《遥感原理与应用》实验报告——影像融合
遥感影像镶嵌实验报告(3篇)
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
《遥感原理与应用》实验报告一
《遥感原理与应用》实验报告一前言一、实验目的与任务《遥感原理与应用》是测量学科的基础课，也是一门实践性很强的课程，实验的目的一方面是为了验证、巩固课堂上所学的知识，另一方面是熟悉遥感平台的应用方法，培养学生进行遥感平台的基本操作技能，使学到的理论与实践相结合。
通过实验，培养学生的动手能力和严格的科学态度，以及爱护仪器、热爱劳动、热爱集体的良好思想。
二、实验内容与学时分配三、实验注意事项1.在实验之前，必须复习教材中的有关内容，认真仔细地预习实验，明确目的要求、方法步骤及注意事项，以保证按时完成实验。
2.每人必须认真、仔细地操作，培养独立工作能力和严谨的科学态度，同时要发扬互相协作精神。
3.实验应在规定的时间和地点进行，不得无故缺席或迟到早退，不得擅自改变地点或离开现场。
在实验或实习过程中或结束时，发现有损坏情况，应立即报告指导教师，同时要查明原因，根据情节轻重，给予适当处理。
四、实验成绩考核单个实验成绩由两部分组成：课程成绩 = 过程考核30% + 实验报告×70%。
实验一认识遥感影像并熟悉遥感影像处理软件一、实验目的1.掌握遥感影像的下载方式，了解相关平台。
2.掌握ENVI的基本视窗操作，能够进行系统设置，查看并理解遥感卫星影像的相关参数。
3.掌握使用ENVI进行遥感影像裁剪的方法和步骤。
4.了解遥感影像的格式，能够将遥感影像存储成特定格式。
5.掌握遥感影像的合成方法，包括真彩色合成和伪彩色合成。
二、实验原理1.图像裁剪图像裁剪的目的是将研究区之外的区域去除，常用的方法是按照行政区边界或者自然区划边界进行图像裁剪。
同时，还可以按照矩形，任意多边形，影像对其进行裁剪。
规则裁剪，是指裁剪图像的边界范围是一个矩形，这个矩形范围获取途径包括：行列号、左上角和右下角两点坐标、图像文件、ROI/矢量文件。
2.多波段组合以Landsat8 OLI传感器为例，多波段组合方式及用途如下表所示。
表1.1 Landsat8数据波段参数三、实验内容1.通过网络（如地理空间云等），免费下载一幅遥感影像。
遥感图像融合实验报告
遥感图像融合实验报告遥感图像融合实验报告一、引言遥感图像融合是指将多个不同传感器获得的遥感图像融合为一幅综合图像的过程。
通过融合不同传感器获取的图像，可以获得更全面、更准确的地物信息。
本实验旨在探究遥感图像融合的原理和方法，并通过实验验证其效果。
二、实验目的1. 了解遥感图像融合的原理和意义；2. 掌握常用的遥感图像融合方法；3. 进行实验验证，比较不同融合方法的效果。
三、实验步骤1. 数据准备：选择两个不同传感器获取的遥感图像，如光学图像和雷达图像；2. 图像预处理：对两幅图像进行预处理，包括辐射校正、几何校正等；3. 图像配准：通过图像配准算法将两幅图像对齐，使其具有相同的空间参考系；4. 图像融合：选择合适的融合方法，如基于像素级的融合方法或基于特征级的融合方法，对两幅图像进行融合；5. 结果评价：通过定量和定性的评价指标，对融合结果进行评估。
四、实验结果与分析经过实验，我们得到了融合后的遥感图像。
通过对比融合前后的图像，可以发现融合后的图像在空间分辨率和光谱信息上都有所提高。
融合后的图像能够更清晰地显示地物的边缘和细节，且具有更丰富的颜色信息。
在融合方法的选择上，我们尝试了基于像素级的融合方法和基于特征级的融合方法。
基于像素级的融合方法将两幅图像的像素直接进行融合，得到的结果更加保真，但可能会导致信息的混淆。
而基于特征级的融合方法则通过提取图像的特征信息，再进行融合，可以更好地保留地物的特征，但可能会引入一定的误差。
通过对比不同融合方法的结果，我们可以发现不同方法在不同场景下的效果差异。
在某些场景下，基于像素级的融合方法可能会产生较好的效果，而在其他场景下，基于特征级的融合方法可能更适用。
因此，在实际应用中，需要根据具体场景和需求选择合适的融合方法。
五、实验总结通过本次实验，我们深入了解了遥感图像融合的原理和方法，并进行了实验验证。
遥感图像融合可以提高图像的空间分辨率和光谱信息，使得地物信息更全面、更准确。
遥感图像融合实验报告
遥感图像融合实验报告遥感图像融合实验报告一、引言遥感技术在现代科学研究和应用中发挥着重要的作用。
遥感图像融合是将多个遥感图像的信息融合为一个综合图像的过程，可以提供更全面、更准确的地理信息。
本实验旨在通过遥感图像融合技术，对不同分辨率的遥感图像进行融合，以获得更高质量的图像。
二、实验方法1. 数据收集我们使用了两个不同分辨率的遥感图像，一个是高分辨率的卫星图像，另一个是低分辨率的无人机图像。
这两个图像分别代表了不同的空间分辨率。
为了保证数据的准确性，我们选择了同一地区的图像进行比较。
2. 图像预处理在进行图像融合之前，需要对图像进行预处理，以提高融合效果。
我们首先对两个图像进行边缘增强处理，以增强图像的边缘信息。
然后，对图像进行直方图均衡化，使图像的灰度分布更均匀。
最后，对图像进行尺度匹配，以确保两个图像的尺度一致。
3. 图像融合算法本实验使用了一种基于小波变换的图像融合算法。
该算法通过将两个图像的低频部分和高频部分进行融合，得到一个综合图像。
具体步骤如下：a. 对两个图像进行小波变换，得到它们的低频部分和高频部分。
b. 对两个图像的低频部分进行加权平均，得到融合后的低频部分。
c. 对两个图像的高频部分进行加权平均，得到融合后的高频部分。
d. 将融合后的低频部分和高频部分进行逆小波变换，得到最终的融合图像。
4. 实验结果分析通过对融合后的图像进行视觉和定量分析，我们可以评估融合效果。
视觉分析可以通过观察图像的细节和边缘来判断融合效果的好坏。
定量分析可以通过计算图像的信息熵、互信息和均方误差等指标来评估融合效果。
三、实验结果与讨论经过实验，我们得到了融合后的图像。
通过对比原始图像和融合图像，我们可以看到融合后的图像在细节和边缘方面有明显的提升。
融合后的图像更清晰、更丰富，能够提供更多有用的地理信息。
在定量分析方面，我们计算了融合图像的信息熵、互信息和均方误差。
结果显示，融合图像的信息熵和互信息较高，均方误差较低，说明融合效果较好。
《遥感原理与应用》实验报告——影像融合
《遥感原理与应⽤》实验报告——影像融合实验名称：影像融合⼀、实验内容1. 对TM 影像和SPOT 影像进⾏HSV 数据融合。
2. 查阅相关资料⽤envi 软件实现⼀种数据融合的⽅法，如Brovey 、PCA 等。
3. 利⽤均值、标准差、特征值等参数对上述两种⽅法的融合效果进⾏评价。
⼆、实验所⽤的仪器设备，包括所⽤到的数据电脑⼀台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM 影像数据lon_tm 和SPOT 影像数据lon_spot 。
三、实验原理1. 定义：图像（影像）融合是指将多余遥感影像按照⼀定的算法，在规定的地理坐标系中，⽣成新的图像的过程。
2. ⽬的：(1) 提⾼图像空间分辨率 (2) 改善分类(3) 多时相图像融合⽤于变化检测 3. 基本原理(1) HSV 变换法：HSV （hue, saturation, and value ：⾊调，饱和度，亮度值）。
⾸先将多光谱图像经HSV 变换得到H 、S 、V 三个分量。
然后将⾼分辨率的全⾊图像代替V 分量，保持H 、S 分量不变。
最后再进⾏HSV 变换得到具有⾼空间分辨率的多光谱图像。
(2) Brovey 变换法:对彩⾊图像和⾼分辨率数据进⾏数学合成，从⽽使图像锐化。
彩⾊图像中的每⼀个波段都乘以⾼分辨率数据与彩⾊波段总和的⽐值。
函数⾃动地⽤最近邻、双线性或三次卷积技术将3个彩⾊波段重采样到⾼分辨率像元尺⼨。
输出的RGB 图像的像元将与⾼分辨率数据的像元⼤⼩相同。
4. 评价指标 (1) 均值与标准差∑==ni i x n µ11 （公式1）()212∑=-=ni i µx σ（公式2）上述两个式⼦中，n 表⽰图像总的像素的个数，xi 为第i 像素的灰度值。
(2) 特征值设 A 是n 阶⽅阵，如果存在数m 和⾮零n 维列向量 x ，使得 Ax=mx 成⽴，则称 m是A 的⼀个特征值（characteristic value)或本征值（eigenvalue)。
遥感原理与应用实验报告
遥感原理与应⽤实验报告《遥感原理与应⽤》课程Remote Sensing Principle and Application实验报告适⽤专业：遥感科学与技术、测绘⼯程、地理信息系统学期：2016-2017（1）专业班级：测绘⼯程13-4班学⽣姓名：盼学号： 20137018指导教师：⽥静⿊龙江⼯程学院·测绘⼯程学院2016年10⽉⽬录实验⼀ENVI软件安装与基本功能操作 (2)实验⼆影像的地理坐标定位和校正 (18)实验三图像融合、镶嵌、裁减 (28)实验四遥感图像分类 (35)实验项⽬实验⼀ENVI软件安装与基本功能操作实验⽇期2016年10⽉19⽇实验地点实验楼612同组⼈数1⼈实验类型□传统实验现代实验□其他□验证性综合性□设计性□其他⾃⽴式□合作式□研究式□其他⼀、实验⽬的熟悉遥感数据图像处理软件ENVI的安装过程，了解ENVI基本信息、基本概念及其主要特性。
对ENVI操作界⾯有⼀个基本的熟悉，对各菜单功能有⼀个初步了解，为后⾯的实验作好准备。
⼆、实验仪器设备1．硬件环境：计算机⼀台；2．软件环境：WindowsXP操作系统、ENVI4.7软件等。
三、实验原理、内容及步骤实验原理、内容：（1）遥感图像处理软件ENVI界⾯总体介绍；（2）ENVI软件能识别的图像类型介绍；（3）各种图像⽂件的打开。
实验步骤：1. ENVI的安装。
2. 遥感图像处理软件ENVI界⾯介绍。
启动ENVI后,出现主菜单条,⼀共12项：File：⽂件操作。
⽀持众多的卫星和航空传感器。
⽀持80多种图像以及⽮量数据格式的输⼊，⽀持多种格式图像⽂件的直接输⼊。
可输出的格式包括：栅格格式和⽮量格式。
Basic Tools：基本图像⼯具。
提供了多种ENVI功能的⼊⼝。
这些功能对于处理各种数据类型都是很有⽤的。
主要包括数据的调整、图像统计/分析、变化检测、波段运算、图像分割、图像掩膜。
Classification：图像分类⼯具。
《遥感原理与应用》实验报告
《遥感原理与应用》实验报告实验报告：遥感原理与应用一、实验目的通过实验了解遥感的基本原理，掌握遥感技术的基本应用方法。
二、实验仪器和材料1.遥感软件：ENVI、ERDAS、IDRISI等2.遥感数据：卫星遥感影像数据三、实验内容1.遥感影像地理信息提取通过遥感软件导入遥感影像数据，利用图像处理方法提取地理信息，如土地利用类型、植被覆盖度等。
2.遥感影像分类利用遥感影像数据进行分类分析，将影像中的不同对象或地物进行分类，如建筑物、农田、水域等。
3.遥感影像变化检测利用不同时间的遥感影像数据进行变化检测，观察地物变化的情况，如城市扩张、植被变化等。
四、实验步骤1.打开遥感软件，导入遥感影像数据。
2.使用图像处理方法提取地理信息，如选择适当的阈值进行植被覆盖度的提取。
3.利用分类分析方法将影像中的不同对象进行分类，可以使用最大似然分类方法或支持向量机分类方法等。
4.比较不同时间的遥感影像数据，通过图像差异分析方法进行变化检测。
五、实验结果通过实验，我们成功使用遥感软件导入遥感影像数据，并提取了植被覆盖度等地理信息。
同时，我们还使用分类分析方法将影像中的不同对象进行了分类，得到了建筑物、农田、水域等分类结果。
最后，我们通过比较不同时间的遥感影像数据，成功进行了变化检测，观察到了城市扩张和植被变化的情况。
六、实验感想通过这次实验，我们深入了解了遥感技术的基本原理和应用方法。
遥感技术具有非常广泛的应用领域，如环境监测、农业管理、城市规划等。
遥感影像数据可以提供大量的地理信息，通过图像处理和分类分析可以提取出有用的地理信息，同时通过变化检测可以观察到地物的变化情况。
掌握遥感技术对于我们理解地球变化、环境保护和资源利用具有重要意义。
总结：通过这次实验，我们不仅学习到了遥感技术的基本原理和应用方法，还亲自进行了实验操作，掌握了使用遥感软件进行遥感影像地理信息提取、分类分析和变化检测的基本技能。
希望今后能够将所学的遥感知识应用到实际工作中，为地球环境的保护和资源的利用做出贡献。
遥感—— 影像融合
实验名称：影像融合一、实验内容1.对TM影像和SPOT影像进行HSV数据融合。
2.利用均值、标准差、特征值等参数对融合效果进行评价。
二、实验所用的仪器设备，包括所用到的数据电脑一台，遥感影像处理软件（ENVI），英国伦敦的TM影像数据lon_tm和SPOT影像数据lon_spot。
三、实验原理（一）影像融合定义：图像（影像）融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系中，生成新的图像的过程。
目的：1)提高图像空间分辨率；2)改善分类；3)多时相图像融合用于变化检测。
（二）HSV数据融合HSV变换法的主要原理为：首先将多光谱图像经HSV变换得到H、S、V三个分量。
然后将高分辨率的全色图像代替V分量，保持H、S分量不变。
最后在进行HSV反变换得到具有高空间分辨率的多光谱图像。
（三）Brovey变换Brovey融合也称为色彩正规化( color normalization)变换融合, 由美国学者Brovey推广而得名。
其算法是将多光谱影像空间(multispectral image space)分解为色度和亮度成分, 并进行计算。
其特点是简化了影像转换过程的系数, 以最大限度地保留多光谱数据的信息。
Brovey融合法的表达式:红色通道=R / (R +G +B ) ×1绿色通道=G / (R +G +B ) ×1蓝色通道=B / (R +G +B ) ×1其中: R、G、B分别为多光谱影像的三个波段, I为高空间分辨率影像。
该方法对RGB图像和高分辨率数据进行数学合成，即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值。
然后自动地用最近邻、双线性或三次卷积技术将3个RGB波段重采样到高分辨率像元尺寸。
本方法也要求数据具有地理参考或者具有相同的尺寸大小。
（四）评价指标（1）均值与标准方差上述两个公式中，M、N为图像长宽像素个数，f(i, j)为i行j列图像灰度值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验名称：影像融合
一、 实验内容
1. 对TM 影像和SPOT 影像进行HSV 数据融合。
2. 查阅相关资料用envi 软件实现一种数据融合的方法，如Brovey 、PCA 等。
3. 利用均值、标准差、特征值等参数对上述两种方法的融合效果进行评价。
二、 实验所用的仪器设备，包括所用到的数据
电脑一台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM 影像数据lon_tm 和SPOT 影像数据lon_spot 。
三、 实验原理
1. 定义：图像（影像）融合是指将多余遥感影像按照一定的算法，在规定的地理坐标系中，生成新的图像的过程。
2. 目的：
(1) 提高图像空间分辨率 (2) 改善分类
(3) 多时相图像融合用于变化检测 3. 基本原理
(1) HSV 变换法：
HSV （hue, saturation, and value ：色调，饱和度，亮度值）。
首先将多光谱图像经HSV 变换得到H 、S 、V 三个分量。
然后将高分辨率的全色图像代替V 分量，保持H 、S 分量不变。
最后再进行HSV 变换得到具有高空间分辨率的多光谱图像。
(2) Brovey 变换法:
对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。
彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。
函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。
输出的RGB 图像的像元将与高分辨率数据的像元大小相同。
4. 评价指标 (1) 均值与标准差
∑==n
i i
x n μ1
1 （公式1）
()
2
1
2∑=-=n
i i μx σ （公式2）
上述两个式子中，n 表示图像总的像素的个数，xi 为第i 像素的灰度值。
(2) 特征值
设 A 是n 阶方阵，如果存在数m 和非零n 维列向量 x ，使得 Ax=mx 成立，则称 m
是A的一个特征值（characteristic value)或本征值（eigenvalue)。
非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。
四、实验步骤及其结果分析
1.打开并显示影像
打开envi主菜单下File/Open External File/IP Software/ER Mapper子菜单，选择lon_tm和lon_spot文件，并分别进行显示，如图1，图2。
图1TM多光谱原始影像图2 SPOT全色原始影像
2.调整影像大小
(1) 选择Basic Tool/Resize Data(Spatial/Spectral)菜单，输入文件lon_tm，单击OK。
(2) 在Resize Data Parameters 对话框的xfac文本框输入2.8，yfac文本框输入2.8009。
输入输出文件名，单击OK，输出调整大小后的TM影像。
(3) 链接显示调整后的影像。
在一个窗口显示调整大小后的TM影像，在该影像的主影
像窗口选择Tool/Link/Link Displays，将该影像与SPOT全色影像进行链接显示，如
图3、图4。
(4)TM影像是多波段彩色的影像，而SPOT全色影像单波段影像，后者轮廓更为清晰。
图3调整大小后的TM影像图图4链接显示后的SPOT影像图
3.HSV变换融合
(1)在ENVI的主菜单选择Transform/Image Sharpening/HSV。
(2)在Select Input Bands 对话框中直接选择对应影像。
(3)从High Resolution Input File对话框中选择SPOT影像，点击OK.
(4)输入输出的文件名：logtmsp.img，在HSV Sharping parameters对话框中点击OK. 4.Brovey变换融合
(1)在ENVI的主菜单选择Transform/Image Sharpening/Color Normalized (Brovey)。
(2)在Select Input Bands对话框中直接选择对应影像。
(3)从High Resolution Input File对话框中选择SPOT影像，点击OK.
(4)Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名
Brovey.img，点击OK输出结果。
5.结果显示、链接和比较
(1) 显示融合后的影像，如图5，图6。
(2)在主影像窗口选择Tools/Link/Link Displays，将原始的TM影像、SPOT影像及融合
影像进行比较。
图5 HSV变换融合后的影像图图6 Brovey变换融合后的影像图
6.结果分析：
(1)目视分析：
◆两种融合方法的融合影像都将高分辨率影像（图4）的空间信息和多光谱影像（图3）
的光谱信息有机结合，融合影像在分辨性、清晰性上有很大提高。
通过对居民区建
筑物轮廓及对其他目标的影像细节进行比较很容易验证这一点。
但是，仍可看出差
别。
◆通过HSV融合后，融合后的影像（图5）和全色影像（图4）相比较，融合后的影
像色彩信息更加丰富，影像的分辨率基本上没什么变化。
融合后的影像与多光谱影
像（图3）相比较，影像的分辨率有了很大的提高，色彩的亮度、色度、饱和度都
有较明显的改变，颜色分布与地物信息的吻合度比较高，使得地物信息得到极大的
丰富和便于辨别和分析。
◆Brovey融合后的影像（图6）色彩畸变比较大，与多光谱影像（图3）相比较，影
像上的地物的清晰程度有很大的提高，分辨率较高，但是影像中的阴影地方初相蓝
色，颜色不符合实际。
绿色植物的颜色变得过于鲜绿。
融合后的影像存在色彩失真
的问题。
(2)定量分析：
为了客观和定量地比较两种方法的融合效果，利用反映亮度信息的评价参数(均值和标准差)、以及特征值来进行综合评价。
融合后影像与原始影像相关统计量如表1所示。
表1各影像的性能统计参数
影像波段均值标准差特征值
TM多光谱Band 1 116.82 43.32 5693.31 Band 2 125.34 44.05 196.58 Band 3 114.33 46.35 76.04
HA V变换Band 1 100.21 59.69 10259.53 Band 2 113.19 59.36 513.58 Band 3 101.73 62.86 264.55
Brovey变换Band 1 38.95 17.63 806.80 Band 2 45.47 18.53 143.06 Band 3 39.64 19.16 71.31
◆从均值结果可以看出，HA V变换均值较大，所以HA V变换在提高图像的亮度方面
效果更好。
◆从标准差来看，Brovey变换的标准差明显小于HA V变换的标准差，说明HA V变换
的像素分布离散程度更大。
◆相比于另外几幅图像，HA V变换后图像微小细节反差和纹理变化特征的表达能力大
大增强。
图像的清晰度得到了很大幅度提高。
◆这些统计参数的变化与各种融合方法的理论分析结果一致与人的视觉效果的变化
一致。
(3)总结：
通过目视分析和定量分析比较两种方法的融合效果，得出结论：HAV变换融合效果优于Brovey变换。
五、实验中遇到的问题及解决方法
1.问题：
对特征值的概念不理解，上网查找资料也没有找到特征值在影像融合中的评价方法。
2.解决办法：
通过请教老师发现原来这里的特征值和线性代数中的特征值是一个意思，它体现了遥感影像信息量的多少，特征值越大，信息量就越大，图像效果也就越好。