5.辐射增强处理—直方图匹配
ERDAS图像增强处理
•学会利用ERDAS实现遥感图像增强
实验仪器：
计算机、ERDAS软件
• 空间增强 • 辐射增强 • 光谱增强
2013-8-11
2
实验一：辐射增强
1.对单个像元的灰度值进行变换达到图像增强的目的
• LUT Stretch(查找表查询)
• Histogram Equalization(直方图均衡化)
•
Crisp(锐化处理)
空间增强
空间增强命令 Convolution: 卷积增强 Non-directional Edge： 非定向边缘增强 Focal Analysis: 聚集分析 Texture: 纹理分析 Adaptive Filter: 自适应滤波 空间增强功能 用一个系数矩阵对图像进行分块平均处理 首先应用两个正交卷积算子分别对图像进行边 缘探测，然后将两个正交结果进行平均化处理 使用类似卷积滤波的方法，选择一定的窗口函 数，对输入图像文件的数值进行多种变换 通过二次变异等分析增强图像的纹理结构 应用自适应滤波器对AOI进行对比度拉伸处理 增强整景图像亮度而不使其专题内容发生变化
• Histogram Match(直方图匹配) • Brightness Inverse(亮度反转)
• Haze Reduction(去霾处理)
• Noise Reduction(降噪处理) • Destripe TM Data(去条带处理)
辐射增强
辐射增强命令 LUT Stretch： 查找表拉伸 Histogram Equalization: 直方图均衡化 辐射增强功能 通过修改图像查找表（Lookup Table）使输出 图像值发生变化，是图像对比度拉伸的总和 对图像进行非线性拉伸，重新分布图像像元 值使一定灰度范围内像元的数量大致相等
遥感影像处理知识
1.几何校正：几何校正是利用地面控制点和几何校正数学模型来矫正非系统因素产生的误差，同时也是将图像投影到平面上，使其符合地图投影系统的过程。
2.图像镶嵌：指在一定的数学基础控制下，把多景相邻遥感影像拼接成一个大范围、无缝的图像的过程。
3.图像裁剪：图像裁剪的目的是将研究之外的区域去除。
常用方法是按照行政区划边界或自然区划边界进行图像裁剪。
在基础数据生产中，还经常要进行标准分幅裁剪。
按照ENVI 的图像裁剪过程，可分为规则裁剪和不规则裁剪。
4.图像分类：遥感图像分类也称为遥感图像计算机信息提取技术，是通过模式识别理论，分析图像中反映同类地物的光谱、空间相似性和异类地物的差异，进而将遥感图像自动分成若干地物类别。
5.正射校正：正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程。
6.面向对象图像分类技术：是集合邻近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息来分割和分类，以高精度的分类结果或者矢量输出。
7.DEM：数字高程模型是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
8.立体像对：从两个不同位置对同一地区所摄取的一对相片。
9.遥感动态监测：从不同时间或在不同条件获取同一地区的遥感图像中，识别和量化地表变化的类型、空间分布情况和变化量，这一过程就是遥感动态监测过程。
10.高光谱分辨率遥感：是用很窄而连续的波谱通道对地物持续遥感成像的技术。
在可见光到短波红外波段，其波谱分辨率高达纳米数量级，通常具有波段多的特点，波谱通道多达数十甚至数百个，而且各波谱通道间往往是连续的，因此高光谱遥感又通常被称为"成像波谱遥感"。
11.端元波谱：端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，与监督分类中的分类样本具有类似的作用，直接影响波谱识别与混合像元分解结果的精度。
12.可视域分析：可视域分析工具利用DEM数据，可以从一个或多个观察源来确定可见的地表范围，观测源可以是一个单点,线或多边形13.三维可视化：ENVI的三维可视化功能可以将DEM数据以网格结构、规则格网或点的形式显示出来或者将一幅图像叠加到DEM数据上。
遥感图像辐射增强与光谱增强(仅供参照)
遥感图像辐射增强与光谱增强一、实验目的与要求辐射增强处理是通过对单个像元的灰度值进行变换处理来增强处理，如直方图匹配、直方图拉伸、去除条带噪声处理。
光谱增强是基于多光谱数据对波段进行变换达到图像增强的处理。
通过此次上机实验，要求同学们：1、掌握交互式直方图拉伸的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
2、理解主成分分析、樱帽变换、色彩空间变换、色彩拉伸方法和操作步骤。
3、掌握利用特征空间视图进行遥感影像分析。
二、实验内容与方法1 实验内容（1）交互式互式直方图拉伸●Linear（线性拉伸）●Equalization（直方图均衡化拉伸）●Gaussion （高斯拉伸）●Square Root （平方根拉伸）Logarithmic （对数拉伸）（2）主成分分析（3）樱帽变换。
（4）色彩空间变换（5）色彩拉伸2 实验方法（1）交互式互式直方图拉伸将一个多光谱图像打开并显示在视窗中，在主菜单中，选择Display→Custom Stretch（或在工具箱中单击）就可以打开交互式直方图拉伸操作面板。
在进行直方图拉伸时，可选择直方图统计的数据范围为全图统计或者当前视图范围内的数据。
（2）主成分分析多光谱图像的各个波段之间经常是高度相关的，它们的DN值以及显示出来的视觉效果往往很相似。
主成分分析（Principal Component Analysis, PCA）就是一种去除波段之间的多余信息、将多波段的图像信息压缩到比原来波段更为有效的少数几个转换波段的方法。
一般情况下，第一主成分（PCI）包含了所有波段中80%的方差信息，前三个主成分包含了所有波段中95%以上的信息量。
由于各波段之间的不相关，主成分波段可以生成更多颜色、饱和度更好的彩色合成图像。
ENVI中提供主成分正变换和主成分逆变换。
当使用主成分正变换是，ENVI可以通过计算新的统计值，或者根据已经存在的统计值进行主成分正变换。
（3）樱帽变换。
遥感影像纠正的方法与技巧
遥感影像纠正的方法与技巧随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而，在获取遥感影像后，由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此，进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比，通过匹配相同地物或地点的像素点，从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点，并将其与参考影像中的特征点进行匹配，从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性，确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标（如道路交叉口、建筑物等）并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算，从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正，以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确，同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响，将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
图像处理技术中的直方图匹配方法介绍
图像处理技术中的直方图匹配方法介绍直方图匹配是图像处理技术中常用的一种方法，它可以用来改变图像的亮度分布，使之符合特定的标准。
本文将介绍直方图匹配的原理、方法和应用。
直方图是图像中各灰度级的统计信息，它可以反映图像的亮度分布。
直方图匹配的目标是通过对比两个图像的直方图，调整一个图像的像素值，使其直方图与另一个图像的直方图相匹配。
直方图匹配的原理是将原始图像的亮度分布映射到目标图像的亮度分布上。
具体过程包括以下步骤：计算原始图像和目标图像的直方图。
直方图可以通过统计每个灰度级的像素个数计算得出。
将原始图像的直方图进行归一化处理，以使得图像的亮度范围保持一致。
计算原始图像和目标图像的累积直方图。
累积直方图反映了每个灰度级及其前面所有灰度级的像素个数累加值。
接着，根据原始图像和目标图像的累积直方图，计算像素值映射表。
该映射表可以通过将原始图像上的每个灰度级映射到目标图像上对应的灰度级来实现直方图匹配。
使用像素值映射表将原始图像的像素值映射到目标图像上，完成直方图匹配。
在图像处理中，直方图匹配有多种应用。
其中一个主要应用是图像增强。
通过将一幅图像的直方图匹配到另一幅具有良好亮度分布的图像上，可以增强原始图像的对比度和细节，改善图像的视觉效果。
直方图匹配也可以用于图像配准。
在医学影像、遥感影像等领域，图像配准是一个重要的任务。
通过直方图匹配，可以使两幅图像在亮度上具有一致性，从而提高图像配准的准确性。
直方图匹配还可以用于图像分类和目标检测。
通过将图像的直方图与训练样本的直方图进行匹配，可以实现图像的自动分类和目标的自动检测。
需要注意的是，直方图匹配虽然可以改善图像的亮度分布，但也可能导致图像的颜色失真。
因此，在应用直方图匹配时需要谨慎，根据具体情况进行权衡和调整。
总结来说，直方图匹配是图像处理中常用的方法，可以通过调整图像的亮度分布实现图像增强、图像配准、图像分类和目标检测。
在实际应用中，需要充分考虑图像的特点和需求，谨慎选择合适的参数和方法，以达到最佳效果。
实验三 遥感图像的辐射增强
实验三遥感图像的辐射增强一、目的和要求通过上机操作，掌握线性对比度拉伸、直方图均衡化和直方图规定化三种遥感图像辐射增强处理的方法和过程，理解图像直方图变化与图像亮度变化之间的关系。
二、实验内容1.线性对比度拉伸2.直方图均衡化3.直方图匹配三、原理和方法辐射增强是一种通过直接改变图像中像元亮度值来改变图像的对比度，从而改善图像质量的图像处理方法，主要以图像的灰度直方图为分析处理的基础。
常用的辐射增强方法有线性拉伸、线性压缩、分段线性变换、对数变换、指数变换、直方图均衡化直方图规定化等。
本实验将练习线性拉伸、直方图均衡化和直方图匹配操作。
线性对比度拉伸是按比例扩大原始灰度级的范围，改善对比度，提高图像质量的方法。
直方图均衡化是将原始图像的直方图通过变换函数变为均匀的直方图，然后按照均匀直方图修改原图像，从而获得一幅灰度分布均匀的新图像。
其实质就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。
直方图匹配是指使一幅图像的直方图变换为规定形状的直方图而对图像进行变换的增强方法，常用作图像镶嵌或动态变化研究的预处理工作，可以部分消除太阳高度角或大气影响造成的图像色调差异。
四、实验步骤•线性对比度拉伸1.显示图像启动ERDAS，在Viewer1视窗中打开待处理影像：mobby.img2.Viewer1菜单条：Raster→Contrast→General Contrast→打开ContrastAdjust对话框（图3-1），设置相关参数：→method：Linear→斜率:→截距:或者→Breakpts→打开Breakpoint Editor，然后左键选择断点，通过拖动调整变换直线图3-1 对比度调整图3-2 断点编辑器•直方图均衡化（Histogram Equalization）在ERDAS图标面板中选择Interpreter→Radiometric Enhancement→Histogram Equalization→打开Hitogram Equalization对话框（图3-3）→定义待处理影像文件mobby.img→定义输出文件图3-3直方图均衡化直方图匹配（Histogram Match）在ERDAS图标面板中选择Interpreter→Radiometric Enhancement→Histogram Match→打开Hitogram Match对话框（图3-4）→定义待处理影像文件mosaic_1.img→定义匹配对象文件mosaic_2.img→定义输出文件图3-4直方图匹配五、结果分析和讨论1.认真对比处理前后图像的差别，谈谈三种增强方法的处理效果和直方图的变化情况。
实验三 辐射增强和光谱增强
实验三、遥感图像辐射增强和光谱增强
1辐射增强（Radiometric Enhancement）
辐射增强处理是对单个像元的灰度值进行变换达到图像增强的目的。
ERDAS IMAGINE提供的辐射增强处理功能如下表所列。
2光谱增强（spectral enhancement）
光谱增强处理是基于多波段数据对每个像元的灰度值进行变换，达到图像增强的目的。
ERDSA IMAGINE 提供的光谱增强处理功能如下图所示：
1、学习掌握遥感图像辐射增强直方图均衡化、直方图匹配等辐射增强方法，
掌握其过程和方法。
2、学习掌握遥感图像光谱增强主成分变换和主成分逆变换等光谱增强方法，掌握其过程和方法。
1 辐射增强
1.1直方图均衡化
1
文件生成后，分别在Viewer1和Viewer2中打开原始图和经过直方图均衡化处理过的图像。
1.2直方图匹配
文件生成后，分别在Viewer1、Viewer2和Viewer3中打开以上三幅图像，观察图像变化
2 光谱增强 2.1主成分变换
1
2 3
4 */imagine 8.5/exampl es/wasia1.i mg 6 保存到自己
的文件夹！学号equ.img
7 5
*/imagine 8.5/exampl es/wasia2.i mg
1
2
3
4 */imagine
8.5/example
s/lanier.img
2.2主成分逆变换
2
3。
erdas中图像处理功能介绍
其中关建是：点击View/custom Table 进入查找表编辑状态。根据需要修改查找表。
3.3直方图均衡化处理 该处理实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内的像元的数量大致相等。
.在ERDAS图标面板工具条中，点击Interpreter/Radiometric Enhancement/Histogram Equalization—--打开Histogram Equalization对话框,并设置参数如下：
4.光谱增强处理
4.1光谱增强处理是基于多波段数据对每个像元的灰度值进行变换，达到图像增强的目的。ERDSA IMAGINE 提供的光谱增强处理功能如下图所示
注，需要定义相关参数set coefficients,点击set coefficients按钮，打开对话框，确定区域内的类型。下图为原始图像与缨穗变换的亮度、绿度、湿度分量的比较图。
4.4色彩变换
色彩变换是将区域图像从RGB的彩色空间转换到IHS作为定位参数的彩色空间，以便达到增强目的。
.在ERDAS图标面板工具条中，点击Interpreter/spectral Enhancement/RGB to IHS—--打开RGB TO IHS对话框，并设置参数如下：
从上图可以看出，ERDAS图像解译模块包含了8个方面的功能，依次是遥感图像的空间增强（Spatial Enhancement）、辐射增强（Radiometric Enhancement）、光谱增强(SpectralEnhancement)、高光谱工具（Hyper Spectral Tools）、傅立叶交换（Fourier Analysis ）、地形分析（Topographic Analysis）。地理信息系统分析（GlS Analysis）、以及其它实用功能（Utilities）。每一项功能菜单中又包含若干具体的遥感图像处理功能。
辐射增强方法
辐射增强方法目的:对灰度值进行逐像素变换，突出像素间的对比度，从而改善图像的视觉效果，突出有用信息(遥感图像的灰度增强方法)，抑制或消除无用信息。
辐射增强方法 11.什么是灰度直方图一幅黑白图像往往由不同深度的灰色来描述图像，在计算机中常常采用八个比特位进行储存，所以通常用0-255来描述图像的灰度值，数值越大颜色越深。
灰度直方图是描述图像中每个像元灰度值的分布情况，由此可以看出图像的特征，一般图像符合正态分布曲线所展示的效果最好，信息最多，图像的灰度直方图可以在metadata–>histogram下查看2.灰度直方图有什么作用每幅图像都可以得到其像素亮度值的直方图，观察直方图的形状，粗略分析图像质量。
一般来说，对于包含大量像素的图像，像素亮度值应符合统计分布规律，即如果像素亮度是随机分布的，直方图应呈正态分布。
在实际中，如果图像的直方图接近正态分布，说明图像中像素的亮度接近随机分布，是一幅适合统计分析的图像。
当观察直方图的形状时，发现直方图的峰值偏向亮度坐标轴的左侧，这意味着图像是暗的。
偏离峰值坐标轴右侧，表示图像明亮，峰值太陡太窄，图像高密度值太集中。
以上这些情况都是对比度低，画质差的反映。
实现方法1.反差拉伸法将输入图像上每个象素的灰度值按一些简单的数学关系式转换成输出图像上的灰度值,且大多数是扩大图像灰度值的动态范围、调整图像灰度值的分布.该方法又可分为线性拉伸法、分段线拉伸法和非线性拉伸法.•线性拉伸法f ( x , y ) =g ( x , y ) ( a 2 − a 1 ) × ( b 2− b 1 ) + b 1 f(x,y)={g(x,y)\over(a_2-a_1)}\times(b_2-b_1)+b_1 f(x,y)=(a2−a1)g(x,y)×(b2−b1)+b1其中: g(x,y)为原图像的像元灰度， f(x,y)为拉伸后的像元灰度， a1、a2分别为原图像的最小灰度值和最大灰度值, b1、b2分别为拉伸后图像的最小灰度值和最大灰度值.即b1，b2为自己指定的拉伸后图像的最小值与最大值。
遥感数据图像处理实验四、图像增强处理
遥感数据图像处理实验四、图像增强处理实验四、图像增强实验内容：1. 空间增强处理（Spatial Enhancement）2. 辐射增强处理（Radiometric Enhancement）1.空间增强处理（Spatial Enhancement）⼀、⾮定向边缘增强（Non-directional Edge）（以c:\program files\ imagine 8.4\examples\lanier.img为例）⾮定向边缘增强应⽤两个⾮常通⽤的滤波器（Sobel滤波器和Prewitt滤波器），⾸先通过两个正交卷积算⼦（Horizontal算⼦和Vertical算⼦）分别对遥感图像进⾏边缘探测，然后将两个正交结果进⾏平均化处理。
⾮定向边缘增强具体操作过程如下：ERDAS IMAGINE 8.4图标⾯板菜单条:Main→Image Interpreter(或单击ERDAS IMAGINE 8.4图标⾯板⼯具条“Interpreter”图标)→打开Image Interpreter对话框→选择Spatial Enhancement→打开Spatial Enhancement对话框→选择Non-directional Edge→打开Non-directional Edge对话框在Non-directional Edge对话框中需要⾊置下列参数：→Input File（确定输⼊⽂件）：lanier.img→Output File（定义输出⽂件）：non-direct.img→Coordinate Type（⽂件坐标类型）：Map→Subset Definition（处理范围确定）：ULX,ULY;LRX，LRY（缺省状态为整个图像范围）→Output Data Type（输出数据类型）：Unsigned 8 bit→Filter Selection(滤波器选择):Sobel→选定Ignore Zero in Stats(输出数据统计时忽略零值)→单击OK按钮（关闭Non-directional Edge对话框，执⾏⾮定向边缘增强）⼆、纹理分析（以c:\program files\ imagine 8.4\examples\lanier.img为例）纹理分析通过在⼀定的窗⼝内进⾏⼆次变异分析（2nd-order Variance）或三次⾮对称分析(3rd-order Skewness),使图像的纹理结构得到增强，操作的关键是窗⼝⼤⼩（Window Size）的确定和操作函数（Operator）的定义。
- 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)。
本科学生实验报告
实验课程名称遥感导论
实验名称辐射增强处理—直方图匹配
开课学期2009 至2010 学年＿第二学期
云南师范大学旅游与地理科学学院编印
一、实验准备
实验名称：辐射增强处理—直方图匹配
实验时间：2010年6月5日
实验类型：设计性实验
1、实验目的和要求：
（1）掌握遥感图像辐射增强处理的主要过程；
（2）学习增强处理中的直方图的基本方法；
（3）进一步熟悉erdas imagine 8.7软件的操作方法。
2、实验材料及相关设备：
计算机一台（装有erdas imagine 8.7软件）、《遥感导论》和《遥感实习教程》两课本、《Erdas imagine 中文教程》。
3、实验理论依据或知识背景：
一：直方图匹配（Histogram Match）：
直方图匹配是对图像查找表进行数学变换，使一幅图像的某个波段的直方图与另一幅图相对应波段类似，或使图像所有波段的直方图与另一图像的所有对应波段类似。
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与处理工作，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。
二：ERDAS IMAGINE 是一款遥感图像处理系统软件。
二：ERDAS IMAGINE 是美国ERDAS 公司开发的遥感图像处理系统。
它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，代表了遥感图像处理系统未来的发展趋势。
该软件功能强大，在该行业中是最好的一款软件。
二、实验内容、步骤和结果
实验步骤：
第一步：打开ERDAS软件；
第二步：在ERDAS图表面板菜单条单击Main |Image Interpreter |Radiometric Enhancement |Histo Matching 命令，打开Histogram Matching对话框如下：
第三步：在Histogram Matching对话框中，设置下列参数：
（1）确定匹配文件（Input File）为wasia1_mss.img。
（2）匹配参考文件（Input File to Match）为wasia2_mss.img。
（3）匹配输出文件(Output File)为wasia1_match.img。
（4）选择匹配波段(Band to be Matched)为1。
（5）匹配参考波段(Band to Match to)为1。
（6）文件坐标类型(Coordinate Type)为File。
（7）处理范围确定(Subset Definition)，在ULX/Y,LRX/y微调框中输入需要的数值。
（8）输出数据统计时忽略零值为Ignore Zero in Stats。
（9）输出数据类型（Output Data Type）为Unsigned 8 bit。
（10）单击View按钮打开模型生成器窗口（略），浏览Matching空间模型。
（11）单击File|Close All 命令，退出模型生成器窗口。
（12）单击OK按钮（关闭Histogram Matching对话框，执行直方图匹配处理）
第四步：处理后，同时打开处理前与处理后的图像进行对比，如图：
处理前处理后
三、实验小结
1、实验中出现过的问题（或错误）、原因分析
（1）参数设置出现了问题，导致结果出不来；
（2）有些参数看不懂，不知道该怎么设置，原因是对erdas imagine 8.7软件不是很熟悉；
（3）对输出的结果不会很好的分析，原因是对主成分变换的本质了解不够。
2、保证实验成功的关键问题
（1）要熟悉课本的基本内容，并要对所操作的内容了如指掌；
（2）操作时应当细心认真，将错误的次数降低到最少；
（3）要多了解遥感方面的知识，并对erdas imagine 8.7软件能够熟练操作。
指导教师评语和实验得分：
实验得分：签名：年月日。