遥感第六章遥感图像处理图像增强
《遥感图像及其增强》课件
遥感图像处理基础
数字图像处理基础
深入了解数字图像的表示、存储以及常用的图像 增强方法。
遥感图像处理的基本步骤
从预处理到特征提取和分类识别，掌握遥感图像 处理的关键步骤。
遥感图像增强方法
线性增强
• 通过调整图 像的对比度 和亮度来增 强图像细节。
非线性增强
• 采用灰度映 射函数来增 强图像的特 定区域。
直方图均衡化
• 通过重新分 布图像的像 素强度来增 强图像的整 体对比度。
基于滤波的增强
• 利用滤波器 对图像进行 平滑或锐化 处理，以增 强细节。
遥感图像分类与识别
1
特征选择与提取
选择合适的特征并提取它们，以用于图像分类和识别。
2
基于图像内容的分类
通过分图像的内容和特征，将图像归类到不同的类别。
EASI/PACE软件
EASI/PACE是一套易学易用 的遥感图像处理软件，适 合初学和教学用途。
实例演示与应用案例
遥感图像的基本处理与 增强
以实际例子演示遥感图像的处 理和增强技术。
遥感图像的分类与识别
展示如何利用遥感图像进行分 类和目标识别。
遥感图像在土地资源调 查中的应用案例
介绍遥感图像在土地资源调查 中的应用场景和成果。
遥感图像及其增强
遥感图像及其增强是一个重要的课题，我们将一起探索遥感图像的概念、分 类，以及常用的增强方法和处理软件。让我们开始这段精彩的旅程吧！
遥感图像的概念与分类
遥感图像的定义
遥感图像是利用航空器或卫星等遥感设备获取的地面信息的影像。
遥感图像分类
根据成像分辨率、波段数目和成像时间等因素对遥感图像进行分类。
3
基于目标的分类
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。
遥感第六章遥感图像处理图像增强
锐化
–拉普拉斯算法 有时，也用原图像的值减去模板运算结果的 整倍数，即：
r' (i, j) f (i, j) kr(i, j)
r(i,j)为拉普拉斯运算结果。 这样的计算结果保留了原图像作为背景，边 缘之处加大了对比度，更突出了边界位置。
锐化
–定向检测
当有目的地检测某一方向的边、线或纹理特征时，
–罗伯特梯度
锐化
t1＝
10 0 －1
可以近似地用模板计算，其公式表示为
| gradf || f (i, j) f (i 1, j 1) |
| f (i 1, j) f (i, j 1) |
t2＝
0 －1 10
相当于取窗口2×2大小，用模板t1作卷积计算后取绝对值 加上模板t2计算后的绝对值。计算出的梯度值放在左上角 的像元f（i，j）的位置，成为r（i，j）。这种算法的意
义在于用交叉的方法检测出像元与其邻域在上下之间或左
右之间或斜方向之间的差异，最终产生一个梯度影像，达
到提取边缘信息的目的。有时为了突出主要边缘，需要将
图像的其他亮度差异部分模糊掉，故采用设定正阈值的方
法，只保留较大的梯度值来改善锐化后的效果。
锐化
–索伯尔梯度 是罗伯特梯度方法的改进，模板变为
121 t1＝ 0 0 0
1 3
xa
② xb 2xa 10
③
xb
3 4
xa
15 4
变化前亮度值 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
变化后亮度值 0 0 1 1 1 2 2 4 6 8 10 12 13 14 14 15
非线性变换
当变换函数是非线性时，即为非线性变 换。非线性变换的函数很多，常用的有 指数变换和对数变换。
遥感图像及其增强课件
图像增强: 点运算增强
• 灰度级变换的应用( 2)
– 局部提高、局部降低对比度
– 大于45度提高；小于45度降低
255
255
216
线性
142
非线性
23
0
48
0 196 255
128
255 37
图像增强: 点运算增强
• 灰度级变换的应用( 3)
– 灰度级切片(密度分割，彩色编码(伪彩 色))
255
7
图像及其直方图示例
8
直方图定义(2)
一个灰度级别在范围[0 ，L-1]的 数字图像的直方图是一个离散函数
• p(rk)= nk
• 由于rk 的增量是1，直方数可表示为： • p(k)= nk
• 即，图像中不同灰度级像素出现的次数
9
• 两种图像直方图定义的比较
• p(rk)= nk/n (第一种定义) • p(rk)= nk (第二种定义)
255
255
216
142
23
0
0
32
图像增强: 点运算增强
• 获取变换函数的方法( 2)
– 交互样点插值
• 用过点的三次样条插值曲线，获得变换函数
Photoshop软件调整图 像
33
图像增强: 点运算增强
• 灰度级变换的应用(1)
– 亮度调整——加亮、减暗图像
255
255
218
加 亮
32
128
128
排列 2 、BIL (Band Interleaved by line)格式 按波段顺序相间的排列各行像元数据。 3 、BIP (Band Interleaved by Pixel)格式 按波段顺序相间的排列各列像元数据
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）
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。 ，
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
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。
遥感图像处理_图像增强
sk舍入 1/7 3/7 5/7 6/7 6/7 1 1 1
直方图均衡化
3. 重新命名sk，归并相同灰度级的象素数。
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图均衡化 灰度动态范围扩展
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图匹配
修改一幅图象的直方图，使得它与另一幅图象的 直方图匹配或具有一种预先规定的函数形状。
非线性亮度变换 指数效应
© 中国科学院遥感应用研究所
直方图调整法-直方图
直方图:表示数字图象中的每一灰度级与其出现的频率(该灰 度级的象素数目)间的统计关系,用横坐标表示灰度 级, 纵坐标表示频数(也可用概率表示)。
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
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。
遥感图像的增强处理
遥感图像的增强处理一、实验目的通过上机操作，了解空间增强、辐射增强、光谱增强几种遥感图像增强处理的过程和方法，加深对图像增强处理的理解。
二、实验内容对下图进行卷积增强处理；直方图均衡化；主成分变换；色彩变换三、实验过程ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。
1、卷积增强（Convolution）空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。
卷积增强（Convolution）是空间增强的一种方法。
卷积增强（Convolution）时将整个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（Convolution）处理的关键是卷积算子——系数矩阵的选择。
该系数矩阵又称卷积核（Kernal）。
ERDAS IMAGINE将常用的卷积算子放在一个名为default.klb的文件中，分为3*3，5*5，7*7三组，每组又包括“Edge Detect/Low Pass/Horizontal/Vertical”等七种不同的处理方式。
具体执行过程如下：ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement→convolution→convolution对话框。
图3-1 Convolution对话框几个重要参数的设置：边缘处理方法：（Handle Edges by）：Reflection卷积归一化处理：Normalize the KernelKernel：3*3EdgeDetcetInput File(*.hdr): C\data\nj.hdr type:ENVI*.hdrOutput File(*.img): C\11.imgOutput: Unsigned 8 bit2、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，是一定灰度范围内的像元数量大致相同。
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。
遥感图像增强
To be continued…
§1 遥感图像的增强处理
八、K-T变换及其应用
这种变换着眼点在于农作物生长过程而区别于其他植被 覆盖，力争抓住地面景物在多光谱空间中的特征。 覆盖，力争抓住地面景物在多光谱空间中的特征。 目前对这个变换的研究主要集中在MSS TM两种遥感 MSS与 目前对这个变换的研究主要集中在MSS与TM两种遥感 数据的应用分析方面。 数据的应用分析方面。
例如： LandsatTM的 个波段的多光谱图像( 例如：对LandsatTM的6个波段的多光谱图像(热红外波段除 进行主成分分析，然后把得到的第1 外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩 色合成，可以获得信息量非常丰富的彩色图像。 色合成，可以获得信息量非常丰富的彩色图像。
主成分分析的原理(next)。 主成分分析的原理(next)。 (next)
• 图像增强是数字图像处理的最基本的方法之 一 ，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 解译和分析处理的形式。
To be continued…
§1 遥感图像的增强处理
目前常用的遥感图像增强处理主要有： 目前常用的遥感图像增强处理主要有：彩色合成 、灰度变换、直方图变换、密度分割、灰度颠倒 灰度变换、直方图变换、密度分割、 图像间运算、邻域增强处理、主成分分析、 、图像间运算、邻域增强处理、主成分分析、K 变换、信息融合。 －T变换、信息融合。
To be continued…
§1 遥感图像的增强处理
七、主成分分析 在遥感图像分类中，常常利用主成分分析算法来消除特 在遥感图像分类中， 各特征之间的相关性，并进行特征选择。 征向量中各特征之间的相关性，并进行特征选择。 主成分分析算法还可以用来进行高光谱图像(Hyper (Hyper主成分分析算法还可以用来进行高光谱图像(Hyperimages)数据的压缩和信息融合 数据的压缩和信息融合。 spectral images)数据的压缩和信息融合。
《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。
遥感图像处理空间增强
点处理（点运算）；邻域处理（局部运算）
遥感图像处理空间增强
▪ 点处理：点运算公式： g’(x,y)=I［g(x,y)］，I为 与 (x,y) 位 置 无 关 的 线 性 或非线性变换。
▪ 点运算就是将原图像中 每一个像元的灰度值， 通过变换转换成输出图 像中一个新的灰度值， 其图像中各个像元的位 置并不改变。
波谱特征增强：突出不同地物之间波谱特征的差别 空间特征增强：突出空间形态特征、边缘、线条、纹理结 构特点 时间信息增强：提取多时相图像中波谱与空间特征随时间 变化的信息
按照参加处理运算的波段影像数目可分为：
单波段图像增强：对单一波段数据处理，如反差扩展 多波段图像增强：对多个波段数据处理，如彩色合成
原图像亮度范围：0-15，变换后：0-30 线性变换方程：x b=2xa，
遥感图像处理空间增强
2.分段线性变换
xb
1 3
xa,
xa
0,6,
xb
0,2
xb 2xa 10,xa 6,11,xb 2,12
xb
3 4
xa
15, 4
xa
11,15,
xb
12,15
常用于需要充分扩展某个或某些亮度值区间的微 小差异而不愿意舍弃其他部分信息。一般是提供一系 列的分界点，确定输入及输出图像的对应亮度区间。
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。 直方图匹配对在不同时间获取的同一地 区或邻接地区的图像，或者由于太阳高 度角或大气影响引起差异的图像很有用， 特别是对图像镶嵌或变化检测。
遥感图像处理空间增强
直方图匹配：条件（运用两幅图象）
原始图象和参考图象 两个图象的直方图的总体形态应相似 图象中相对亮和暗的特征应相同 对某些应用，图象的分辨率应相同（但可不同） 图象中的地物类型的相对分布应相同，无论两幅
第6章 遥感数字图像处理_图像变换(2)
IR R IR R
式中：IR为遥感多波段图像中的近红外 （infrared）波段；R为红波段。 利用植被指数可监测某一区域农作物长势，并 在此基础上建立农作物估产模型，从而进行大 面积的农作物估产。
南京紫金山和玄武湖的NDVI分布
LANDSAT7的ETM影像，2000.6
常用的红外（IR）与红（R）波段
其中， R、G、B ∈[0, 1]，r，g，b ∈[0, 1]，M=max[R、 G、B]，m=min[r、g、b] 注意，R、G、B中至少有一个值是0，与最大值的 颜色对应，并且至少有一个的值是1，与最小值 的颜色对应。
RGB到HSI
I M m 2
如果 M m , S 0 如果 I 0 . 5， S 如果 I 0 . 5， S M m M m M -m 2M m ， S 的取值范围是 [ 0 ,1]
例如，在地质探测中，地质学家用TM的某种组 合解译矿石类型：B3/B1突出铁氧化物，B5/B7 突出粘土矿物，B5/B4突出铁矿石，B5/B6突出 大片白陶土蚀变区域，B4/B3突出植被信息， B5/B2分离陆地和水体，等等。
波段比值方法还可以用来探测地物随季节变化 的信息。例如，如果需要监测地区植被的变化， 可以使用不同季节的第3波段的比值，新建立的 波段可能是20060810B3/20040810B3。图像的 时段可以是不同年的同一个月，或同一年的不 同月，新产生的波段将突出变化信息，变化的 像素具有较高的亮度值。没有变化的像素值较 低，在图像中比较暗。
传感器Landsat TM所对应的指数函数
函数名称
归一化植被指数（NDVI） 比值植被指数（IR/R） 差值植被指数（Veg.index） 转换植被指数（TNDVI） 氧化铁指数（IRON OXIDE）
- 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)。
r(i,j) 1
MN
(m,n)
MN m1n1
具体计算时常用3×3的模板作卷积运算，其模板为
t(m,n)=
1/9 1/9 1/9 1/9 1/9 1/9
或t(m,n)=
1/9 1/9 1/9 遥感第六章遥感图像处理图像增强
1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8
空间滤波
–中值平滑 是将每个像元在以其为中心的邻域内取中间亮度
MN
r(i,j)(m,n)t(m,n) m1n1
遥感第六章遥感图像处理图像增强
将计算结果r（i，j） 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，再按公 式做同样的运算， 仍旧把计算结果放 在移动后的窗口中 心位置上，依次进 行，逐行扫描，直 到全幅图像扫描一 遍结束，则新图像 生成。
xb xa 30 15
xb 2xa
遥感第六章遥感图像处理图像增强
变换后图像
变换前后直方图对比
遥感第六章遥感图像处理图像增强
线性变换
一般情况下，当线性 变换时，变换前图像 的亮度范围xa为a1～a2， 变换后图像的亮度范 围 xb 为 b1 ～ b2 ， 变 换 关系是直线，则变换 方程为
xb b1 xa a1 b2 b1 a2 a1
非线性变换
对数变换 与指数变换相反，它的 意义是在亮度值较低的 部分拉伸，而在亮度值 较高的部分压缩，其数 学表达式为
xbblga(ax1)c
a，b，c仍为可调参数，由使用者决定其值 。
遥感第六章遥感图像处理图像增强
空间滤波
对比度扩展的辐射增强是通过单个像元 的运算从整体上改善图像的质量。而空 间滤波则是以重点突出图像上的某些特 征为目的的，如突出边线或纹理等，因 此通过像元与其周围相邻像元的关系， 采用空间域中的邻域处理方法。它仍属 于一种几何增强处理，主要包括平滑和 锐化。
数字图像增强
遥感第六章遥感图像处理图像增强
数字图象增强目的
增强目视效果 提高图像质量和突Байду номын сангаас所需信息，
有利于分析判读或作进一步的处理
遥感第六章遥感图像处理图像增强
数字图象增强
对比度变换 空间滤波 图像运算 多光谱变换
遥感第六章遥感图像处理图像增强
对比度变换
是一种通过改变图像像元的亮度值来改 变图像像元对比度，从而改善图像质量 的图像处理方法。因为亮度值是辐射强 度的反映，所以也称之为辐射增强。常 用的方法有对比度线性变换和非线性变 换。
空间滤波
平滑 图像中出现某些亮度变化过大的区域， 或出现不该有的亮点（“噪声”）时， 采用平滑的方法可以减小变化，使亮度 平缓或去掉不必要的“噪声”点。具体 方法有：
–均值平滑 –中值滤波
遥感第六章遥感图像处理图像增强
空间滤波
–均值平滑
是将每个像元在以其为中心的区域内取平均值来代 替该像元值，以达到去掉尖锐“噪声”和平滑图像 目的的。区域范围取作M×N时，求均值公式为
①
结果 比较
xb
1 3
xa
② xb 2xa 10
③
xb
3 4
xa
15 4
变化前亮度值 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
变化后亮度值 遥感第0六0章遥1感1图像1处2理图2像4增强6 8 10 12 13 14 14 15
非线性变换
当变换函数是非线性时，即为非线性变 换。非线性变换的函数很多，常用的有 指数变换和对数变换。
遥感第六章遥感图像处理图像增强
空间滤波
图像卷积运算 是在空间域上对图像作局部检测的运算， 以实现平滑和锐化的目的。具体作法是 选定一卷积函数，又称“模板”，实际 上是一个M×N图像。二维的卷积运算是 在图像中使用模板来实现运算的。
遥感第六章遥感图像处理图像增强
空间滤波
从图像左上角开始开一与模板同样大小 的活动窗口，图像窗口与模板像元的亮 度值对应相乘再相加。假定模板大小为 M*N，窗口为Φ(m,n)，模板为t(m，n)， 则模板运算为:
遥感第六章遥感图像处理图像增强
从直方图形态判断图像质量 遥感第六章遥感图像处理图像增强
对比度变换
线性变换 为了改善图像的对比度，必须改变图像 像元的亮度值，并且这种改变需符合一 定的数学规律，即在运算过程中有一个 变换函数。如果变换函数是线性的或分 段线性的，这种变换就是线性变换。线 性变换是图像增强处理最常用的方法。
遥感第六章遥感图像处理图像增强
最
最
大
小
值
值
数字图像
遥感第六章遥感图像处理图像增强
直方图
线性变换
将亮度值为0～15图像拉伸 为0～30，要设计一个线性 变 换 函 数 ， 横 坐 标 xa 为 变 换 前 的 亮 度 值 ， 纵 坐 标 xb 为变换后的亮度值。当亮 度值xa从0～15变换成xb从 0～30，变换函数在图中是 一条直线OO’，方程式为
xbab22 ba11(xaa1)b1
遥感第六章遥感图像处理图像增强
线性变换
通过调整参数a1，a2，b1，b2，即改变变换 直线的形态，可以产生不同的变换效果。 若a2-a1<b2-b1，则亮度范围扩大，图像 被拉伸，若a2-a1>b2-b1，亮度范围缩小， 图像被压缩。对于a2与a1 ，是取在图像 亮度值的全部或部分，偏亮或偏暗处， 均可根据对图像显示效果的需要而人为 地设定。
遥感第六章遥感图像处理图像增强
线性变换
有时为了更好地调节图像的对 比度，需要在一些亮度段拉伸， 而在另一些亮度段压缩，这种 变换称为分段线性变换。分段 线性变换时，变换函数不同， 在变换坐标系中成为拆线，拆 线间断点的位置根据需要决定。 从图中可以看出，第一、三段 为压缩，第二段为拉伸，每一 段的变换方程为：
遥感第六章遥感图像处理图像增强
非线性变换
指数变换
其意义是在亮度值较高
的 属部于分拉x伸a
扩大亮度间隔， ，而在亮度值
较 低 的 部 分 xb 缩 小 亮 度 间隔，属于压缩，其数
学表达式为
xb beaxa c
a，b，c为可调参数，可以改变指数函数曲线 的形态，从而实遥感现第六不章遥同感图的像处拉理图伸像增比强 例。