遥感图像处理
遥感图像处理实验报告
遥感图像处理实验报告《遥感图像处理实验报告》摘要：本实验利用遥感技术获取了一幅卫星图像，通过图像处理技术对图像进行了处理和分析。
实验结果表明，遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
引言：遥感图像处理是利用遥感技术获取的图像进行数字化处理和分析，以获取有用的地理信息和环境数据的过程。
本实验旨在通过对遥感图像的处理和分析，探讨遥感图像处理技术在实际应用中的作用和意义。
实验方法：1. 获取卫星图像：选择一幅特定区域的卫星图像作为实验对象，确保图像质量和分辨率满足处理要求。
2. 图像预处理：对原始图像进行预处理，包括去噪、增强、几何校正等操作，以提高图像质量和准确性。
3. 图像分析：利用遥感图像处理软件对图像进行分类、特征提取、变化检测等分析，获取地理信息和环境数据。
4. 结果展示：将处理后的图像结果进行展示和分析，对图像处理技术的应用效果进行评估。
实验结果：经过处理和分析，得到了一幅清晰的遥感图像，并从中提取了有用的地理信息和环境数据。
通过图像分类和特征提取，可以准确地识别出不同地物类型，如建筑物、植被、水体等；通过变化检测，可以发现地表的变化情况，如城市扩张、土地利用变化等。
这些信息对于地理信息系统、环境监测、城市规划等领域具有重要的应用价值。
结论：遥感图像处理技术在地理信息系统、环境监测、城市规划等领域具有重要的应用价值，通过对遥感图像的处理和分析，可以获取丰富的地理信息和环境数据，为相关领域的决策和规划提供重要的支持。
在未来的研究中，可以进一步探讨遥感图像处理技术的改进和应用，以满足不同领域的需求。
遥感图像处理与分析算法综述
遥感图像处理与分析算法综述随着遥感技术的发展，遥感图像处理与分析算法在各个领域中得到了广泛的应用。
遥感图像处理与分析算法是指通过对遥感图像进行数字处理和分析，来提取和解释图像中的信息。
本文将综述一些常见的遥感图像处理与分析算法，包括图像增强、分类与分割等。
一、图像增强图像增强是指通过一系列的操作，提高图像的质量和可视化效果。
常见的图像增强算法包括直方图均衡化、滤波和增强函数等。
直方图均衡化是一种常用的图像增强方法，它通过对图像的直方图进行变换，来增加图像的对比度。
该方法通过将图像的像素值映射到一个新的分布上，从而改变图像的亮度分布。
滤波是另一种常见的图像增强方法，通过在图像的空域或频域中对像素进行处理，来减少噪声和增强图像细节。
常见的滤波算法包括高通滤波和低通滤波等。
高通滤波可以增强图像的边缘和细节，而低通滤波则能够平滑图像并去除噪声。
增强函数是一种通过对图像的像素值进行非线性映射，来增强图像的方法。
常见的增强函数包括对数变换、幂次变换和伽马变换等。
对数变换可以扩展暗部像素的动态范围，而幂次变换则能够增强图像的对比度。
二、分类与分割分类与分割是遥感图像处理与分析的重要内容，它们能够将图像中的不同对象进行区分和提取。
常见的分类与分割算法包括聚类分析、最大似然分类和支持向量机等。
聚类分析是一种通过将像素划分到不同的类别中，来实现图像分类和分割的方法。
常见的聚类分析算法包括K均值聚类和自适应聚类等。
K均值聚类将图像像素划分为K个簇，每个簇代表一个类别，而自适应聚类则能够根据像素的分布进行不同权重的划分。
最大似然分类是一种基于概率统计的图像分类方法，它通过计算像素在每个类别中的概率，并选择概率最大的类别作为最终的分类结果。
最大似然分类算法能够准确地对图像中的不同对象进行分类，并且具有较强的鲁棒性。
支持向量机是一种通过构建一个最优决策边界，来实现图像分类和分割的方法。
支持向量机利用训练样本，通过最大化分类边界与样本之间的距离，来找到一个最优的分类超平面。
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感图像处理的基本原理与方法
遥感图像处理的基本原理与方法遥感技术是指利用航空、航天等手段获取地球表面信息的技术和方法。
遥感图像处理是对获取的遥感图像进行分析、解译和推断的过程，可以提取出有用的地貌、植被、土地利用等信息。
本文将介绍遥感图像处理的基本原理与方法，帮助读者更好地理解和应用遥感技术。
一、遥感图像的获取和特点遥感图像是通过感光器件（如传感器）对地面反射和辐射的能量进行记录和测量而获得的图像。
这些感光器件可以测量和记录不同波段（如红外、可见光和微波等）的电磁辐射，并产生相应的数字图像。
遥感图像具有以下几个特点：1. 遥感图像拥有广阔的视野，可以获取大范围的地表信息；2. 遥感图像可以获取地面特定时间的状态，可以进行长期观测和时序分析；3. 遥感图像具有数字化特征，可以进行数字图像处理和分析。
二、遥感图像的处理流程遥感图像处理的主要流程包括数据获取、预处理、特征提取和解译等环节。
1. 数据获取数据获取是遥感图像处理的第一步，可以通过卫星、航空遥感以及无人机等手段获取图像数据。
卫星提供的数据通常具有较高的分辨率和全球覆盖能力，而航空遥感和无人机则可以获取更高分辨率的数据，但覆盖范围较小。
2. 预处理预处理是对原始遥感图像进行预处理，以剔除噪声、校正几何畸变和辐射定标等。
常见的预处理操作包括大气校正、辐射定标、几何校正等。
预处理能够提高图像质量，为后续处理奠定良好的基础。
3. 特征提取特征提取是遥感图像处理的核心环节，通过分析图像中的颜色、纹理、形状等特征，提取出所需的地物信息。
常用的特征提取方法包括直方图均衡化、滤波、边缘检测、分割等。
4. 解译解译是将所提取的特征与已知的地物信息进行匹配，进一步推断和识别图像中的地物。
解译可以通过人工解译和自动解译两种方式进行。
人工解译需要依靠专业知识和经验，而自动解译则可以借助计算机算法进行。
三、遥感图像处理的应用领域遥感图像处理在许多领域都有广泛的应用。
1. 农业领域遥感图像可以提供农业领域的土地利用、农作物生长状态等信息。
遥感图像处理
遥感图像处理1. 简介遥感图像处理是指利用遥感技术获取的卫星或无人机等遥感图像数据进行处理和分析的过程。
遥感图像处理可以应用于多个领域，包括地理信息系统（GIS）、环境监测、农业、城市规划等。
本文将介绍遥感图像处理的基本概念、常用方法和应用案例。
2. 遥感图像处理的基本概念遥感图像处理涉及多个概念和技术，以下是一些常用的基本概念：2.1 遥感图像遥感图像是通过遥感设备获取的图像数据，可以是卫星图像、航空摄影图像或无人机图像等。
遥感图像通常包含多个波段，每个波段代表不同的光谱信息。
2.2 遥感图像预处理遥感图像预处理是指对原始遥感图像数据进行校正、矫正和增强的过程。
预处理的目的是提高图像质量、减少噪声和伪影，并使得图像更适合进行后续处理和分析。
2.3 遥感图像分类遥感图像分类是指将遥感图像根据像素的特征或属性进行划分和分类的过程。
常见的遥感图像分类方法包括基于统计学的分类、基于机器学习的分类和基于深度学习的分类。
2.4 遥感图像变化检测遥感图像变化检测是指对多个时间点的遥感图像进行比较，以检测地物、景观或环境发生的变化。
遥感图像变化检测可以用于监测自然灾害、环境变化等。
2.5 遥感图像分析遥感图像分析是指对遥感图像进行解译和分析，提取图像中的有用信息和特征。
遥感图像分析可以用于土地利用/覆盖分类、植被指数计算等应用。
3. 遥感图像处理的常用方法遥感图像处理常用的方法包括图像增强、图像配准、图像融合和目标检测等。
3.1 图像增强图像增强是指通过对图像进行滤波、对比度拉伸、直方图均衡化等处理，以增强图像的可视化效果和信息提取能力。
常用的图像增强方法包括直方图均衡化、滤波（如中值滤波、高斯滤波）和锐化等。
3.2 图像配准图像配准是指将两幅或多幅遥感图像在坐标系、旋转、尺度和形变等方面进行校正和匹配的过程。
常用的图像配准方法包括特征点匹配、地物匹配和基于控制点的配准方法。
3.3 图像融合图像融合是指将多幅具有不同光谱或分辨率的遥感图像融合成一幅多光谱和高分辨率的遥感图像。
遥感图像处理的基本步骤与技巧
遥感图像处理的基本步骤与技巧遥感技术是指利用航天器、飞机、卫星等高空平台获得的遥感图像进行信息提取和数据分析的过程。
随着科技的不断进步和应用范围的扩大，遥感图像处理已经成为许多领域中的重要工具。
本文将介绍遥感图像处理的基本步骤与技巧，以帮助读者更好地理解和应用这一技术。
一、图像预处理遥感图像预处理是遥感图像处理的第一步，旨在通过去除噪声、辐射校正和几何校正等处理，使图像质量更高，方便后续处理。
其中，去除噪声主要是采用滤波算法，如中值滤波、均值滤波等。
辐射校正主要用于将图像的辐射能量转换为表观反射率，以消除云、阴影等因素的影响。
几何校正是通过对图像进行几何变换，将其与地理坐标系统对齐，以便于后续的地理信息提取。
二、特征提取特征提取是遥感图像处理的核心环节，目的是从遥感图像中提取出具有代表性和区分度的特征信息。
常用的特征包括光谱特征、纹理特征、形状特征等。
光谱特征是指根据图像像素的光谱反射率或辐射能量，提取出不同波段的特征。
纹理特征是指从图像中提取出地物的纹理信息，包括纹理方向、纹理密度等。
形状特征是指从图像中提取出地物的形状信息，包括面积、周长等。
三、分类与识别分类与识别是遥感图像处理中的重要任务，目的是将地物按照其属性进行分类和识别。
常见的分类方法包括监督分类和无监督分类。
监督分类是指根据已知的样本类别信息，通过训练分类器将图像中的地物分到不同的类别中。
无监督分类是指根据图像像素之间的相似性将其分为一定数量的类别。
分类结果可以用于制作地图、监测资源变化等。
四、变化检测变化检测是遥感图像处理中的一项重要任务，主要应用于监测和分析地表物体的变化。
遥感图像在不同时间获取的变化信息可以帮助我们了解自然和人类活动对地表的影响。
常见的变化检测方法包括像素级变化检测和对象级变化检测。
像素级变化检测是指比较两幅图像对应像素之间的差异，以确定变化的位置和类型。
对象级变化检测是指先将图像分割成不同的对象，然后比较不同时间获取的对象之间的差异。
遥感数字图象处理课件.ppt
加色法彩色合成与减色法彩色合成
Байду номын сангаас
加色法三原色
减色法三原色
三、光学增强处理
✓ 图像的光学增强处理方法具有精度高， 反映目标地物 更真实，图像目视效果等优点，是遥感图像处理的重 要方法之一。
✓ 计算机图像处理的优点在于速度快、操作简单、效率 高等优点，有逐步取代光学方法的趋势。
2、颜色的性质：
所有颜色都是对某段波长有选择地反射而对其他波长吸收的结果。 颜色的性质由明度、色调、饱和度来描述。
（1）明度：是人眼对光源或物体明亮程度的感觉。物体
反射率越高，明度就越高。
（2）色调：是色彩彼此相互区分的特性。 （3）饱和度：是色彩纯洁的程度，即光谱中波长段是否窄，
频率是否单一的表示。
第一节 遥感图像的光学处理原理及方法
一、颜色视觉
1、亮度对比和颜色对比
（1）亮度对比：对象相对于背景的的明亮程度。改变对
比度，可以提高图象的视觉效果。 C=(L对象 – L 背景）/ L 背景
（2）颜色对比：在视场中，相邻区域的不同颜色的相互
影响叫做颜色对比。两种颜色相互影响的结果，使每种颜 色会向其影响色的补色变化。在两种颜色的边界，对比现 象更为明显。因此，颜色的对比会产生不同的视觉效果。
③ 色度图：可以直观地表现颜色相加的 原理,更准确地表现颜色混合的规律.
CIE色度图
3、颜色相减原理
减色过程:
白色光线先后通过两块滤光片的过程.
颜色相减原理:当两块滤光片组合产生颜色混合时,入
射光通过每一滤光片时都减掉一部分辐射，最后通过的光是经过 多次减法的结果.
减法三原色:黄、品红、青
遥感图像处理的基本步骤和技巧
遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。
遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。
本文将介绍遥感图像处理的基本步骤和技巧。
一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。
常见的图像预处理技术包括辐射校正、大气校正和几何纠正。
辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。
大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。
几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。
二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。
常见的图像增强技术包括直方图均衡化、滤波和波段变换。
直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。
滤波是通过应用各种滤波器来去除图像中的噪声和模糊。
波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。
三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。
常见的特征提取技术包括阈值分割、边缘检测和纹理分析。
阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。
边缘检测是寻找图像中的边界线，以辅助划分地物边界。
纹理分析是通过提取图像的纹理特征来描述地物的空间结构。
四、分类与识别分类与识别是将特定地物进行分类和识别的过程。
常见的分类与识别技术包括监督分类、无监督分类和目标检测。
监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。
无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。
目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。
五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。
通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。
- 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)。
3、颜色立体 （1）颜色立体：中间垂直轴代表明度 ；中间水平
面的圆周代表色调；圆周上的半径大小代表饱和度。
3、颜色立体 （2）孟赛尔颜色立体：中轴代表无色彩的明度
等级；在颜色立体的水平剖面上是色调；颜色历代中 央轴的水平距离代表饱和度的变化。
二、加色法与减色法
1. 颜色相加原理
① 三原色：若三种颜色，其中的任一种都不
大气密度分布从下向 上越来越小，折射率 也不断变化，折射后 的辐射传播不再是直 线而变成了曲线，从 而引起像点的位移。
（5）地球自转的影响
卫星自北向南运行的同时， 地球自西向东自转，相对 运动使卫星的星下点位置 逐渐向西平移，最终使得 图像发生扭曲。
2、几何畸变校正
① 基本思路：把存在几何畸变的图像，纠正成符
第四章 遥感图像处理
第一节 光学原理与光学处理 一、颜色视觉
1、亮度对比和颜色对比 （1）亮度对比：对象相对于背景的的明亮程度。
改变对比度，可以提高图象Z的视觉效果。E
（2）颜色对比：在视场中，相邻区域的不同颜
色的相互影响叫做颜色对比。两种颜色相互影 响的结果，使每种颜色会向其影响色的补色变 化。在两种颜色的边界，对比现象更为明显。 因此，颜色的对比会产生不同的视觉效果。
2、颜色的性质：
所有颜色都是对某段波长有选择地反射而对其他波 长吸收的结果。 颜色的性质由明度、色调、饱和度来描述。
（1）明度：是人眼对光源或物体明亮程度的感觉。
物体反射率越高，明度就越高。
（2）色调：是色彩彼此相互区分的特性。 （3）饱和度：是色彩纯洁的 程度，即光谱中波长
段是否窄，频率是否单一的表示。
标地物更真实，图像目视效果等优点，是遥感 图像处理的重要方法之一。
计算机图像处理的优点在于速度快、操作简单、
效率高等优点，有逐步取代光学方法的趋势。
三、光学增强处理
1. 彩色合成 加色法彩色合成 减色法彩色合成 2. 光学增强处理 3. 光学信息的处理 图像的相加和相减 遥感黑白影象的假彩色编码
◆
三原色：若三种颜色， 其中的任一种都不能由 其余二种颜色混合相加 产生，这三种颜色按一 定比例混合，可以形成 各种色调的颜色，则称 之为三原色。 红、绿、蓝。 ◆ 互补色：若两种颜色混 红＋绿＝黄 合产生白色或灰色，这 红＋蓝＝品红 两种颜色就称为互补色。 蓝＋绿＝青 黄和蓝、红和青、绿和 红＋蓝＋绿＝白 品红。 ◆ 色度图：可以直观地表现颜色相加的原理,更准确地表现颜 色混合的规律.
（1）卫星姿态引起的图像变形
位移变化
速度变化
高度变化
(dα)
侧翻变化
俯仰变化
(dω )
(dκ )
偏航变化
（3）地球表面曲率的影响
地球曲率引起的像点位移类似于地形起伏引起 的像点位移。Δh看作是一种系统的地形起伏， 就可以利用像点位移公式来估计地球曲率所引 起的像点位移。 地球曲率的变形图示
（4）大气折射的影响
进入传感器的辐射能的组成： L=L1λ+L2λ+LPλ
大气的主要影响是减少了图像的对比度，使原始信 号和背景信号都增加了因子，图像质量下降。
2.大气影响的粗略校正：通过简单的方法去 掉程辐射度（散射光直接进入传感器的那 部分），从而改善图像质量。 直方图最小值去除法 回归分析法:
（１）直方图最小值去除法
合某种地图投影的图像，且要找到新图像中每 一像元的亮度值。 ② 具体步骤 1）计算校正后每一点所对应原图中的位置； 2）计算每一点的亮度值。 ③ 计算方法 1）建立两图像像元点之间的对应关系； 2） 求出原图所对应点的亮度：最近邻法、双线性 内插法、三次卷积内插法。
2、几何畸变校正
④ 控制点的选取
多光谱TM影像
TM1：0.45-0.52微米，蓝波段 TM2：0.52-0.60微米，绿波段 TM3：0.63-0.69微米，红波段， TM4：0.76-0.90微米，近红外波段 TM5：1.55-1.75微米，中红外波段 TM6：10.4-12.5微米，热红外波段 TM7：2.08-2.35微米，中红外波段
1.大气影响的定量分析 对传感器接收影响较大的是吸收和散射。 到达传感器的辐射亮度：
◆太阳经大气衰减后照射到地面，经地面反射后，又经大 气第二次衰减进入传感器的能量； 透过率小于1（L1） ◆各个方向散射光又以漫入射照射地物，经地物反射进入 传感器。(L2) ◆各个方向散射光直接进入传感器。(LP) ——程辐射度
一般来说，大气影响散射主要影响短波部分，其强度随波长 的增加而减小，到红外波段可能接近于零。把它作为无散射 影响的标准图像，通过对不同波段图像的对比分析来计算大 气影响。 ◆基本思想： 以红外波段最低值校正可见光波段。把红外图象当作无散 射的标准图象。
回归分析校正法
◆操作方法：
令红外波段为a波段，其他波段的最小值一定比a波段的大，设为 b波段。两波段的像元亮度间具有相关性，以a波段亮度作为自变量、 b波段亮度作为函数，作 2维散点图进行线性回归分析。所得的截距被 当做为波段b中所具有的程辐射度。 回归方程为： y=a4+b4x；大气改正截距a4
几何畸变：遥感图像的几何位置上发生 变化，产生诸如行列不均匀，像元大小 与地面大小对应不准确，地物形状不规 则变化等变形。 几何畸变是平移、缩放、旋转、偏扭、 弯曲等作用的结果。
1、遥感影像变形的原因
① 遥感平台位置和运动状态变化的影响： ② ③
④ ⑤
航高、航速、俯仰、翻滚、偏航。 地形起伏的影响：产生像点位移。 地球表面曲率的影响：一是像点位置的移 动；二是像元对应于地面宽度不等，距星 下点愈远畸变愈大，对应地面长度越长。 大气折射的影响：产生像点位移。 地球自转的影响：产生影像偏离。
颜色相减原理 减色过程:白色光线先后通过两块滤光片的
过程.
颜色相减原理:当两块滤光片组合产生颜色
加色法与减色法的区别:
减法三原色: 黄、品红、青 加法三原色: 红、绿、蓝
混合时,入射光通过每一滤光片时都减掉一部分 辐射，最后通过的光是经过多次减法的结果.
三、光学增强处理
图像的光学增强处理方法具有精度高， 反映目
二、辐射校正（Radiometric correction ）
进入传感器的辐射强度反映在图像上就是亮度 值（灰度值）。辐射强度大，亮度值（灰度值） 就大。 该值主要受两个物理量影响：一是太阳辐射照 射到地面的辐射强度，二是地物的光谱反射率。
◆辐射畸变： 地物目标的光谱反射率的差异在 实际测量时，受到传感器本身、大气辐射 等其他因素的影响而发生改变。这种改变 称为辐射畸变。
2. 3.
数字化：将连续的图像变化，作等间距的
抽样和量化。通常是以像元的亮度值表示。
数字图像的表示：矩阵函数
数字图象
1
量化
4. 数字图像直方图：以每个像元为单位，表示图 像中各亮度值或亮度值区间像元出现的频率的分 布图。 5. 直方图的作用：直观地了解图像的亮度值分布 范围、峰值的位置、均值以及亮度值分布的离散 程度。直方图的曲线可以反映图像的质量差异。 正态分布：反差适中，亮度分布均匀，层次丰富，图
基本思路:每幅图像上都有辐射亮度或反射亮度应
为零的地区（阴影、深海水体），而事实上并不等 于零,此值应该是程辐射度值。将每一波段中每个 像元值都减去本波段的最小值可消除程辐射度影响。 最小值从直方图中发现。
像元数百分比/% 像元数百分比/% 亮度值
亮度值
调整前直方图
调整后直方图
（2）回归分析法
能由其余二种颜色混合相加产生，这三种 颜色按一定比例混合，可以形成各种色调 的颜色，则称之为三原色。红、绿、蓝。 ② 互补色：若两种颜色混合产生白色或灰色， 这两种颜色就称为互补色。黄和蓝、红和 青、绿和品红。 ③ 色度图：可以直观地表现颜色相加的原理, 更准确地表现颜色混合的规律.
3、加色法原理
• Dropped lines occur when there are systems errors which result in missing or defective data along a scan line. • Dropped lines are normally 'corrected' by replacing the line with the pixel values in the line above or below, or with the average of the two.
◆引起辐射畸变的原因：
◆传感器仪器本身产生的误差
■ 仪器系统工作产生的误差——导致了接收的图像不均匀， 产生条纹和噪声。 ■ 主要表现：灰度失真疵点、离散的灰点、条状和环状干 扰、亮度边缘值缺失等亮度失真。
◆大气对辐射的影响
■ 由于大气吸收、散射作用，大气会消弱原信号强度； 同时部分散射光、反射光直接或间接进入传感器，成为干扰 信息。 ■ 最终表现为：减少了图像的对比度，图像具有灰雾状。
一、彩色变换 把数字图像组合转换成彩色图形，或者 把各种增强或分类图像组合叠加，以彩 色图像显示出来。（彩色的视觉分辨能 力比黑白高）
方法：假彩色密度分割；彩色合成
1、单波段彩色变换（假彩色密度分割）
① 概念：单波段黑白遥感图像可按亮度分层，
对每层赋予不同的色彩，使之成为一幅彩 色图像。这种方法又叫密度分割。 ② 分层方案的确定：分层方案与地物光谱差 异对应合适，可以较好地区分地物类别。 ③ 处理过程 ④ 效果分析
数目的确定:最小数目；6倍于最小数目。
选择的原则
易分辨、易定位的特征点：道路的交叉口，
水库坝址，河流弯曲点等。 特征变化大的地区应多选些。 尽可能满幅均匀选取。
利用图像坐标和地面坐标（另一图像坐标、 地图坐标等）之间的数学关系，即输入图像和 输出图像间的坐标转换关系实现。