遥感图像增强实习报告

1、长 安 大 学遥感技术应用实习报告指导教师：王爱萍实习名称：遥感图像增强姓 名：学 号：201226040124 2015年 4 月 20 日 课程名称：遥感技术应用实验名称：遥感图像增强班 级：2012260401学员姓名：白正伟实习时间：2015.4.201、 目的与要求通过上机操作，了解空间增强、辐射增强等几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。2、 实习内容：1. 彩色增强 彩色合成：TM影像RGB组合，741,743,432,532,321。 IHS正变换，IHS逆变换（H不变，拉伸I、S）。2. 直方图变换（对比度变换）对单波段ViewerRasterContr

2、astHistogram Equalize3. 滤波增强 Interpreterspatial EnhancementConvolution频域滤波： Fourier正变换InterpreterFourier analysisFourier Tranmform Fourier Editer操作3、 主要方法在ERDAS 中进行遥感数字图像增强处理有两种方式：1 直接在视窗中装载原始图像，然后利用Raster下面的命令进行增强处理。2 利用Interpreter下的图像增强功能模块进行处理。思考：两种方式的区别？（一）利用Raster下面的命令基本步骤：1.在视窗中装入从地面站买回的未增强的原始

3、影像(武汉TM5波段) a08_wcity_5.img。 Histogram Equalize 直方图均衡 Standard Stretch 标准差拉伸处理2.点 Raster / Contrast General Contrast Tools 常用直方图处理工具 Contrast/Brightness Tools对比度/亮度调整工具 Piecewise Contrast/Brightness Tools分段对比度/亮度调整工具 Breakpoint Editor 直方图断点编辑 histogram equalization 直方图均衡 Standard Deviation Stretch 方

4、差调整3.点 Raster / Contrast / General Contrast Gauss 高斯调整 Linear 线性拉伸 其它方式 Smooth 平滑（低通滤波） Sharpen锐化（边缘增强）4.点 Raster / Filtering Edge Detect 边缘检测 General Convolution 通用卷积滤波处理（最常用） 把每种增强方法都做几遍，进行比较，体会一下各种方法的不同效果，要求掌握General Contrast Tools 常用直方图处理工具和General Convolution通用卷积滤波处理，其它的可以自己研究。（二）利用Image Interp

5、reter模块ERDAS 图像解译模块包含了8个方面的功能，依次是遥感图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析和地理信息系统分析及其它实用工具。本次实习主要是用到Spatial Enhancement（空间增强）和Spectral Enhancement（光谱增强）1 图像空间增强：利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像的目的，主要空间增强处理功能如下：卷积增强、非定向边缘增强、聚焦分析、纹理分析、自适应滤波、统计滤波、分辨率融合、锐化处理卷积增强（Convolution）是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（Co

6、nvolution）处理的关键是卷计算子-系数矩阵的选择。该系数矩阵又称卷积核（Kernal）。ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。具体执行过程如下： 1) 单击Inerpreter图标/Spatial Enhancement/Convolution命令，打开Convolution对话框2) 确定输入文件为a08_wcity_5.img3) 定义输出文件为convolution.img

7、4) 选择卷积算子（Kernel Selection）5) 边缘处理方法（Handle Edges by）为Reflection6) 文件坐标类型、输出类型不改变7) 单击ok（可以通过From Inquire Box或AOI来对指定区域处理）图7-1 Convolution对话框2 图像光谱增强：基于多波段数据对每个像元的灰度值进行变换，达到图像增强目的，主要光谱增强功能如下：主成分变换、主成分逆变换、去相关拉伸、缨帽变换、色彩变换、色彩逆变换、指数计算、自然色彩变换主成分变换（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

8、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 IMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。ERDAS 图标面板菜单条：Main Image Interporeter Spectral Enhancement Principial Comp Pincipal Components对话框。（图7-2）图7-2 Principal Component对话框1) 单击Inerpreter图标/Spectral Enhancement/Principal Components命令，打开Principal Components对话框2) 确定输入文件为lan

9、ier.img3) 定义输出文件为principal.img4) 文件坐标类型为Map，可以通过几种方式来确定处理范围（直接输入坐标、利用Inquire Box或利用AOI定义子区）5) 输出数据类型为Float Single6) 输出数据统计时忽略零值7) 特征矩阵文件名（Output Text File）为lanier.mtx8) 特征数据文件名为lanier.tbl9) 需要的主成分数量（Number of Components Desired）为310) 单击ok色彩变换（RGB-HIS）色彩变换是将遥感图像从红（R）、绿（G）、兰（B）三种颜色组成的色彩空间转换到以亮度（I）、色度（H）、饱和度（S）作为定位参数的色彩空间，以便使图像的颜色与人眼看到得更接近。其中，亮度表示整个图象的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1。图7-3 RGB to HIS对话框4、 实验数据结果及（有关记录、计算、图件等）5、 实习体会与心得通过这次实习，我们也深刻地感受到了遥感覆盖范围之广和它在国民生产中的重要性,遥感在农林、土地利用、城市规划、环境监测、环境评价等各个领域都有广泛的应用，并且为其提供技术