遥感图像频域增强处理(精)
遥感图像增强处理
第八章（4） 遥感图像增强处理一、彩色增强处理彩色合成变换：加色法密度分割：单波段的彩色：密度分割IHS 变换（一）彩色合成多波段彩色合成：利用计算机将同一地区三个波段的影像，分别赋予红、绿、蓝三原色，进行单基色变换（色阶），然后使各影像准确套合叠置显示，依照彩色合成原理，构成彩色合成影像。
分类：假彩色合成、真彩色合成真彩色合成：当三幅影像的工作波段分别为红、绿、蓝时，同时分别对应赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。
假彩色合成：（重点看）各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成标准假彩色合成：1、近红外波段赋予红色、红光波段赋予绿色，绿光波段赋予蓝色。
2、针对TM 影像的7个波段：第2波段是绿色波段、第3波段是红色波段、第4波段是近红外波段当4、3、2波段分别赋予红、绿、蓝色时，这一合成方案称为标准假彩色合成（二）假彩色密度分割单波段的假彩色密度分割：将单波段影像的像元值从小到大按照某种标准划分等级，每一级别赋予一种颜色，最终影像表现为彩色，这些色彩是人为加上的，与地物的天然色彩不一定相同，称为假彩色密度分割。
等密度分割：对像元数值从小到大划分为n 级，各级内含有的像元数大致相等时，称为等密度分割。
（三）IHS 变换HSI 代表色调、饱和度和明度（hue ，saturation,intensity ）。
色彩模式可以用近似的颜色立体来定量化。
定义：IHS 变换是RGB 颜色系统与HIS 颜色系统之间的变换。
具体方法 ：令IRIGIB ,下标max 为R ，G ，B 中最大值，下标min 为R ，G ，B 中最小值， IRIGIB 和Ｓ均为0-1的实数，Ｈ为0-360的实数。
则有明度： 2/)(min max I I I +=饱和度：5.0≤I )/()(min max min max S S S S S +-=5.0>I )11/()(min max min max S S S S S -+--=色调：min max H H H -=∆如果max H H R =，则]/)[(60H H H H B G ∆-=，位于黄和品红之间如果max H H G =，则]/)(2[60H H H H R B ∆-+=，位于青和黄之间如果max H H B =，则 ]/)(4[60H H H H G R ∆-+=，位于品红和蓝之间二 、光谱增强处理（一）反差增强线性变换，非线性变换，直方图增强⏹ 通过修改各种像元值来改善影像对比度，从而改变影像质量的处理方法。
遥感图像处理 第五讲 空间域增强
真彩色增强技术
四、彩色变换增强
伪彩色增强技术
假彩色增强技术
54
真彩色增强技术
四、彩色变换变换
TM1 TM2 TM3
伪彩色增强技术 假彩色增强技术
TM123
55
真彩色增强技术
四、彩色变换增强
伪彩色增强技术 假彩色增强技术
56
真彩色增强技术
四、彩色变换增强
密度分割
伪彩色增强技术 假彩色增强技术
49
直方图均衡化 直方图匹配
50
四、彩色变换增强
51
四、彩色变换增强
真彩色增强技术
伪彩色增强技术
假彩色增强技术
52
真彩色增强技术
四、彩色变换增强
伪彩色增强技术 假彩色增强技术
概念：把能真实反应或近似反应地物本来颜色
的影像叫真彩色影像。
实例： TM 影像三个可见光波段 TMl 、TM2 和
TM3的合成影像近似为真彩色影像。 TMl——蓝、TM2——绿、TM3——红
12
一、影像变换与增强的 方法
为什么进行增强 影像增强机理 影像增强概念 增强处理方法
低频增强
13
一、影像变换与增强的 方法
为什么进行增强 影像增强机理 影像增强概念 增强处理方法
14
二、影像灰度变换增强
15
二、灰度变换增强
16
二、灰度变换增强
线性变换
17
二、灰度变换增强
线性变换
18
影像增强(image enhancement) ：
为什么进行增强 影像增强机理 影像增强概念 增强处理方法
为了使分析者能容易确切地识别影像内容， 按照特定目的对影像数据进行加工，使部分信息 得到增强的过程。
遥感图像频率域增强处理实验报告
一、实验名称遥感图像频率域增强处理二、实验目的对图像数据采用各种图形增强算法，提高图像的目视效果，方便人工目视解译、图像分类中的样本选取等，方便以后的图像解译。
学会使用ENVI软件对遥感影像进行分析增强处理，初步掌握各种图像增强方法，并对其结果进行比较，观察增强效果。
三、实验原理FFT Filtering（Fast Fourier Transform Filtering 快速傅立叶变换滤波）可以将图像变换成为显示不同空间频率成分的合成输出图像。
正向的FFT 生成的图像能显示水平和垂直空间上的频率成分。
图像的平均亮度值显示在变换后图像的中心。
远离中心的像元代表图像中增加的空间频率成分。
这一滤波能被设计为消除特殊的频率成分，并能进行逆向变换。
四、数据来源本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。
五、实验过程1、正向FFT滤波加载影像，在ENVI主菜单栏中选择Filters →FFT Filtering →Forward FFT。
出现Forward FFT Input File对话框，选择要进行滤波的文件，点击ok。
在Forward FFT Parameters对话框中选择输出文件名及位置。
点击ok开始FFT计算。
2、图像平滑1）定义FFT滤波器在ENVI主菜单栏中选择Filters →FFT Filtering →Filter Definition。
将出现Filter Definition选择对话框。
Filter_Yype →Circular Pass。
定义相关参数。
选择输出路径，apply构建FFT滤波器。
2）反向FFT变换选择Filter →FFT Filtering →Inverse FFT，出现Inverse FFT Input File对话框。
遥感图像的频率域增强
遥感图象的频率增强与多光谱增强一、实验目的：学习并掌握遥感图象频率域增强的原理与方法，理解频率域增强的意义。
学习和掌握主成分变换，缨帽变换和色彩变换的基本原理与方法，理解三种变换方法处理的效果及意义二、实验内容：频率域平滑频率域锐化主成分变换缨帽变换色彩变换三、实验原理与方法：频率域增强的方法的基本过程：将空间域图象通过傅立叶变换为频率域图象，然后选择合适的滤波器频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图象。
K-L变换是离散（Karhunen-Loeve）变换的简称，又被称作主成分变换。
它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y，表达式为Y=AX对图像中每一个像元矢量逐个乘以矩阵A，便得到新图像中每一个像元矢量。
A的作用是给多波段的像元亮度加权系数，实现线性变换。
由于变换前各波段之间有很强的相关性，经过K-L变换组合，输出图像Y的各分量yi之间将具有最小的相关性，这就是变换矩阵A 的作用K-T变换是Kauth-Thomas变换的简称，也称缨帽变换。
这种变换也是一种线性组合变换，其变换公式为：Y＝BX彩色变换实际上就是根据人眼对色彩的分辨力远远大于对灰度的分辨力，将RGB色彩系统和IHS色彩系统相互转化来提高图像被人眼感知的效果四、实验步骤：（省略）实验原图：傅立叶变换图Butterworth滤波器处理Butterworth 高通滤波器Butterworth 低通滤波器Ideal滤波器Ideal 低通滤波器Ideal 高通滤波器Ideal 低通滤波器处理Ideal 高通滤波器处理Butterworth 高通滤波器处理Butterworth低通滤波器处理实验原图主成分正变换后图像实验原主成分处理后再经逆变换处理后图像实验原图缨帽变换后图像原RGB图像HIS图像五、结果分析和讨论：1．比较滤波处理前后的图像，分析低通滤波和高通滤波处理的效果1)经过高通滤波器处理后的图像，图像被锐化，边缘出现抖动现象，2)经过低通滤波处理后的图像，可以有效的消除噪声，由于高频部分含有大量边缘信息，导致边缘损失，图像边缘模糊。
实验五：遥感图像的增强处理实验指导
实验五：遥感图像的增强处理实验指导实验目的：通过上机操作，了解空间增强、辐射增强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。
实验内容：卷积增强处理；锐化增强处理；直方图均衡化；主成分变换。
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，是一定灰度范围内的像元数量大致相同。
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。
图6-1直方图均衡化在ERDAS图标面板菜单条：单击单击Main | Image Interpreter｜Radiometric Enhancement | Histogram Equalization 命令，打开Histogram Equalization对话框（图6-1）。
也可以在ERDAS图标面板工具条：单击单击Interpreter图标｜Radiometric Enhancement | Histogram Equalization 命令，打开HistogramEqualization对话框（图6-1）。
Histogram Equalization对话框中，需要设置下列参数：（1）确定输入文件为Lanier.img。
（提示：所有练习示例文件均在C:\Program Files\Imagine\Examples文件夹下，以下同）（2）定义输出文件为equalization.img。
（提示：一定要记住输出文件的位置，可自定义文件名）（3）文件坐标类型为Map，其它默认设置。
（4）单击OK按钮，执行处理。
注意：认真对比直方图均衡化前后的图像差别，仔细观察直方图均衡化的效果，具体方法如下，（以下所有实验观察处理效果的方法均相同）。
1、可以打开两个视窗（Viewer1/Viewer2），在两个视窗中分别打开处理前Lanier.img和处理后equalization.img两幅图像，观察效果。
遥感图像的增强处理
目的：通过上机操作，掌握彩色变换增强，空间域增强，频率域增强，多光谱变换增强等几种遥感图像增强处理的过程和方法，加深对遥感图像增强处理的理解。
实验内容：彩色合成；对比度变换增强；空间滤波增强；频率域增强；图像运算；主成分变换。
一、彩色合成
根据加色法彩色合成原理，选择遥感图像的三个波段，分别赋予红、绿、蓝三种原色，然后将这三个波段叠加，构成彩色合成图像。
锐化：interpreter—spatical enhancement—convolution（索伯尔）以T1为例。 New为自己新定义一个模板，在Xsize与Ysize中定义，以默认的3为例，在窗口中的行列中输入T1（突出线状地物，为水平方向线性地物）点file中的librarian中的name中命名“suoboer”点save后close，发现自定义的suoboer已出现 在convolution窗口中的kernel下，点击suoboer，再在output file中命名。
（1）索伯尔梯度
1 2 1 -1 0 1
T1= 0 0 0 T2= -2 0 2
-1-2-1 -1 0 1
（2）拉普拉斯算法（有利于提取边缘信息）
0 1 0
T（m，n）=1-4 1（同时突出横、纵向，但边界是断断续续
标准假彩色合成：
TM2(绿波段)赋予蓝
TM3（红波段）赋予绿
TM4（近红外波段）赋予红；
步骤：配准--------合成
空间位置上配准（通过几何校正进行配准）
做一标准假彩色合成（选影像tm2、3、4）
首先将tm2、3、4打开看是否能直接合成（投影坐标是否一样，若不一样则需配准后才能合成）
遥感数据图像处理实验四、图像增强处理
遥感数据图像处理实验四、图像增强处理实验四、图像增强实验内容：1. 空间增强处理（Spatial Enhancement）2. 辐射增强处理（Radiometric Enhancement）1.空间增强处理（Spatial Enhancement）⼀、⾮定向边缘增强（Non-directional Edge）（以c:\program files\ imagine 8.4\examples\lanier.img为例）⾮定向边缘增强应⽤两个⾮常通⽤的滤波器（Sobel滤波器和Prewitt滤波器），⾸先通过两个正交卷积算⼦（Horizontal算⼦和Vertical算⼦）分别对遥感图像进⾏边缘探测，然后将两个正交结果进⾏平均化处理。
⾮定向边缘增强具体操作过程如下：ERDAS IMAGINE 8.4图标⾯板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标⾯板⼯具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spatial Enhancement→打开Spatial Enhancement对话框→选择Non-directional Edge→打开Non-directional Edge对话框在Non-directional Edge对话框中需要⾊置下列参数：→Input File（确定输⼊⽂件）：lanier.img→Output File（定义输出⽂件）：non-direct.img→Coordinate Type（⽂件坐标类型）：Map→Subset Definition（处理范围确定）：ULX,ULY;LRX，LRY（缺省状态为整个图像范围）→Output Data Type（输出数据类型）：Unsigned 8 bit→Filter Selection(滤波器选择):Sobel→选定Ignore Zero in Stats(输出数据统计时忽略零值)→单击OK按钮（关闭Non-directional Edge对话框，执⾏⾮定向边缘增强）⼆、纹理分析（以c:\program files\ imagine 8.4\examples\lanier.img为例）纹理分析通过在⼀定的窗⼝内进⾏⼆次变异分析（2nd-order Variance）或三次⾮对称分析(3rd-order Skewness),使图像的纹理结构得到增强，操作的关键是窗⼝⼤⼩（Window Size）的确定和操作函数（Operator）的定义。
11.第四章(2) 遥感图像增强处理
陷波滤波器：F(u,v)中的某一点凹陷，其它为常数。
如：
0 H (u , v) 1
(u , v) ( M / 2, N / 2) 其它
示意图
注：在傅里叶变换中，低频成分主要决定图像在平滑区域中的总 体灰度级的显示，而高频成分决定图像细节部分，如边缘、噪声。 低通滤波器：在保持低频信息的同时，消除了图 像中的高频成分，达到图像平滑的目的。 高通滤波器：突出图像的边缘和轮廓，使高频通 过而使低频衰减，达到图像锐化的目的。
G(u, v) H (u, v) F (u, v)
前（后）处理：偶数据转换，灰度级标定， 输入向浮点数转换，输出向整数格式转换。
滤波过程通过滤波器函数以某一种方式来修改图像变换，然后通过结果的 反变换来获得处理后的输出图像。
一幅图像及显示某些重要特征的傅里叶谱
23
4.2.2 傅里叶变换和频率域
1 f ( x, y ) h ( x, y ) MN
卷积实现：
1. 2. 3. 4.
M 1 N 1 m 0 n 0
f (m, n)h( x m, y n)
关于原点翻转函数h(x,y) 通过改变(x,y)的值相对于一个函数移动另一个函数 对每一个(x,y)的位移值 ，计算所有m和n值乘积的和。 (x,y)位移以整数增加，当函数不再重叠时停止。
(a)和(c)表明,在 空间域通过使用 带正系数的模板 可以实现低通滤 波；频率域滤波 器越窄，滤除的 低频成分就越多， 使得图像模糊， 而在空间域就意 味着滤波器就越 宽，模板越大。
傅里叶变换
F (u , v)
H (u , v)
G (u, v)
傅里叶逆变换
g ( x, y )
- 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)。
成都信息工程学院
1 实验名称:遥感图像频域增强处理
2 实验目的
对图像进行傅立叶变换,使用低通、高通及其它滤波器,并尝试改变滤波器窗口大小,看滤波后的图像差异,从而了解图像频率域增强的处理方法。
3实验原理:
傅里叶变换是指非周期函数的正弦或余弦和乘以加权函数的积分表示,数字图像处理中所用的傅里叶变换均属于FFT,傅里叶变换分为连续傅里叶变换和离散傅里叶变换,在数字图像处理中经常用到的是二维离散傅里叶变换。
4数据来源:
数据时通过国际科学数据服务平台下载的攀枝花地区的TM图像经过裁剪处理后,分辨率为30米,坐标系统为WGS—84
5.1快速傅里叶变化
5.1.1打开一个图像如下图
框中,选择输入图像文件。
选择文件后点击OK
选择存储位置后点OK
转换过程如下图
5.1.3经过快速傅里叶变换(FFT之后生成的图像为:
从图上看,中间很亮的部分集中了图像的低频信息;外围较暗的部分集中了图像的高频信息。
5.2 FFT滤波器的选择
5.2.1在Display窗口中显示一幅FFT图像。
5.2.2在主菜单中,选择Filters—FFT Filtering—Filter Definition。
在Filter Definition选择对话框中,选择当前显示的FFT图像的Display窗口,单击OK。
5.2.3在Filter Definition对话框中,选择Filter _Type—滤波器类型。
选择不同的滤波器。
Circular Pass为低通滤波器
Circular Cut为高通滤波器
Band Pass和Band Cut滤波器
5.3反向FFT变换
5.3.1在主菜单中,选择Filters—FFT Filtering—Inverse FFT,选择houfft文件,点击OK。
5.3.2出现如下对话框,选择刚才保存的滤波器类型,点OK
5.3.3选择输出路径,点OK
完成傅里叶变换。
6实验结果与分析
下图分别为低通滤波、高通滤波、Band Pass滤波的处理图像。
傅里叶变换能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数或者
它们的积分的线性组合。
通过傅里叶变换可以将图像从空间域转到频率域进行操作处理，不同的滤波器有不同的效果，要根据实际情况选择合适的滤波器才能得到想要的结果。
7 实验心得总的来说，实验做的过程很坎坷，首先是选图的问题，我首次选的图像比较大，处理速度慢是一个问题，而且处理过程中还会出错；再有在进行滤波半径选择的时候选的都是 100，所以实验效果不太明显。
但是实验的整体思路还是了解的。
通过这次实验我明白了，实验数据的选择的重要性。
在今后中会多加注意这方面的问题。