遥感原理与方法——第七章遥感数字图像增强处理
第7章遥感数字图像增强——空间增强
Fu1N1fx
Nx0
i2ux
N
以累加方式 计算信号中 不同正弦波 信号的振幅、 频率、相位
f(x)N 1u N01F(u)exip 2Nux
其中
u=0,1, … , N-1 x=0,1,… ,N-1
通常数字影像 f (x是) 一个实函数，故只考虑 实函数的情况，然而，函数 的f (x傅) 立叶变 换通常是一个复数，它可表示为：
一般流程：
I=低频 R=高频
对数 变换
指数 变换
同态滤 波函数 增强
I 拟制低频 R 增强高频
本章重点
空间频率、空间增强等概念 空间域增强：平滑、锐化 频率域增强 同态滤波
（3）不同的梯度算法
与Prewitt相比，对4-邻域进行了加权。
原始图像 Prewitt
Roberts Sobel
原始图像 Prewitt-垂直
Prewitt-水平 Prewitt
原始图像
Prewitt-水平
Sobel-水平
（4）拉普拉斯算子——二阶微分
Laplace算子检测的是变化率的变化率，在图像上灰度均匀和 变化均匀的部分，算子计算结果为0，产生的图像更加突出灰 度值突变的部分。
7.1 概述
空间频率：影像中任一特定部分单位距离内亮度 值变化数量。如果在很短的距离内亮度值变化剧 烈，则该区域称为高频区域，相反则称为低频区 域。
空间频率增强或减弱方法
空间卷积滤波（空间域滤波）、 傅里叶变换（频率域 滤波）、低通滤波（平滑）、高通滤波（锐化）
7.1 概述
空间域滤波 通过卷积核对原始图像上的某像素处的邻近像素值加权
第7章 遥感数字图像增强 ——空间增强
7.1 概述 7.2 图像平滑 7.3 图像锐化 7.4 频率域滤波 7.5 同态滤波
遥感数字图像的增强实验
（2）直方图匹配（Histogram Match)输入匹配文件(Input File)：wasia1 mss.img匹配参考文件(Input File to Match )：wasia2_mss.img①ERDAS图标面板菜单条:Main 一Image Interpreter一Radiometric Enhancement —Histogram Match，打开Histogram Matching对话框。
②ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement 一Histogram Match，打开Histogram Matching对话框。
2）空间增强处理(Radiometric Enhancement)（1）卷积增强处理(Convolution)操作方法：（以文件Lanier.img为例）①ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement一Convolution，打开Convolution对话框；②ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement Convolution，打开Convolution对话框。
（2）自适应滤波(Adaptive Filter)操作方法：（以文件Lanier.img为例）①ERDAS图标面板菜单条：Main一Image Interpreter一Spatial Enhancement—Adaptive Filter，打开Wailis Adaptive Filter对话框。
②ERDAS图标面板工具条：点击Interpreter图标一Spatial Enhancement，Adaptive Filter，打开Wailis Adaptive Filter对话框。
参数设置：文件坐标类型（Coordinate Type )：Map；处理范围确定(Subset Definition)：ULX/Y LRX/Y；输出数据类型(Output Data type )：Unsigned 8 bit；移动窗口大小(Moving Window Sire)：3(表示3×3)；输出文件选择(Optins)：Bandwise(逐个波段进行滤波)，或PC(仅对主成份变换后的第一主成份进行滤波)；乘积倍数定义(Multiplier)：2(用于调整对比度)；输出数据统计时忽略零值：Ignore Zero in Stars；OK(关闭Wallis Adapter Filter对话框，执行自适应滤波)。
遥感数字图像增强处理
3
0.16
2
0.20
3
0.27
4
0.35
6
0.47
5
0.57
5
0.67
4
0.76
3
0.82
3
0.88
2
0.92
.
2
0.96
对应参考累积 新灰度级 新像元统计
像元值G(yc) yc
值hd(xd)
0
0
0
0.06
9/16
5
0.06
0.06
0.18
10/16 5
0.18
0.33
11/16
7
0.33
0.51
12/16 11
0.51
0.67
13/16 5
0.82
14/16 7
0.82
0.92
15/16 5
0.92 1.00
14
1
4
灰度 9/16 10/16 11/16 12/16 13/16 14/16 15/16 1 级yc
像元 3
6
7
9
8
7
5
4
统计
值
hc(xc)
累积 0.06 0.18 0.33 0.51 0.67 0.82 0.92 1.00 像元 统计 值
.
8
原灰度级xa
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
像元统计值
0 2 2 1 3 2 3 4 6 5 5 4 3 3 2 2
累积像元统 计值
0
2
4
5
8
10
13
17
23
28
第七讲遥感图像数据处理-图象增强
A linear stretch involves identifying lower and upper bounds from the histogram (usually the minimum and maximum brightness values in the image) and applying a transformation to stretch this range to fill the full range.
1. 比值运算：
两幅同样行、列数的图像，对应像元的亮度值 相除（除数不为0）就是比值运算。该运算常 用于突出遥感影像中的植被特征、提取植被类 型或估算植被生物量，这种算法的结果称为植 被指数。常用算法：近红外波段/红波段;或 （近红外-红）/（近红外+红）.对于区分和增 强光谱亮度值虽不明显，而不同波段的比值差 异较大的地物有明显效果。
图像增强-比值法增强(续)
地物 水 波段 4 16 沙滩
17 4
4.25
7
4/7
1
16
图像增强-比值法增强(续)
3)可利用比值图象突出某类地物,消弱 某类地物,从而提取目标信息.(比值彩色 合成)
1. 差值运算：
两幅同样行、列数的图像，对应像元 的亮度值相减就是差值运算。
图像增强-空间滤波
图像增强-直方图增强(续)
图像增强-反差增强
反差增强: 定义:通过采用扩展图象的亮度从而扩大亮(灰)度的差 异的办法来解决图象亮度范围窄,而呈现低反差状态的 过程. 方法: 1)线性扩展:是将原图象诸亮度值按线性关系进行扩大, 亮度范围可扩展为任意指定范围.(如图7.10所示a:为 原始图象直方图b:整个亮度范围扩展为[B1<a,B2>b] 后的直方图c:原始图象中亮度范围[B1<c,B2>d]的直 方图)
遥感数字图像的增强
增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。
图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。空间域增强是直接对图像像素灰度进行操作；频率域增强是对图像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所需结果。
归一化植被指数（Normalized Difference Vegetation Index）
NDVI=(IR-R)/(IR+R)
式中，IR为遥感多波段图像中的近红外(infrared)波段；R为红波段。
3.2主成份变换
主成份变换(PCA. Principal Component Analysis)是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。ERDAS IMAGINE提供的主成份变换功能最多可以对含有256个波段的图像进行转换压缩。
下面介绍典型的归一化指数：归一化植被指数（NDVI）。
2）植被指数
下面介绍典型的归一化指数：归一化植被指数（NDVI）。
植被指数是遥感监测地面植物生长和分布的一种方法。由于不同绿色植被对不用波长光的吸收率不同，光线照射在植物上时，近红外波段的光大部分被植物反射，而可见光波段的光则大部分被植物吸收，通过对近红外和红波段反射率的线性或非线性组合，可以消除地物光谱产生的影响。根据地物光谱反射率的差异做比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，能够提取植被的算法称为植被指数。
1辐射增强
辐射增强是一种通过直接改变图像中的像元的灰度值来改变图像的对比度，从而改善图像视觉效果的图像处理方法。人的眼睛鉴别图像时能够分辨20级左右的灰度级，而显示设备显示灰度的动态范围要大得多。例如，计算机显示器能够显示256个灰度级，灰度值范围为0-255。在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。图像增强的目的在于：(1)采用一系列技术改善图像的视觉效果，提高图像的清晰度；(2)将图像转换成一种更适合于人或机器进行分析处理的形式。通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。
遥感图像增强处理
实验编号：02四川师大实验报告2017年4月2日地理与资源资源学院2014级3班实验名称：遥感图像的增强处理姓名：羊少超成绩：学号：2014100339指导教师：林先成老师一．实验目的：1.通过上机操作，掌握图像增强与拉伸、图像去噪、复列变换，边缘提取及主成分变化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。
2.提升实践与动手能力，提升自身专业素养。
二．实验内容：图像的增强与拉伸、去噪与边缘提取、复列变换和主成分变换。
三．实验数据及设备：遥感图像、实验设备电脑、EARDS IMAGINE8.5软件。
四．实验步骤：首先打开ERDAS IMAGINE8.51.影像的增强处理与直方图的均衡化：灰度反转：①在工具面板中选择Image Interpreter 下的Radiometric Enhancement(辐射增强）,在选择Brightness Inversion（亮度反转）。
②输入图片（input file）Tm_1.img，定义输出文件名为0111.img，其余为默认值，点击OK，保存图片到指定位置。
（对比结果图如图1）直方图的均衡化：①在工具面板中打开Viewer#1,打开图片Viewer#1。
②在Viewer#1下选择Raster 中的contrast （对比），在选择HistogramEqualize（直方图均衡化）。
打开Viewer#2，打开图片Viewer#1，进行图片对比。
（对比图如图2）③接着之前Viewer#1中完成的图像，选择Raster 中的contrast （对比），在选择Breakpoint Editor For lannir.img(断点编辑图像，如图3）从而对图像选择进行拉伸变换。
2.图像去噪与边缘提取：去除Noise：①打开画图软件，用画笔在图纸上点一些黑点作为噪声原件，保存文件到指定为主，定义文件名为noise.tif，格式为.tif②采用中值滤波器，在控制面板中选择Image Interpreter 中的SpatialEnhancement(光间增强），再选择Focal Analysis(聚焦分析），输入图片（input file）noise.tif,定义输出文件名为noise-1.img,在Function 中图1（灰度反转）图2（直方图均衡化）图3（拉伸变换）选择Median,其余为默认值，点击OK,完成去噪。
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）
遥感图像的增强处理
遥感图像的增强处理一、实验目的通过上机操作，了解空间增强、辐射增强、光谱增强几种遥感图像增强处理的过程和方法，加深对图像增强处理的理解。
二、实验内容对下图进行卷积增强处理；直方图均衡化；主成分变换；色彩变换三、实验过程ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。
1、卷积增强（Convolution）空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。
卷积增强（Convolution）是空间增强的一种方法。
卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。
卷积增强（Convolution）处理的关键是卷积算子——系数矩阵的选择。
该系数矩阵又称卷积核（Kernal）。
ERDAS IMAGINE将常用的卷积算子放在一个名为default.klb的文件中，分为3*3，5*5，7*7三组，每组又包括“Edge Detect/Low Pass/Horizontal/Vertical”等七种不同的处理方式。
具体执行过程如下：ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement→convolution→convolution对话框。
图3-1 Convolution对话框几个重要参数的设置：边缘处理方法：（Handle Edges by）：Reflection卷积归一化处理：Normalize the KernelKernel：3*3EdgeDetcetInput File(*.hdr): C\data\nj.hdr type:ENVI*.hdrOutput File(*.img): C\11.imgOutput: Unsigned 8 bit2、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。
- 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)。
点运算进行图像增强
一 图像灰度直方图 灰度直方图（histogram）是灰度级的函数，
它表示图像中具有每种灰度级的像素的个 数，反映图像中每种灰度出现的频率。如 下图所示，灰度直方图的横坐标是灰度级， 纵坐标是该灰度级出现的频率，是图像的 最基本的统计特征。
从概率的观点来理解， 灰度出现的频率可看 作其出现的概率，这 样直方图就对应于概 率密度函数，而概率 分布函数就是直方图 的累积和，即概率密 度函数的积分.
度
分段线性变换是将图像灰度f（x，y）的区间分割为若干 区间，然后对每个区间进行线性拉伸，常用的是分三段 线性变换。即某些像元值范围被拉伸，某些范围被压缩。 在实际应用中，根据要求，有目的的选取间断点的位置， 决定拉伸那一段或者压缩那一段的灰度范围，或者只处 理某一段的灰度。
2 直方图的均衡
直方图均衡化是通过灰度变换将随机分布的 图象直方图修改成均匀分布的直方图，即在 每个灰度级上都具有相同的像素点数。其实 质是对图像进行非线性拉伸，重新分配图像 的像元值。使一定灰度范围内的像元的数量 大致相同。
第七章 遥感数字图像增强处理
遥感图像增强
数字图像增强的主要目的: 改变图像灰度等级,提高图像对比度 消除边缘和噪声,平滑图像 突出边缘和线状地物,锐化图像 合成彩色图像 压缩图像数据量,突出主要信息等
空间域增强
点运算(包括线性变换、直方图 均衡化)
邻域运算（平滑、锐化）
图像增强
频率域增强（平滑、锐化）
度级.可以看作是线性变换的一种. 6其他非线性变换 对数变换 :拉伸暗的部分,压缩亮的部分 指数变换:拉伸亮的部分,压缩暗的部分
6 图象灰度反转
指对图象灰度范围进行线性或非线性的取 反,产生一幅与输入图象灰度相反的图象,其 结果是原来亮的地方变暗,原来暗的地方变 亮。
4 直方图匹配
是通过非线性变换使得一个图像的直方图 与另一个图像的直方图类似。直方图匹配 经常作为相邻图象拼接或应用多时相遥感 图象进行动态变化分析研究的预处理,通过 直方图匹配可以部分消除由于太阳高度角 或大气影响造成的相邻图象的效果差异.
5 密度分割 将原始图象的灰度值分成等间隔的离散灰
例如，下图是直方图均衡化后的飞机图片 及其直方图，可见其直方图与原图的直方 图相比是很均衡的，但必须说明的是，离 散情况下不可能作到绝对的一致。
原图
均衡化后
3 直方图的正态化 连续的随机变量x的概率密度分布函数f(x)如果服从
就说该变量遵守正态分布（也称为高斯分布）。这 里a和σ分别是该变量的平均值和标准差。 直方图的 正态化是将随机分布的原图像直方图修改成为高斯 分布（正态分布）的直方图。从而使变换后图像的 亮度变化尽可能的服从这种分布
二 图像反差调整
1 线性变换：按比例扩大原始灰度级的范围，以充分利用显 示设备的 动态范围(变换后像元总数不变)
将范围为[a，b]数字图像的灰度f（x，y）变换为范围为[c，d] 的灰度g（x，y）,
原图 像灰
10
11
12
13
14
15
16
17
。。。。22
度
0 变换
后灰
6
12 18 24 30 36 42 。。。。73 255
彩色增强 多图像代数运算 多光谱图像增强
空间域是指图像平面所在的二维平面,空间域增强 是指在图像平面上直接针对每个像元点进行处理, 处理后像元点的位置不变.
空间域的增强包括点运算和邻域运算.
点运算虽然简单但是很重要,对于一幅输入的图像, 经过点运算后产生的输出图像的灰度值仅由相应 输入像素点的灰度值决定,与周围的像元不发生直 接关系.