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。
2 比较理想低（高）通滤波器和Butterworth低（高）通滤波器处理效果，说明两者有何异同点。
相同点是：由傅里叶变换图以及低高通滤波器处理可以看出，高通滤波器主要是保留高频部分，滤除低频部分，可以对图像进行锐化处理。
而低通滤波则恰好相反，保留图像中的低频成分，滤除高频部分，也可以消除噪声，使图像边缘变得模糊。
不同点是：二者的程度不一样，同样是低通滤波处理，，Butterworth低通滤波器处理后的图像衰减较为连续，不想理想低通滤波器那样具有明显的不连续性。
同样是高通滤波处理，Butterworth高通滤波的锐化效果比Ideal高通滤波效果更好些，边缘的抖动现象也不是特明显。
3分别说明这三种光谱增强方法的处理效果及其应用意义
a)主成分变换的处理效果：由图可以得出，将TM的6个波段进行主成分变换后，得到信
息非常丰富的彩色图像。
而对主成分变换后的图像再进行逆变换处理，图像和原来的图像差别不是很明显，但仔细观察发现，原图像中的噪声已经被压制了。
主成分变换的应用：
在遥感图像分类中，利用主成分分析算法来消除特征向量中各特征之间的相关性，并进行特征选择。
还可以用来进行高光谱图像(Hyper-spectral images)数据的压缩和信息融合。
b)缨帽变换的处理效果：植被信息以及水体信息得到了明显的增强。
缨帽变换的应用：主要针对TM数据和曾经广泛使用的MSS数据。
它抓住了地面景物，分别是植被和土壤在多光谱空间中的特征，这对于扩大陆地卫星TM影像数据分析在农业方面
的应用有重要的意义。
既可以实现信息压缩，又可以帮助解译农作物特征，具有很大的实际
应用。
c)彩色空间增强变换（RGB to IHS变换）效果：变换后图像的颜色更为浓重，地物之间
的差掉更为明显。
彩色空间增强变换应用：
1)进行不同分辨率图像的融合
2)增强合成图像的饱和度
3)通过对强度I成分的处理进行图像增强
4)多源数据综合显示
5)对色调进行分段扩展以突出某一色调或加大某一范围内的色调之间的差异
6)色调不变，将亮度和饱和度置为常数，以突出地物色调在空间上的分布
7)将强度置为常数，色调和饱和度不变，可以减少地形起伏的影响，突出阴影部
分的地物信息。
8)。
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
03 遥感图像增强
实验三遥感图像增强一、背景知识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。
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。
图像增强所包含的主要内容如下图。
二、实验目的：掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。
能根据需要对遥感图像进行综合处理。
三、实验内容：∙辐射增强处理✧直方图均衡化✧直方图匹配∙空间增强处理✧卷积增强处理✧自适应滤波✧锐化增强处理✧分辩率融合光谱增强处理✧主成份变换（PC变换/K-L变换）✧去相关拉伸✧缨帽变换（K-T变换）✧指数计算✧自然色彩变换四、实验准备1.软件ERDAS IMAGINE8.5版本以上；2.实验用相关数据五、实验步骤：(一)、辐射增强处理(Radiometric Enhancement)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，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，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较小的话，会产生粗略分类的视觉效果。
打开方法：（以文件Lanier.img为例）(1).ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement -Histogram Equalization，打开Histogram Equalization对话框。
第三章遥感数字图像增强处理
1 g ( x, y ) M
( i , j )A
f (i, j)
均值滤波器模板
0
1 0
1
0 1
0
1 0
1 1 1
1 0 11 1 1Fra bibliotek均值滤波器
原始图象
Mean 5x5
Mean 11x11
中值滤波器
在邻域平均法中，是将n×n局部区域中的灰度的平 均值作为区域中央象元的灰度值。而在中值滤波中，是 把局部区域中灰度的中央值作为区域中央象元的值。
f 2 f 2 ( ) ( ) x y
f ( x, y ) f ( x, y ) 设t1 , t2 x y gradf(x,y) t t2
2 1 2
用绝对值可得到以下近似的结果
gradf( x, y) t1 t2
• 连续域的微分----离散域的差分 对于数字图像，连续导数形式可以用求差来近 似表示
t1 f ( x, y ) f ( x 1, y 1) t2 f ( x 1, y ) f ( x, y 1)
1 0 0 1
t1=
0
-1
t2＝
-1 0
Roberts
常见的梯度算子模板
Prewitt和Sobel梯度
-1 -1 -1 0 -1 0 1
t1＝
0
0
t2＝
Prewitt
如果假设卷积函数为H(m,n)，其大小为M,N。对 应图像窗口内灰度值为f(m,n)，则卷积运算可通过 下式表示。
g ( x, y ) f (m, n) H (m, n )
m 1 n 1 M N
在实际应用中，经常使图像窗口与模板像元的灰度值 对应相乘再相加，相加的总和再除以模板内所有值的 和作为中心像元新的灰度值。模板运算的公式为
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）
遥感图像增强处理(免费)
(c) 偏 亮
(d) 亮度过于集中
感影像的三个波段，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。 • 步骤：配准 合成
二、空间域增强
在图像处理中，空间域指图像平面所在的二
维空间，描述图像的灰度分布。空间域增强， 就是应用某种数学模型，通过改变图像的灰度 成分，实现图像质量改善的图像处理方法。
方式：
对比度变换增强
Fourier/Analysis/ Fourier Transform，打开Fourier Transform对话框 ，确定要进行傅立叶变换的图像， 及变换后的傅立叶图名称。
（2）修改频率成分
在ERDAS图标面板菜单条单击Main/Image Interpreter命令，或在ERDAS图标面板工具条单击
从物理效果来看，傅立叶变换就是将图像从空 间域转换成频率域，其逆变换是将图像从频率域转 换到空间域。
2. 频域增强处理的方法
频域滤波增强 高通滤波
低通滤波
带阻滤波
带通滤波
高通滤波，采用“低阻滤波器”，抑制图像 频谱的低频信号而保留高频信号的一种模型。
效果：突出物体的边缘，锐化图像
立叶图像，及变换后的图像名称。
平滑
锐化
五、主成分变换
将图像所有波段的数据量集中到前几个波 段上，以实现数据压缩和图像增强。
以对TM1～5和TM7，6个波段数据的主成分变换为例
步骤：叠加TM的这6个波段，使之合成为一幅图像
主成分变换
合成
类似于彩色合成的操作。在ERDAS图标面
板菜单条单击Main/Image Interpreter命令，或 在ERDAS图标面板工具条单击图标 在Image Interpreter 下拉菜单中单击 Utilities/Layers Stack，打开Layer Selection and Stacking对话框 ，减TM1～5和TM7的6个波段 全部叠加。 ，
遥感数字图像处理-第四章_遥感数字图像增强处理(一)2016
在曝光不足或过度的情况下，图像灰度可能会局限在一个 很小的范围内，这时在显示器上看到的将是一个模糊不清、似 乎没有灰度层次的图像，此时可利用灰度变换对图像每一个像 素灰度作拉伸，可以有效地改善图像视觉效果。
27
This graphic illustrates the increase in contrast in an image before (left) and after (right) a linear contrast stretch.
则 xb b1 xa aa b2 b1 a2 a1
xb
b2 a2
b1 a1
( xa
a1 )
b1
25
通过调整参数a1，a2，b1，b2，即改变变换直线的形态，可以产 生不同的变换效果。 若a2-a1<b2-b1，则影像被拉伸，亮度范围扩大，; 若a2-a1>b2-b1，影像被压缩，亮度范围缩小，; 对于a2与a1 ，是取在影像亮度值的全部或部分，偏亮或偏暗 处，均可根据对影像显示效果的需要而人为地设定。
1）点处理：每次对单个像元进行灰度增强的处理 2）邻域处理或模板处理：对一个像元及其周围的小区域子
图像进行处理
频率域增强：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
6
➢图像增强的分类
2、从处理的像元出发
辐射增强：对单个像元的灰 度值进行变换，达到图像增 强目的；
数关系，那么这种变换就是线性变换。 调整线性参数，改变变换效果
22
像
变
元
换
素
后
灰级 0 1234567
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
遥感图像处理_图像增强
sk舍入 1/7 3/7 5/7 6/7 6/7 1 1 1
直方图均衡化
3. 重新命名sk，归并相同灰度级的象素数。
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图均衡化 灰度动态范围扩展
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
© 中国科学院遥感应用研究所
直方图匹配
修改一幅图象的直方图，使得它与另一幅图象的 直方图匹配或具有一种预先规定的函数形状。
非线性亮度变换 指数效应
© 中国科学院遥感应用研究所
直方图调整法-直方图
直方图:表示数字图象中的每一灰度级与其出现的频率(该灰 度级的象素数目)间的统计关系,用横坐标表示灰度 级, 纵坐标表示频数(也可用概率表示)。
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
直方图
© 中国科学院遥感应用研究所
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
© 中国科学院遥感应用研究所
nk 790 1023 850 656 329 245 122 81
p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
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 )