03 遥感图像增强.doc

实验三 遥感图像增强一、 背景知识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。增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。空间域增强是直接对图像像素灰度进行操作；频率域增强是对图像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所需结果。图像增强所包含的主要内容如下图。二、 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。三、 实验内容： 辐射增强处理 直方图均衡化 直方图匹配 空间增强处理 卷积增强处理 自适应滤波 锐化增强处理 分辩率融合 光谱增强处理 主成份变换（PC变换/K-L变换） 去相关拉伸 缨帽变换（K-T变换） 指数计算 自然色彩变换四、 实验准备1. 软件ERDAS IMAGINE8.5版本以上；2. 实验用相关数据五、 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）(1). ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement - Histogram Equalization，打开Histogram Equalization对话框。(2). 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。操作方法输入匹配文件(Input File)：wasia1 mss.img匹配参考文件(Input File to Match )：wasia2_mss.img(1). ERDAS图标面板菜单条:Main 一 Image Interpreter一 Radiometric Enhancement Histogram Match，打开Histogram Matching对话框。(2). 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33，55，77三组，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。操作方法：（以文件Lanier.img为例）(1). ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement一Convolution，打开Convolution对话框；(2). ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement Convolution，打开Convolution对话框。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。操作方法：（以文件Lanier.img为例）(3). ERDAS图标面板菜单条：Main一Image Interpreter一Spatial EnhancementAdaptive Filter，打开Wailis Adaptive Filter对话框。(4). 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。参数设置： 文件坐标类型（Coordinate Type )：Map； 处理范围确定(Subset Definition)：ULX/Y LRX/Y； 输出数据类型(Output Data type )：Unsigned 8 bit； 移动窗口大小(Moving Window Sire)：3(表示33)； 输出文件选择(Optins)：Bandwise(逐个波段进行滤波)，或PC(仅对主成份变换后的第一主成份进行滤波)； 乘积倍数定义(Multiplier)：2(用于调整对比度)； 输出数据统计时忽略零值：Ignore Zero in Stars； OK(关闭Wallis Adapter Filter对话框，执行自适应滤波)。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(空间模型为：Crip-Minmax.gmd)。操作方法：（以panatlanta.img文件为例）(5). ERDAS图标面板菜单条：Main一Image Interpreter一Spatial EnhancementCrisp，打开Crisp对话框；(6). ERDAS图标面板工具条：点击Interpreter图标一Spatial EnhancementCrisp，打开Crisp对话框。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。操作方法：（以panatlanta.img文件为例）(7). ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement一Resolution Merge，打开Resolution Merge对话框；(8). ERDAS图标面板工具条：点击Interpreter图标一Spatial EnhancementResolution 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)5. 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。操作方法：（以文件Lanier.img为例）(1). ERDAS图标面板菜单条：Main一Image Interpreter一Spectral Enhancement一Principal Comp，打开Principal Components对话框；(2). ERDAS图标面板工具条：点击Interpreter图标一Spectral Enhancement一Principal Components，打开Principal Components对话框。6. 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。操作方法：（以文件Lanier.img为例）(1). ERDAS图标面板菜单条：Main一Image Interpreter Spectral EnhancementDecorrelation Stretch，打开Decorrelation Stretch对话框；(2). ERDAS图标面板工具条：点击Interpreter图标Spectral Enhancement一Decorrelation Stretch，打开Decorrelation Stretch对话框。7. 缨帽变换(Tasseled Cap )，K-T变换缨帽变换是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转，优化图像数据显示效果。该变换的基本思想是：多波段(N波段)图像可以看作是N维空间(N-dimensional Space)，每一个像元都是N维空间中的一个点，其位置取决于像元在各个波段上的数值。研究表明，植被信息可以通过三个数据轴.(亮度轴、绿度轴、湿度轴)来确定，而这三个轴的信息可以通过简单的线性计算和数据空间旋转获得，当然还需要定义相关的转换系数。同时，这种旋转与传感器有关，因而还需要确定传感器类型。操作如下：（以文件Lanier.img为例）(1). ERDAS图标面板菜单条：Main Image Interpreter一Spectral Enhancement一Tasseled Cap。(2). ERDAS图标面板工具条：点击Interpreter图标一Spectral Enhancement一Tasseled Cap.8. 指数计算( Indices )指数计算是应用一定的数学方法，将遥感图像中不同波段的灰度值进行各种组合运算，计算反映矿物及植被的常用比率和指数。各种比率和指数与遥感图像类型、即传感器有密切的关系，因而在进行指数计算时，首先必须根据输入图像类型选择传感器，ERDAS系统集成的传感器类型有SPOT XS、Landsat TM、Landsat MSS、NOAA AVHRR四种，不同传感器对应的指数计算是有区别的，ERDAS系统集成了与各种传感器对应的常用指数。如Landsat TM所对应的矿物指数有粘土矿指数（Clay Minerals)、铁矿指数(Ferrous Minerals)等几种，植被指数有NDVI，TNDVI等几种操作如下：（以文件Lanier.img为例）(1). ERDAS图标面板菜单条：Main一Image Interpreter一Spectral Enhancement一Indices；(2). ERDAS图标面板工具条：点击Interpreter图标一Spectral Enhancement一Indices。9. 自然色彩变换(Natural Color)自然色彩变换就是模拟自然色彩对多波段数据进行变换，输出自然色彩图像。变换过程中关键是三个输入波段光谱范围的确定，这三个波段依次是近红外(Near Infrared)、红(Red)、绿(Green)，如果三个波段定义不够恰当，则转换以后的输出图像也不可能是真正的自然色彩。操作如下：（以文件Lan