遥感数字图像处理4

1、实习序号及题目遥感影像空间增强与傅立叶变换滤波处理实习人姓名专业班级e-mail地址实习指导教师姓名实习地点实习日期时间实习目的和内容实习目的：理解遥感影像空间增强和傅立叶变换的概念和意义，掌握运用ENVI/IDL进行空间增强和傅立叶变换及滤波进行地形和地貌信息提取的步骤和方法。学会使用SRTM DEM数据应用的初步步骤。实习内容：利用下述操作对下载的DEM数据进行处理，比较变换前后影像的显示结果1. 从下载的ASTER DEM中选取512512子区数据，显示分析研究区地形地貌特征2.完成如下卷积增强运算，比较变换前后影像中地形/地貌信息上的差异：l 高通滤波l 拉普拉斯变换l 定向增强l 高

2、斯高通滤波l Sobel边缘增强l Roberts算子增强3.纹理运算，比较变换前后影像中地形/地貌信息上的差异：l 一阶纹理运算l 二阶纹理运算4. 周期噪声去除（利用傅立叶变换对影像tm_1.img进行下列处理，选择恰当的参数消除影像上的噪声信号原理和方法1. 图像滤波：图像滤波可以从图像中提取空间信息，突出图像的空间信息，减弱其他无关的信息，或者去除图像的某些信息。图像滤波可以分为空间域滤波和频率域滤波，空间域滤波通过窗口或卷积核进行，它参照相邻像素改变单个像素的灰度值;频率域滤波是对图像进行傅里叶变换，然后对变换后的频率域图像中的频谱进行滤波。(1)空间域滤波：对图像进行边缘增强或平滑

3、滤波，在变换后的影像中，各个像元的值是原影像对应像元及其邻域像元灰度值的加权和。系空间域的运算方法，是在邻域像元的参与下完成运算处理。这一运算处理又称为卷积运算。 卷积运算的一般公式：gi，j=y=1mx=1nf（i，j）h（x，y）其中：f(i, j)是影像像元值 、g(i, j)是运算结果 、h(x,y)是窗口模板选取不同模板或卷积核参数矩阵，可以分别完成： 边缘检测、水平边缘检测、垂直边缘检测、交叉边缘检测、边缘增强、水平增强、垂直增强、方向增强、平滑降噪等。（2）频率域滤波：图像的频率域是图像像元的灰度值随位置变化的空间频率，以频谱表示信息分布特征，傅里叶变换能把遥感图像从空间域变换到

4、只包含不同频率信息的频率域，原图像上的灰灰度突变部位、图像结构复杂的区域、图像细节及干扰噪声等信息集中在高频区，而原图像上灰度变化平缓部位的信息集中在低频区。 二维傅里叶变换及其逆变换形式：其中，x和y为空间域变量，u和v为频率域变量。2. 各种卷积运算的概念及其原理：边缘增强：边缘就是在梯度影像上梯度值较大的部分，常表现为影像中的线状特征。边缘增强可以使影像上的线状特征信息得以突出的影像增强变换。梯度的定义如下： 水平方向梯度 垂直方向梯度 Roberts梯度： 对应的运算模板（22）： Sobel梯度对应的运算模板（33）： Laplace算法：Laplace算子具有二阶微分形式，检测的是

5、影像的二阶变化，亦即关于变化的变化。因此，该运算不检测均匀的灰度变化，而检测影像中灰度值突变的部分。二维Laplace算子： 离散化影像空间中Laplace算子的二阶差分表达式：对应的33运算模板:高通滤波器： 定向边缘增强滤波器：数据准备与研究区概况研究区概况：晋中是山西省下辖的一个地级市，位于山西省中部，东依太行，西临汾河，北与省会太原市毗邻，南与长治市、临汾市相交，东北与阳泉市相连，西南与吕梁市接壤。是一座文化底蕴深厚，古老而活跃的现代化城市。晋中地处黄土高原东部边缘，地理坐标为东经11123 11428，北纬36393806，地势东高西低，山地、丘陵、平川呈阶梯状分布，大部分地区海拔在

6、1000米以上。晋商文化旅游区的6县、市、区正好位于晋中西部平川、汾河谷地，但这一地区的东部和中部地形仍以山地、丘陵为主。数据准备：晋中市ASTER GDEM（Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model） 即先进星载热发射和反射辐射仪全球数字高程模型，是一种数字高程模型，全球空间分辨率为30米。该数据是根据 NASA的新一代对地观测卫星Terra的详尽观测结果制作完成的。其数据覆盖范围为北纬83到南纬83之间的所有陆地区域，达到了地球陆地表面的99%。

7、TM_1影像，包含7个含有噪声信号的波段。七个波段分别为蓝、绿、红、近红外、短波红外、热红外、短波红外。除了第六波段分辨率为60米，其余波段的分辨率均为30米。操作步骤1 登陆地理空间数据云 下载山西省晋中市GDEMV2 30米数据，注册账号并选择经纬度即可下载。2 对下载的DEM数据进行裁剪，得到512 512研究子区，使用Raster ManagementResize Data。3 使用FilterConvolutions and Morphology，选择高通滤波，默认为33滤波器，分别选择55,77滤波器对比滤波效果。再选择加回值，对比处理效果。4. 使用FilterConvoluti

8、ons and Morphology，选择拉普拉斯变换，分别使用55、77、77 30%加回进行变换，对比分析不同核大小的差异。5使用FilterConvolutions and Morphology，选择定向增强，分别使用55 0、55 45、77 0进行对比分析。 6. 使用FilterConvolutions and Morphology，选择高斯高通滤波，分别使用55、77、55 30%加回、55 1%加回，进行对比分析。7使用FilterConvolutions and Morphology，选择Sobel边缘增强，分别选择0%加回、10%加回、30%加回进行对比分析。8. 使用Fi

9、lterConvolutions and Morphology，选择Roberts算子，分别选择0%加回与10%加回。9. 使用FilterOccurrence Measure，分别选择55、77，对各个统计量进行对比分析。10. 使用 FilterCo-occurrence Measure，对得到的各个统计量进行分析对比。11. 打开ENVI经典模式，加载TM_1影像，对整景影像做傅里叶变换，使用FilterFFT FilteringForward FFT，生成7个波段的FFT文件。12. 将第一波段FFT文件加载显示，使用OverlayAnnotation，选择Obejectpolygon

10、方式勾绘噪声，并选择Optionsturn mirror on，打开镜像功能，勾绘FFT中的噪声信号，并保存为.ann文件。13. 打开FilterFFT FilteringFFT Definition ，Filter Type选择User Defined Cut，.ann文件选择第12步保存的文件，即可生成用户定义的滤波器。14. 打开FilterFFT FilteringInverse FFT，选择FFT波段，并选择对应的滤波器，即可去除噪声信号。15. 对TM_1的各个波段进行第1214步操作，将各个波段的噪声信号去除。结果与分析1. 裁剪的512512研究子区研究子区为山地与平川交界处

11、，图中较亮的部分为高程值较高的像元，即山地，位于研究子区的西侧，较暗的像元高程值较低，即为平川，位于研究子区的东侧，图中还有纵横交错的沟壑，地形比较复杂。2. 高通滤波55与高通滤波77对比：经过图像滤波发现高通滤波能够增强图像的纹理和边缘信息，并且选择的卷积核对滤波效果有较大影响，选择77卷积核处理后，图像边缘信息增强更加明显。高通滤波77 与高通滤波77 30%加回值对比：采用30%加回，将边缘锐化处理后的影像与原影像叠加而得到一幅新的影像，既保留原影像的大部分信息，又使影像中的边缘特征得到增强。从上图可以明显看出，通过加回处理后，影像的边缘特征和原影像叠加显示，效果更加直观。3. 拉普拉

12、斯 55与拉普拉斯77对比：通过对比可以发现，采用77卷积核能够更细致地提取影像中高程值突变的信息，细节表现更为明显，纹理特征更加复杂，处理效果较好。拉普拉斯77与拉普拉斯77 30%加回对比：采用30%加回，将边缘锐化处理后的影像与原影像叠加而得到一幅新的影像，既保留原影像的大部分信息，又使影像中的边缘特征得到增强。从上图可以明显看出，通过加回处理后，影像的边缘特征表现更为明显，对比度更强，可以明显读取边缘信息，原影像的高程值也能够清晰的反映在处理结果中。拉普拉斯77 30%加回与拉普拉斯77 50%加回对比：不同的加回值对影像的影响不同，加回值越大，原影像的影响越大，处理结果更接近原DEM

13、，但纹理细节会逐渐减弱，当加回值达到一定程度后，纹理细节将消失。4. 定向增强 55 0与定向增强77 0对比：定向增强使用的卷积核大小不同，提取得到的结果不同，卷积核越大，提取的结果更接近现实，能够呈现浮雕效果，立体感更强，但处理过程中运算将更为复杂。定向增强55 0与定向增强55 45对比：定向增强55 45、90、180、270对比：定向提取的角度不同，山体突出的方向不同，45提取，能够明显的提取出延45方向的山体信息，而其他角度的山体信息将会被削弱，同理，进行其他角度提取时只能突出该角度的山体信息削弱其他角度的山体信息。5. 高斯高通滤波55与高斯高通滤波77对比：高通滤波能够增强图像

14、的纹理和边缘信息，并且选择的卷积核对滤波效果有较大影响，选择77卷积核处理后，图像边缘信息增强更加明显。高斯高通滤波77与高斯高通滤波77 30%加回对比：30%加回后，山体的纹理特征基本消失，与原影像相差不大。高斯高通滤波77与高斯高通滤波77 10%加回对比：10%加回将边缘提取结果与原影像叠加而得到一幅新的影像，既保留原影像的大部分信息，又使影像中的边缘特征得到增强。从上图可以明显看出，通过加回处理后，影像的边缘特征表现更为明显，对比度更强，可以明显读取边缘信息，原影像的高程值也能够清晰的反映在处理结果中，10%加回也不会将纹理细节完全削弱，仍可看到清晰的纹理特征。高斯高通滤波77与高斯

15、高通滤波77 1%加回对比：1%加回使得边缘增强结果更为明显，高低值的对比更加鲜明，但失去了原影像信息。6. Sobel边缘增强与Sobel 10%加回Sobel算子边缘增强提取高程值变化信息，能够将高程值有变化的信息提取出来，河流、沟谷、山脊等信息被凸显，加回值能使原影像特征显示出来，但会削弱细节信息。Sobel边缘增强与Sobel 30%加回Sobel算子边缘增强提取高程值变化信息，能够将高程值有变化的信息提取出来，河流、沟谷、山脊等信息被凸显，加回值能使原影像特征显示出来，但会削弱细节信息。当加回值为30%时，基本削弱了细节信息，亮暗对比十分明显。7. Roberts算子与Sobel算子

16、对比：Roberts算子与Roberts算子 10%加回对比：8. 一阶纹理运算55 与一阶纹理运算77对比：一阶纹理运算55 各统计量（均值、方差、熵、偏斜）：均值：输出效果与原影像近似，但是山脊线较为模糊，相当于对原影像进行了平滑处理。方差：平坦区域由于地形起伏较小，数据波动小，方差值较小，在影像上呈现黑色，而山顶、山脊等由于地形起伏较大，数据波动较为明显，方差值大，像元高亮显示。熵：平坦区域由于地形起伏较小，数据波动小，地物不复杂，在影像上呈现黑色，但有起伏的位置也存在信息，因此颜色较亮，而山体由于地形起伏较大，数据波动较为明显，信息量较大，高亮显示。斜度：斜度是指一直线(或一平面)对另

17、一直线或(一平面)的倾斜程度。其大小用他们之间的夹角正切来表示。9. 二阶纹理运算各统计量（均值、方差、同质性、对比度、差异性、熵、二次矩、相关性）最后一个为原DEM图：均值：与一阶纹理运算结果相近，相当于对原DEM进行了平滑处理。方差：二阶纹理运算的方差相较于一阶纹理运算结果更加破碎，数据变动较大的区域高亮显示，数据变化较小的位置呈暗像元。协同性：输出的影像是用来度量原影像灰度值与纹理的相似性。平坦的地区数据相近，差异较小，数据相似性较高，高亮显示，而数据波动大的山地则相似性较差，在输出影像上呈现黑色。对比度：输出的影像度量原DEM的对比度，地形起伏较大的地区对比度大，高亮显示，而地形起伏小

18、的平川地带对比度较小，在影像中呈现黑色。相异性：与协同性相反，用来衡量影像灰度值与纹理的差异性，数据波动较大的位置相异性较大，像元呈亮色，而数据相似的平川地带，相异性较差，像元呈暗色。熵： 与一阶纹理运算相似，平坦区域由于地形起伏较小，数据波动小，地物不复杂，在影像上呈现黑色，但有起伏的位置也存在信息，因此颜色较亮，而山体由于地形起伏较大，数据波动较为明显，信息量较大，高亮显示。二阶矩：输出影像度量的是原影像上灰度的均匀性和纹理的粗细。平坦地区数据波动范围小，数值较均匀，纹理较细，因此高亮显示。而山地地区地物类型丰富，纹理较粗，数值波段比较大，因此呈暗黑色。随着处理窗口大小的增加，影像颜色的对比度增加，地物特征凸显更加明显。相关性：输出影像度量的是原影像灰度值的相关性。灰度值均匀分布的地区，内部相关性较大，在影像上高亮显示。而值分布均匀性较差的地区，内部相关性较小，呈现暗黑色。10. 定义的滤波器如下图，同理生成其余6个波段的滤波器。噪声信号频率较高，一般集中在中心低频的上方和下方，采用polygon