遥感论文图像增强

《遥感图像处理方法》课程论文

题目：对遥感图像增强不同方法的探究

学院：资源与环境学院

班级：地理信息系统

2010-12-22遥感图像增强

摘要：在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。图像增强的目的在于：(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分析处理的形式。通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。

关键词：彩色合成，灰度变换，直方图变换，灰度颠倒，图像间运算，领域增强处理，主成分分析，信息融合，图像增强。

实验目的：掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。能根据需要对遥感图像进行综合处理。

实验内容：

1：辐射增强处理

直方图均衡化

直方图匹配

2：空间增强处理

卷积增强处理

自适应滤波

锐化增强处理

分辨率融合

3：光谱增强处理

主成分变换

缨帽变换

指数计算

自然色彩变换

实验步骤

(一)、辐射增强处理(Radiometric Enhancement)

1：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，使一定灰度范围内像元的数量大致相等；这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较小的话，会产生粗略分类的视觉效果。

打开方法：（以文件Lanier.img为例）

ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement一Histogram Equalization，打开Histogram Equalization对话框。

2：直方图匹配（Histogram Match)

直方图匹配是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。

输入匹配文件(Input File)：wasia1 mss.img，匹配参考文件(Input File to Match )：wasia2_mss.img ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement 一Histogram Match，

打开Histogram Matching对话框。

(二)、空间增强处理(Spatial Enhancement)

:1：卷积增强处理(Convolution)

卷积增强是将整个图像按照像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强处理的关键是卷积算子——系数矩阵的选择，该系数矩阵又称为卷积核（Kernal)。ERDAS IMAGINE将常用的卷积算子放在一个名为defatilt.kfb的文件中，分为3×3，5×5，7×7三组，每组又包括“Edge Detect / Edge Enhance / Low Pass / High Pass / Horizontal / Vertical/Summary”等七种不同的处理方式。

ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement Convolution，打开Convolution对话框。（以文件Lanier.img为例）

:2：自适应滤波(Adaptive Filter)

自适应滤波是应用Wallis Adapter Filter方法对图像的感兴趣区域(AOI)进行对比度拉伸处理，从而达到图像增强的目的。操作过程比较简单，关键是移动窗口范围(Moving Window Size)和乘积倍数大小(Multiplier)的定义。

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（以文件Lanier.img为例）

3：锐化增强处理(Crisp Enhancement )

锐化增强处理实质上是通过对图像进行卷积滤波处理，其专题内容发生变化，从而达到图像增强的目的。使整景图像的亮度得到增强的目的，根据其底层的处理过程，又可以分为两种方法：（1）根据您定义的矩阵(Custom Matrix )直接对图像进行卷积处理(空间模型：Crisp-greyscale.gmd)，（2）是首先对图像进行主成份变换，并对第一主成份进行卷积滤波，然后再进行主成份逆变换（以panatlanta.img文件为例）

:

4：分辩率融合(Resolution Merge)

分辩率融合是对不同空间分辨率遥感图像的融合处理，使融合后的遥感图像既具有较好的空间分辨率、又具有多光谱特征，从而达到图像增强的目的。操作过程比较简单，关键是融合前两幅图像的配准(Rectification)以及融合过程中融合方法(Method)的选择。（以panatlanta.img文件为例）

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

(三)、光谱增强处理(Spectral Enhancement)

:1：主成份变换(Principal Components)

主成份变换(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 IMAGINE提供的主成份变换功能最多可以对含有256个波段的图像进行转换压缩。

:2：去相关拉伸(Decorrelation Stretch

去相关拉伸是对图像的主成份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，只需要输入原始图像，系统将首先对原始图像进行主成份变换，并对主成份图像进行对比度拉伸处理，然后再进行主成份逆变换，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。（以文件Lanier.img为例）