遥感影像反差增强

拉伸（使用分段线性函数进行变化，对于多峰值直方图有较好的变化效果）和灰度窗口切片（将窗口图像实现二值化）。

（2） 非线性拉伸：包括指数变换（指数变换关系，使影像的低灰度区间被压缩，高灰度

区间被拉伸）和对数变换（使影像的低灰度区间被拉伸，高灰度区间被压缩）。

（3） 多波段拉伸

直方图匹配：把一幅影像的直方图匹配到另一幅上，从而使图像的亮度尽可能接近。

归一化差值植被指数（Normalized Difference Vegetation Index ，NDVI ）：应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。

NDVI =

NIR ?Red NIR +Red

（1）-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR 和R 近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；

（2）NDVI 的局限性表现在，用非线性拉伸的方式增强了NIR 和R 的反射率的对比度。对于同一幅图象，分别求RVI 和NDVI 时会发现，RVI 值增加的速度高于NDVI 增加速度，即NDVI 对高植被区具有较低的灵敏度；

（3）NDVI 能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。

影像镶嵌：在一定的数学基础上，对若干幅互为邻接的影像通过几何镶嵌、色调调整、去重叠等处理，拼接为统一的影像预处理。

两幅遥感影像的要求：统一的影像投影和坐标系、统一的空间分辨率、统一的波段对应关系、统一的辐射特征。

方法：

（1）将每景影像进行几何精纠正，使之保持地图投影和坐标系的统一

（2）在条件允许的情况下完成大气辐射校正，保持待镶嵌影像之间在辐射特征上的统一。

（3）选定其中一景作为基准影像。按照基准影像的直方图对所要进行镶嵌的其他影像进行直方图匹配，使它们具有相近的灰度分布特征

（4）对相邻图幅边界进行羽化处理，取边界两侧一定范围内重叠部分像元的灰度平均值代替基准影像和匹配影像的值

（5）生成结果影像

坏道填补：有些影像由于传感器的某个探测器不能正常工作而产生的周期性数据丢失。找出g (i,j )?b1b2?b1=f (i,j )?a1

a2?a1

线性关系式的斜率决定

拉伸或压缩

操作方法及过程

启动ENVI 5.1，在菜单栏依次点击File》Preference》Data Managerment，将Auto Display Files on Open，设置为False。

在下方Directories中将工作路径设置为E:\ENVIEX03\data\。

一、单波段影像对比度增强

1、加载影像并进行拉伸增强

将实习一中的子区分别以灰度和标准假彩色的形式加载。使用工具条上的拉伸工具对子区影像进行不同方式的拉伸操作。

在Optimized Linear拉伸模式下，此模式为软件自动优化后的线性拉伸方式，影像的显示效果良好，但是由于是软件自动设置的参数，所以并没有达到最佳的显示效果。

在Linear拉伸模式下，图像灰度值被线性拉伸成0~655365范围，图像显示晦暗，细节信息显示很不清楚，严重影响地物的判别。高亮度地物较低亮度地物更明显。

在Linear 1%拉伸模式下，图像原灰度值在1%~99%的像元灰度值被拉伸成0~65535，两端不在范围内的灰度值被赋为0或65535。图像显示明亮，不同地物的显示效果都达到了最佳，色彩的饱和度也较好，便于地物的识别。

在Linear 2%拉伸模式下，图像原灰度值在2%~98%的像元灰度值被拉伸成0~65535，两端不在范围内的灰度值被赋为0或65535。图像显示很明亮，地物展示效果良好，但是色彩的饱和度较1%较差。

在Linear 5%拉伸模式下，图像原灰度值在5%~95%的像元灰度值被拉伸成0~65535，两端不在范围内的灰度值被赋为0或65535。影像显示出过饱和的状态，对于河流、建筑物等高亮度的地物边缘明显地模糊，并且内部特征纹理也不再明显。

在直方图均衡化拉伸（Equalization）模式下，影像进行非线性拉伸，使在一定灰度值范围内的像元数量大致相等，输出的是一个较平整的直方图。影像较线性拉伸具有较明显的灰度级差别和较丰富的色彩，突出了地物内部的差别。

在高斯拉伸（Gaussian）模式下，系统默认使用均值DN和对应于0~65535的以正负三个标准差的值进行拉伸。影像的色彩表现随不及前面影像的效果，但是保留了影响中最为集中的影像灰度和色彩特征。

在平方根拉伸（Square Root）模式下，软件计算影像直方图的平方根，然后使用线性拉伸显示。图像显示比较晦暗，整体灰度级数不明显。

在对数拉伸（Logarithmic）模式下，对数拉伸是一种非线性的低亮度增强的拉伸方式，增强了原始影像中亮度低的部分，有利于对这一部分的地物进行观察。

2、计算归一化差值植被指数（NDVI）

在工具箱中依次点击Band Ratio》Band Math，输入表达式：fix(((float(b1)-b2)/(b1+b2))*10000)，并添加到列表中。点击OK确认表达式。

依次在公式中变量列表和可用波段列表中选择b1为近红外波段B5，b2为红光波段B4。设置输出位置，点击OK计算NDVI。

影像中水域色调最深，城镇表现为深灰色，植被则是高亮显示。

除了使用波段计算器计算NDVI以外，ENVI中内置了一个计算NDVI的工具NDVI Calculation Parameters。在选择好进行NDVI的影像以后，软件自动根据影像的相关信息确定输入的文件类型和相应的红光和近红外波段，用户只需要设置好输出位置和输出数据类型就可以了。需要注意的是，如果选择字节型输出，键入的最小NDVI值将被拉伸为0，键入的最大NDVI值将被拉伸为1。如果选择的是浮点型数据，NDVI的数值将保持在-1~+1之间。

在工具栏上点击Region of Interest（ROI）Tool，（New ROI）分别创建两个（水体和森林）感兴趣区使用Polygon工具选取样本并保存。通过计算统计（Compute Statistics）工具查看ROI区域的最大值和最小值。水体（Min:-220,Max:560），森林（Min:2387,Max:4826）

通过将影像的DN值进行自定义的拉伸，将拉伸的区域设置为水体区域的DN值范围，从而将水体从影像中提取出来。同样地，将拉伸的范围设置成森林的DN值范围也可以将森林区域从影像中提取出来。

相同地，在ENVI Classic中，通过依次点击影像窗口的Enhance》Interactive Stretch打开影像拉伸窗口，在Stretch_Type中选择Piecewise Linear设置成分段线性拉伸，在Options中选中Auto Apply打开自动应用功能。

二、影像镶嵌

将两幅带镶嵌的影像加载到ENVI 5.1界面中，在工具栏依次选择Mosaicking》Seamless Mosiac，打开图像无缝镶嵌工具。

通过点击窗口中的添加影像（Add Scene）按钮，将需要进行镶嵌的影像添加到工具中。

在Main选项卡下方表格显示区中的Data Ignore Value选项中设置影像重叠区的背景值为0。勾选窗口右上的Show Preview预览效果。

不难发现，两景影像重叠区域存在着较明显的色差。下面进行匀色处理（即直方图匹配）。打开Color Correction选项卡，勾选直方图匹配（Histogram Matching）。

一般而言，当影像间的重叠部分超过10%时，我们选择Overlap Area Only，否则选择Entire Scene。这里通过对比，我们可以发现使用前者的效果较好。

返回Main选项卡，在表格显示区右击Color Matching Action，切换影像间的参照和适应关系，使镶嵌的影像达到最佳。

打开Seamlines/Feathering选项卡，打开Seamlines下拉列表，选择Auto

Generate Seamlines自动生成接边线，自动裁剪掉影像边缘锯齿。自动生成的接边线比较规整，可以明显看到由于颜色不同而显现的接边线。在Seamlines下拉菜单中选择Start editing

Seamlines，可以通过绘制覆盖所要修改的接边线的多边形修改。

返回Main选项卡，在表格中设置Feathering Distance为30个像元大小。

打开Export选项卡，设置影像的输出格式为ENVI标准格式，设置好输出路径，将输出影像的背景值设置为0。为了快速有效且保留像元值的意义，采用最近邻方法。设置输出的波段为影像的所有波段。点击Finish确认以上操作。

对比镶嵌前的影像，可以明显地感觉到影像在色调和饱和度上达到了很好的匹配，已经无法辨别两幅影像的边界了。

三、MODIS L1B 数据预处理

在工具栏中依次选择File》Open As》Generic Format》HDF4，打开MODIS L1B影像。

在弹出的窗口中选择本次预处理使用的Earth View 500M Reflective Solar Bands Scaled Integers和Earth View 250M Aggregated 500M Reflective Solar Bands Scaled Integers。选择数据的存储方式为BSQ。

1、基于自带定位信息的几何纠正

在工具箱中，依次选择Geometric Correction》Georeference by Sersor》Georeference MODIS。在Input MODIS File中我们选择Dataset 3#进行校正。

点击Spectral Subset，选中出波段5以外的所有波段，由于波段5具有蝴蝶结，所以稍后单

独处理。

设置平面坐标系为UTM，参考椭球体为WGS84，代号为48N。设置控制点为50*50（在X 方向的校正点数量不大于51个，Y方向的数量不应大于行数）。

设置输出地面控制点文件路径（后面用来纠正波段5），将消除蝴蝶结效应设置为Yes。点击OK选择校正模型。

在Registration Parameters面板中，系统自动计算出了起始点的坐标值、像元大小和图像行列数据，可以根据需要更改。这里我们只需要设置好输出路径就可以了。点击OK进行计算。

2、坏道填补

在菜单栏上依次点击File》Open As》Generic Format》HDF4，打开MODIS数据并且加载第三个数据集Earth View 500M Reflective Solar Bands Scaled Integers。单独设置以灰度形式显示第三个波段，适当地放大影像，可以看见影像中规律性地出现了坏道。

使用工具栏上的使用十字丝工具（Crosshair）（Ctrl+I）定位出现坏道的行数，可以发现出现坏道的行数从第4行到第4044行，每隔20行出现一条坏道。

新建一个Excel表格和一个文本文档，在Excel表格中将具有坏道的行数录入到表格中。复制Excel表格中的数据到文本文档中，并更改文本文档的格式为.bll。

在工具箱中依次选择Raster Management》Replace Bad Lines，选中当前具有坏道的数据集，设置Spectral Subset，选中具有坏道的波段，通过Restore按钮将.bll文件导入到工具中，点击OK进行坏道填补。

3、去除蝴蝶结

在进行蝴蝶结修复前首先安装相应的插件。

将实习数据中的软件解压并将.sav文件复制到:\Program Files\Exelis\ENVIXX\classic\save_add \，在classic目录中menu文件夹中使用写字板打开envi.men文件，使用查找工具将0 {Classification}定位，在前面插入以下内容。

2 {MODIS tools}

3 {Bow-tie correction} {x} {MODISBowCorrection}

3 {Export GCPs} {x} {EOSgeoToENVIGCP}

3 {Load Temperature} {x} {MODIS_LOADTEMPERATURE}

保存文件并重启ENVI Classic。

将进行坏道修补后的影像加载，在菜单栏依次选择Basic Tools》Processing》MODIS tools》Bow-tie Correction。

选择加载的影像进行纠正，点击OK设置图像的输出分辨率同原影像，设置输出路径，点击OK进行蝴蝶结纠正。

通过观察可以发现，经过蝴蝶结纠正后的影像在地物的边缘明显没有了蝴蝶结。边缘较纠正前变得更加平整了。

4、使用GCP文件进行几何校正

加载经过蝴蝶结处理后的影像。