设计采用多媒体教学5.教学内容第三节雷达图像的几何特征雷达的成像原理决定了雷达图像的几何特征以及由此而引起的变形特点, 与摄影成像和扫描成像有着本质的不同, 了解并掌握这些几何特征和变形特点, 对分析和解译雷达图像具有重要意义。
1．斜距图像的比例失真比例尺是图像重要的几何特征。
雷达图像的比例尺有方位向比例尺和距离向比例尺之分。
方位向比例尺是指在平行于飞行航线方向 ( 也称航迹向) 上的图像比例尺。
距离向比例尺是指在垂直于航线方向的距离向上的图像比例尺。
一般来说, 方位向比例尺是个常数,它取决于胶片记录地物目标的卷片速度与飞机或卫星的航速。
而距离向的比例尺就要复杂多了, 这是因为雷达图像有斜距图像和地距图像两种不同的显示方式。
理解斜距和地距两种雷达图像的几何关系。
等距离的地面点在斜距图像上彼此间的距离都被压缩了,而且离雷达天线越近,压缩的程度越大, 这种现象称为斜距图像的近距离压缩或斜距图像的比例失真(scale distortion)。
近距离压缩现象造成了雷达图像在距离方向上比例尺的变化, 从而导致了图像的几何失真。
2．透视收缩现象山区和丘陵地区的雷达图像上,面向雷达一侧的山坡长度与其实际长度相比,明显变小了,这种图像被压缩的现象称为透视收缩(foreshortening)。