遥感原理与应用-图像增强
遥感原理与应用第三版课程设计
遥感原理与应用第三版课程设计1. 简介本次课程设计旨在通过对遥感原理的深入学习，结合实际案例，培养学生对遥感技术应用的理解和运用能力。
2. 设计内容本次课程设计共包括 3 个模块，分别为：遥感基础原理、图像增强与分类处理、遥感数据分析。
2.1 遥感基础原理本模块主要介绍遥感的基础知识和原理，包括：•遥感的定义和分类•遥感数据的获取方式•遥感数据处理流程•遥感数据的解译方法同时，结合实际案例，引导学生了解遥感技术的应用价值和重要性。
2.2 图像增强与分类处理本模块主要介绍图像增强和分类的基本原理和方法，包括：•图像增强的基本概念和方法•常见的图像分类算法•基于深度学习的图像分类方法通过对实际数据的操作，使学生掌握图像增强和分类的基本技能。
2.3 遥感数据分析本模块主要介绍遥感数据分析的基本方法，包括：•遥感数据的预处理方法•基于遥感数据的地理信息分析•遥感数据在资源环境管理中的应用通过分析实际数据，让学生了解遥感技术在资源环境管理中的应用和作用。
3. 实践环节为了让学生更好地掌握遥感技术的应用，本次课程设计设置了实践环节。
实践环节主要包括：•使用常见的遥感数据处理软件，如ENVI、ERDAS等，对遥感数据进行处理和分析；•使用Python等编程语言，进行遥感数据分析和图像分类实验；•对某个区域的遥感数据进行解译和分析，得出该区域的地理信息和资源环境状况。
4. 教学方法本次课程设计采用的教学方法主要包括：•理论授课：通过PPT和讲解，介绍遥感原理和方法；•实践操作：将学到的理论知识应用到实际操作中，提高学生的操作技能；•课堂讨论：引导学生思考和讨论实际应用中的问题和方法；•个人报告：对学生进行个人课题报告，提高学生的表达和组织能力。
5. 教学目标通过本次课程设计，我们希望学生能够达到以下目标：•掌握遥感技术的基本原理和方法；•了解和掌握遥感技术在资源环境管理中的应用；•能够使用遥感数据处理软件进行遥感数据处理和分析；•掌握图像增强和分类的基本技能；•能够使用编程语言进行遥感数据分析和图像分类实验。
第五章 遥感图像处理—图像增强
特征；其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
其中：
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
（1）指数变换
xb be
（2）对数变换
axa
c
xb b度进行分层，每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行：
（1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中 n为需分割的层数；
（4）求各层的密度区间；
（5）定出各密度层灰度值或颜色。
减法运算可以增加不同地物间光谱反射率以及在 两个波段上变化趋势相反时的反差。不同时相同 一波段图像相减时，可以提取波段间的变化信息。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 段图像相加可以得到近似全色图像；而绿色波 段，红色波段和红外波段图像相加可以得到全 色红外图像。
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
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。
遥感原理与应用第6章-遥感作业(1)
第六章遥感图像辐射校正名词解释：辐射定标、绝对定标、相对定标、辐射校正、大气校正、图像增强、累积直方图、直方图匹配、NDVI、图像融合1、辐射定标：是指传感器探测值的标定过程方法，用以确定传感器入口处的准确辐射值。
2、绝对定标：建立传感器测量的数字信号与对应的辐射能量之间的数量关系，对目标作定量的描述，得到目标的辐射绝对值。
3、相对定标：又称传感器探测元件归一化，是为了校正传感器中各个探测元件响应度差异而对卫星传感器测量到的原始亮度值进行归一化的一种处理过程。
最终得到的是目标中某一点辐射亮度与其他点的相对值。
4、辐射校正：是指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。
5、大气校正：是指消除大气对阳光和来自目标的辐射产生的吸收和散射影响的过程。
6、图像增强：为了特定目的，突出遥感图像中的某些信息，削弱或除去某些不需要的信息，使图像更易判读。
7、累积直方图：以累积分布函数为纵坐标，图像灰度为横坐标得到的直方图称为累积直方图。
8、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直方图类似。
也称生物量指标变化，可使植9、NDVI：归一化差分植被指数。
NDVI=B7−B5B7+B5被从水和土中分离出来。
10、图像融合：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，生成新的图像的过程。
问答题：1．根据辐射传输方程，指出传感器接收的能量包含哪几方面，辐射误差及辐射误差纠正内容是什么。
根据辐射传输方程，传感器接收的电磁波能量包含三部分：1）太阳经大气衰减后照射到地面，经地面发射后又经过大气的二次衰减进入传感器的能量；2）大气散射、反射和辐射的能量；3）地面本身辐射的能量经过大气后进入传感器的能量。
辐射误差包括：1）传感器本身的性能引起的辐射误差；2）大气的散射和吸收引起的辐射误差；3）地形影响和光照条件的变化引起的辐射误差。
辐射误差纠正的内容是传感器辐射定标和辐射误差校正等。
图像增强算法在无人机遥感影像中的应用实践
图像增强算法在无人机遥感影像中的应用实践无人机遥感影像是近年来迅速发展的一项技术，它通过无人机搭载的遥感器设备获取地面图像信息，并进行处理和分析。
图像增强算法在无人机遥感影像处理中扮演着重要的角色。
本文将介绍图像增强算法的原理及其在无人机遥感影像中的应用实践。
图像增强算法是一种通过对图像进行处理来提升图像质量的技术。
在无人机遥感影像中，图像增强可以用于改善图像的清晰度、对比度和色彩饱和度，使得图像更加逼真，提高图像分析和识别的准确性。
在无人机遥感影像中，图像增强算法主要包括以下几种类型：直方图均衡化、锐化、去噪和色彩增强。
直方图均衡化是一种通过调整图像的亮度分布来增强图像对比度的方法，它可以使得图像中的细节更加清晰。
锐化算法可以通过增强图像的边缘来提高图像的清晰度，使得细节更加突出。
去噪算法可以减少图像中的噪声，使得图像更加清晰。
色彩增强算法可以调整图像的色彩饱和度和色调，使得图像的色彩更加鲜艳。
在无人机遥感影像处理中，图像增强算法具有广泛的应用实践。
首先，图像增强算法可以使得无人机遥感影像在测绘应用中更加清晰准确。
通过直方图均衡化和锐化算法，可以增强图像中的地物细节，提高图像的分辨率。
这对于测绘和地图制作非常关键，可以提高地图的准确性和可读性。
其次，图像增强算法可以在农业领域中帮助农民提高农作物的生产效率。
通过色彩增强算法，可以提高无人机遥感影像中农田的色彩饱和度，使农民可以更好地观察作物的生长情况，及时采取适当的农业管理措施。
此外，图像增强算法可以在环境监测中发挥重要作用。
通过去噪和图像增强算法，可以提高无人机遥感影像中环境变化的检测能力，例如污染源、火灾、森林破坏等，从而为环境保护和资源管理提供有力的支持。
然而，在应用图像增强算法时，也存在一些挑战和问题。
首先，图像增强算法容易引入一些不必要的噪声，导致图像质量下降。
因此，在选择图像增强算法时，需要综合考虑增强效果和噪声引入的情况。
其次，图像增强算法的计算复杂度较高，需要较大的计算资源和时间。
遥感原理与应用(6.6.1)--多光谱图像四则运算和图象融合
§6 － 2 遥感图像的辐射增强
§6 － 2 遥感图像辐射增强
遥感图像增强是为特定目的，突出遥 感图像中的某些信息，削弱或除去某些 不需要的信息，使图像更易判读。
图 像 增 强 的 实 质 是增强感兴趣目标和周围背 景图像间的反差。
它不能增加原始图像的信息，有时反而会损 失一些信息。
ETM 3
ETM 4
ETM 5
合成影像
TM1 TM2 TM3
TM4
TM5
TM7
TM6
TM 7,4,1
TM 5,7,2
TM 5,4,3
TM 4,3,2
联合熵
Rij
最佳指数
3
3
OIF Si
Hale Waihona Puke Riji 1i 1
Si 为第 i 个波段的标准差 Rij为 i 、 j 两波段的相关系数
1 直方图均衡
实质是对图像进行非线性拉伸，重新分配 图像像元值，使一定灰度范围内的像元的数量大 致相等。
直直方方图图均均衡衡
亮亮度度值值分分为为 00ttoo77区区间间 ,,按按频频数数计计算算公公 式式将将其其归归入入相相关关的的区区间间
直直方方图图均均衡衡特特点点
(1) 各灰度级所占图像的面积近似相等 (2) 原图像上频率小的灰度级被合并 (3) 如果输出数据分段级较小，则会产 生 一个初步分类的视觉效果。 (4) 增强图像上大面积地物与周围地物 的 反差，同时也增加图像的可视粒度 . (5) 具体增强效果不易控制 , 只能全局均 衡
过程
输入图像
显示直方图
确定分割的等级数，并计算分割的间距
像元亮度值转换
为像元新值赋色
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）
3.遥感图像的增强与变换处理
图像增强处理是遥感图像数字处理的基本的方法之一。 将原来不清晰的图像变得清晰或把我们感兴趣的某些特征强调出来（同时抑制了不感兴趣的 特征）的图像处理方法称为图像增强。 图像增强的目的是为了提高解像力，提高图像的可解译性。 一、教学目的与要求 掌握遥感图像的增强与变换处理 二、重点难点 ⒈ ⒉ 三、教学内容 对比度增强、锐化与平滑处理、比值与差值处理、NDVI（归一化差值植被指数）、主成分分析 （K－L变换）、缨帽变换(K－T变换)和傅立叶变换（FFTFiltering）。
所需文件：TL、TL.HRD
实现步骤： 加载 TL，用 RGB Scale 打开。 Transforms > Tassled Cap ㈦傅立叶变换（FFT Filtering） 傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。ENVI 中 FFT Filtering 包括 图像正向的 FFT、滤波器的应用，以及 FFT 向原始数据空间的逆变换。 Forward FFT (正向的 FFT)
⑵差值处理 所需文件：TL、TL.HRD 实现步骤： 加载 TL，用 RGB Scale 打开。 Basic Tools > Band Math.
“Enter an expression:” 的文本框内，输入变量名和所需要的数学运算符。
变量名必须以字符 “b” 或 “B” 开头，后面跟着 5 个以内的数字字符。 例：b7-b4 , b7-b5 , (b7-b4)/(b7+b5) , b1+sin(b2)
㈢比值与差值处理
比值法与差值法适用于对多波段图像或多时相图像进行增强处理，这是因为多波段之间的照 射条件及变化是一致的，对两个波段图像进行差值与比值运算，往往能减弱背景信息而突出局部 信息，就能达到图像增强的效果。
- 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)。
实验三：遥感图像的增强处理 (3机时)
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；色彩变换。
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。
实验数据：wx98tm543.img（待校正图像）与wx98spot_pan.img（参考图像）校正的结果 wx98tm543_warp.img；ERDAS安装目录中的若干样例图像数据文件。
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）处理的关键是卷计算子----系数矩阵的选择。
该系数矩阵又称卷积核（Kernal）。
ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”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 Kernel
2、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。
注意：认真对比直方图均衡化前后图像差别，仔细观察直方图均衡化的效果。
图3-2直方图均衡化
3、主成分变换
主成分变换（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 IMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。
ERDAS 图标面板菜单条：Main →Image Interporeter→Spectral Enhancement →Principial Comp →Pincipal Components对话框。
（图3-3）
图3-3 Principal Component对话框
4、色彩变换（RGB to IHS）
色彩变换是将遥感图像从红（R）、绿（G）、兰（B）三种颜色组成的色彩空间转换到以亮度（I）、色度（H）、饱和度（S）作为定位参数的色彩空间，以便使图像的颜色与人眼看到得更接近。
其中，亮度表示整个图象的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1。
图3-4 RGB to HIS对话框
实验四：遥感信息的融合 (2机时)
实验目的：通过上机操作，初步掌握遥感信息融合的方法，深入理解遥感信息融合在信息解译中的意义。
实验内容：多光谱数据与高分辨率全色数据的融合。
分辨率融合是遥感信息融合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。
注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。
实验数据：图像增强后的 wx98tm543_warp_EN.img与wx98spot_pan.img；ERDAS安装目录中的若干样例图像数据文件。
图4-1分辨率融合对话框。