遥感数字图像的增强
遥感数字图像处理复习资料
第一章：1.冈萨雷斯定义图像是对客观对象的一种相似性的描述或写真，包含了被描述或写真对象的信息，其英文为image，辅助性定义，是以某一技术手段再现于二维画面上的视觉信息，是二维数据阵列的光学模拟。
图像分为数字图像和模拟图像。
2.数字图像的基本单位是像素（像元），图像像素是长宽大小相等的方格，具有特定的空间位置和属性特征，像素的基本属性特征为像素值。
3.遥感数值图像是一数学形式存储和表达的遥感图像。
遥感数值图像中的像素值又称为亮度值（灰度值、灰度级）。
4.遥感数值图像处理是通过计算机图像处理系统对遥感数值图像中的像素进行系列操作的过程。
5.遥感数字图像处理的内容包括：1）图像增强:使图像更容易理解。
2）图像矫正：使图像信息尽可能地反应实际地物的辐射信息、空间信息和物理过程。
3）信息提取：提取地物的空间分布格局信息。
6.遥感数字图像处理系统包括硬件系统和软件系统。
硬件系统是进行图像说必须的设备（包括计算机，数字化设备，存储设备，现实和输出设备，操作台），软件系统指进行图像处理的各种程序（如ERDAS/PCI/ENVI/ER）。
第二章7.遥感平台是传感器的载体，有近地面，吊车，飞船，飞机，卫星等。
8.传感器又称为遥感器，是手机和记录电池辐射能量信息的装置。
9.根据数据记录方式，传感器类型可分为成像方式和非成像方式两大类。
成像传感器按成像原理分为摄影成像和扫描成像。
10.摄影成像方式的传感器主要是摄影机，包括框幅摄影机，缝隙摄影机，全景摄影机，多光谱摄影机等，在快门打开后几乎瞬间同时接受目标的电磁波能量，聚焦后记录下来称为幅影像。
现在常用的数码照相机就是摄影成像。
最初的摄影成像方式与传统照相机成像方式不一样。
用数码照相机进行拍照摄影，可直接产生数字图像。
11.传感器按烧面方式又可分为两种：目标扫面传感器和影响面扫面传感器。
12.按电磁波在真空中波长或频率的顺序将波长划分成波段，每一波段为一个波长范围，按使用的刚做波段，可将传感器分为紫外，可见光，红外，微波，多波段等类型。
遥感入门-遥感数字图像增强处理
或：
Lg g ( x, y ) f ( x, y ),
研究边缘灰度 级的变化，但 不受背景影响
只对边缘位置 感兴趣
f ( x, y ) g ( x, y ) Lb , L g ( x, y ) g Lb ,
直方图规定化
直方图规定化
T（xa）为原图像直方图均衡化的变换函 数,G(yc)为参考图像直方图均衡化的变换函 数,变换后的灰度值均为Zb,由上述可知
Z b T ( xa ) ha( xaj )
j 0 k k
Z b G ( yc ) hc( ycj )
j 0
yc G ( zb ) G [T ( xa )]
4
6 5 5 4 3 3
0.35
0.47 0.57 0.67 0.76 0.82 0.88
0.33
0.51 0.51 0.67 0.82 0.82 0.92
14 ／16
15 ／16 1
2
2 2
0.92
0.96 1
0.92
1.00 1.00
空域增强-邻域增强
• 邻域
对于图像中的某个像元f（x,y），把以像元为中心一定距 离内的像元集合Axy=｛x±p，y±q｝（p,q取任意整数） 叫做该像元的邻域。
用这种非线性的滤波，比邻域平均法可以在很大的程 度上防止边缘的模糊。
3
5
10 12 16
2
5
4
6
8
8
10 5
3 7
4
3
6
7
45 8
10 19
30 8
试用1*3和3*3的窗口对此进行中值滤波
遥感数字图像处理主要研究的内容
遥感数字图像处理主要研究的内容有以下几个方面：1、图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2、图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3、图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
4、图像分割图像分割是遥感数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5、图像描述图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述。
随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
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
第四章 遥感图像处理—数字图像增强
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、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，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
对遥感数字图像处理的认识和理解
对遥感数字图像处理的认识和理解对遥感数字图像处理的认识和理解10资源（2）班徐某人进入20世纪后，人类面临着尖锐的人口大幅度增长、非再生资源趋向枯竭和生态环境不断恶化的巨大压力等问题。
卫星遥感技术的兴起使人们有可能从太空的高度连续、重复地观测地球，从而为人类进一步认识地球的全貌与动态变化，更准确的摸清地球所拥有的资源、更加合理地规划利用资源、更有效地治理和保护环境提供了一种其所未有的强大技术。
尤其是随着对地球观测技术的迅速发展，遥感图像在社会生活和经济建设中发挥着越来越重要的作用。
遥感图像已不仅仅是科学研究和工程设施建设的基础数据，同时，伴随着Google Earth的使用，各种类型的遥感图像已经成为普通人生活的一部分。
遥感图像正不断扩展人类对世界的认知广度和深度。
遥感数字图像的处理，是对遥感数字图像的计算机处理，主要应用在地物成分的分析和信息的提取。
与其他领域的数字图像不同，遥感数字图像拥有更加多样的内心，更为复杂的内容。
因此，遥感数字图像的处理，不仅仅需要掌握已有的数字图像处理方法，而且需要具有相当的地理学知识，所以遥感数字图像的处理是科学和艺术的有机结合。
在遥感数字图像处理中，数据源不同，图像的特征便不同。
通过传感器获取的数字图像以数字文件的方式储存。
传感器的分辨率不同，产生的文件格式不同，文件大小不同，图像处理的复杂程度也不同。
数字图像处理是对图像中的像素进行系列的才做，图像的处理过程就是文件的存取过程和数据处理过程。
为了方便图像的处理，一般会建立遥感数字模型。
遥感数字模型是理解遥感数据的根本；不同类型的图像，其表达方式不同，描述方法也不同。
一般情况下，统计描述是数字图像最基本的定量描述手段。
数字图像处理的方法多样，有显示和拉伸、校正、变换等。
其中图像的合成显示和拉伸是最基本的。
显示是为了理解数字图像中的内容或对处理结果进行对比；图像的拉伸是为了提高图像的对比度，改善图像的显示效果；图像的校正，是图像的预处理工作，目的是校正成像过程中各种因素影响导致的图像失真，校正一般包括辐射校正和几何精纠正两部分。
数字图像处理中的图像增强技术
数字图像处理中的图像增强技术数字图像处理在现代科技中具有重要的地位。
它广泛应用于医学图像、遥感图像、安防监控图像以及各种图像数据分析等领域。
其中，图像增强技术是数字图像处理的重要分支之一。
什么是图像增强技术？图像增强是指通过数字图像处理方法，对原始图像进行改进以满足特定的应用需求。
这种技术可以提高图像的质量、清晰度、对比度和亮度，同时减少图像的噪声和失真，使图像更具辨识度和实用价值。
图像增强技术的基本原理数字图像处理中的图像增强技术有很多种。
它们有的基于像素点的局部特征，有的基于全局的规律和模型。
下面介绍几种典型的图像增强技术：1. 直方图均衡化直方图均衡化是一种典型的全局图像增强技术，它可以通过对图像灰度值分布进行调整，提高图像的对比度和亮度。
它假设在正常的摄影条件下，灰度级的分布应该是均匀的。
因此，直方图均衡化采用了一种用高频率伸展像素值的方法，将原图像的灰度级转换为更均匀的分布，从而使图像的对比度更加明显。
2. 中值滤波中值滤波是一种局部图像增强技术，是一种基于像素点的影响的方法。
它对图像中每个像素点的灰度值进行排序处理，后选取其中值为该像素点的新灰度值，这样可以消除噪声，使得模糊度和清晰度都有非常明显的改善。
3. 边缘增强边缘增强是一种同时考虑整幅图像的局部特征和全局规律的图像增强技术。
它对图像的边缘部分加权，使边缘区域更加清晰，从而提高了图像的辨识度和可读性。
边缘增强技术既可以提高图像的对比度和亮度，也可针对不同的图像类型和应用需求进行不同的定制化处理。
图像增强技术的应用数字图像处理中的图像增强技术可以广泛应用于各个领域：1. 在医学领域，图像增强技术可以帮助医生诊断疾病、评估治疗效果和进行手术规划等。
2. 在遥感领域，图像增强技术可以帮助解决地图制作中的噪声和失真问题，清晰地显示建筑物、道路和地形地貌等信息，从而提高研究和预测的准确性。
3. 在安防监控领域，图像增强技术可以通过对图像的增强处理，提高视频监控图像的清晰度和鲁棒性，以便更有效地进行安全监管和犯罪侦查。
遥感数字图像处理_遥感影像反差增强
操作方法及过程1、对landsat5TM第四波段影像的拉伸处理。
（1）利用ENVI软件导入兰州市TM第四波段影像，名字为LT5_20090728_B40_LanZhou，双击Display主视窗中影像的任意位置，弹出对话框，该对话框中显示鼠标漫游到影像任意位置时，该像元的坐标，原DN值和影像显示的DN值，观察两个值的不同；点击视窗菜单中的Enhance/[Scroll]linear 0-255，然后在对话框中观察原DN值和影像显示DN值，并且观察整个影像发生的变化，分析其原因。
（2）提取水面信息。
在Display视窗中右击选择ROl Tool弹出对话框，在影像中选择刘家峡水库及兰州周边黄河水面样本，根据需要，在菜单ROI_Type下选择多边形、线、点采样工具，采样完成后对其保存，点击File/Save ROIs，弹出对话框，点击Select All Items，利用Choose选择输出路径和文件名，点击OK即可保存。
然后点击对话框下的Stats，弹出对话框，查看水体的DN值统计特征（在结果与分析中记录）。
（3）线性拉伸。
点击Enhance/Interactive Stretching弹出对话框在Stretch Type中选择Linear,在Stretch范围内输入10到53（从第二步水体的统计特征中得出的结果），也可以在该窗口中进行手工调节范围，然后点击Apply，即可对原影像进行了线性拉伸，点击File/Save Image As/Image File弹出对话框，在Resolution中选择24-bit Color（BSQ），利用Choose选择保存路径和文件名，然后点击OK，即可保存，将原影像和拉伸后的影像同时显示，进行对比（在结果和分析中记录）。
（4）分段线性拉伸。
同3步骤，只是在Stretch Type中选择Piecewise Linear，并用鼠标滚轮在图中点两个点，然后在点击Options/Editor Piecewise Linear弹出如下对话框，按图中所示的填写，之后点击OK，Apply，保存。
- 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)。
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。
辐射增强主要掌握直方图均衡化和直方图匹配。
1.1直方图均衡化
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，使一定灰度范围内像元的数量大致相等。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，增强图像上大面积地物与周围地物的反差。其本质就是将直方图不符合正态分布的原始图像经过一个转换函数变成直方图基本符合正态分布的新图像，从而达到图像增强的目的。
1.2直方图匹配
直方图匹配是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工作，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像的效果差异。
2空间增强处理
2.1卷积增强处理
卷积增强是将整个图像按照像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强处理的关键是卷积算子—系数矩阵的选择，该系数矩阵又称为卷积核（Kernal)。ERDAS IMAGINE将常用的卷积算子放在一个名为defatilt.kfb的文件中，分为3×3，5×5，7×7三组，每组又包括“Edge Detect / Edge Enhance / Low Pass / High Pass / Horizontal / Vertical/Summary”等七种不同的处理方式。
遥感数字图像的增强处理
遥感图像在获取的过程中受到大气的散射、反射、折射或者天气等的影响，获得的图像难免会带有噪声或目视效果不好，如对比度不够、图像模糊；或者，有些图像的波段较多，数据量大，各波段的信息量存在一定的相关性，为进一步处理造成困难。针对上述为题，需要对图像进行增强处理，提高目视效果，突出所需要的信息。
植被指数是代数运算增强的典型应用。在遥感应用领域，植被指数已广ቤተ መጻሕፍቲ ባይዱ用来定性和定量评价植被覆盖及其生长活力。植被指数作为一种重要的遥感归一化参数，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面。
绿色植物叶子的细胞结构在近红外波段具有高反射性，其叶绿素在红光波段具有强吸收性。因此，在多波段图像中，用红外/红波段的图像比值运算，结果图像上植被区域具有高亮度值，甚至在绿色生物量很高时达到饱和。
2.2自适应滤波
自适应滤波是应用Wallis Adapter Filter方法对图像的感兴趣区域(AOI)进行对比度拉伸处理，从而达到图像增强的目的。操作过程比较简单，关键是移动窗口范围(Moving Window Size)和乘积倍数大小(Multiplier)的定义。
2.3锐化增强处理
锐化增强处理实质上是通过对图像进行卷积滤波处理，其专题内容发生变化，从而达到图像增强的目的。使整景图像的亮度得到增强的目的，根据其底层的处理过程，又可以分为两种方法：(1)根据定义的矩阵(Custom Matrix )直接对图像进行卷积处理(空间模型：Crisp-greyscale.gmd)，(2)是首先对图像进行主成份变换，并对第一主成份进行卷积滤波，然后再进行主成份逆变换(空间模型为：Crip-Minmax.gmd)。
3光谱增强处理
3.1归一化指数
1)归一化指数
归一化指数是比较特殊的比值运算方式。基本的公式是：
B=（B1-B2）/(B1+B2)
在基本的比值运算中，如果分母中的波段B2的值比较小(特别是小于1的情况下)，那么，比值的结果将扩大差异，使用归一化植被指数可以避免这个问题。此外，与比值运算不同的是，归一化植被指数中像素值的变化是有约束的。
3.3缨帽变换
缨帽变换是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转，优化图像数据显示效果。该变换的基本思想是：多波段(N波段)图像可以看作是N维空间(N-dimensional Space)，每一个像元都是N维空间中的一个点，其位置取决于像元在各个波段上的数值。研究表明，植被信息可以通过三个数据轴(亮度轴、绿度轴、湿度轴)来确定，而这三个轴的信息可以通过简单的线性计算和数据空间旋转获得，当然还需要定义相关的转换系数。同时，这种旋转与传感器有关，因而还需要确定传感器类型。