1 实验目的
1.1理解遥感图像的变换处理方法和原理；
1.2掌握遥感图像的变换处理，包括主成份变换和逆变换、缨穗变换、色彩变换与逆变换；
2 实验方法（要求将实验步骤过程中的对话框及成果图拷屏到报告中）
2.1主成分变换处理（K-L变换）
2.1.1 K-L变换原理
（1）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
式中，X为变换前的多光谱空间的像元矢量；
Y为变换后的主分量空间的像元矢量；
A为变换矩阵。
（2）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。
（3）从几何意义来看，变换后的主分量空间坐标系与变换前的多光谱空间坐标系相比旋转了一个角度。而且新坐标系的坐标轴一定指向数据信息量较大的方向。
2.1.2K-L变换步骤
(1)Interpreter图标>Spectral Enhancement> Principal Comp. 确定输入文件lanier.img，输出文件principal.img
文件坐标类型：Map，处理范围为默认
输出数据类型：Float Single
输出数据统计时忽略零值：Ignore Zero in Stats
特征矩阵输出设置（Eigen Matrix）
在运行日志中显示：Show Session Log
写入特征矩阵文件：Write to File（必选项，逆变换时需要）特征矩阵文件名（Output TextFile）：lanier.mtx
需要的主成份数量（Number of Components Desired）:3
OK，执行主成份变换处理，
(2)下面进行主成份逆变换处理，将三个主分量转换到RGB彩色空间
Interpreter图标>Spectral Enhancement> Inverse Principal Comp.
确定输入文件Principal.img
确定特征矩阵（Eigen Matrix File）：lanier.mtx
定义输出文件：inverse_pc.img
文件坐标类型Map，处理范围默认
输出数据选择（Output Options）：两种选择
输出数据拉伸到0-255：Stretch to Unsigned 8 bit
输出数据统计时忽略零值：Ignore Zero in Stats OK，执行主成份逆变换
2.2实验成果
bianhuan.img:
Bianhuan1.img:
2.2K-T变换（缨帽变换）
2.2.1 K-T变换原理
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
式中，X为变换前多光谱空间的像元矢量；
Y为变换后的新坐标空间的像元矢量；
B为变换矩阵。
（1）该变换也是一种坐标空间发生旋转的线性变换，但旋转后的坐
标轴不是指向主成分方向，而是指向与地面景物有密切关系的方向。（2）K-T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，特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。
2.2.2K-T变换步骤
Interpreter图标>Spectral Enhancement>Tasseled Cap 确定输入文件lanier.img，输出文件:tasseled.img
文件坐标类型：Map，处理范围默认
输出数据选择
输出数据拉伸到0-255：Stretch to Unsigned 8 bit
输出数据统计时忽略零值：Ignore Zero in Stats
定义相关系数（Set Coefficinets）：点击Set Coefficients按钮打开Tasseled Cap Coefficients对话框
首先确定传感器类型（Sensor）：Landsat TM5
定义相关系数（Coefficient Definition）：可利用系统缺省值OK，关闭Tasseled Cap Coefficients对话框
OK，关闭Tasseled Cap对话框，执行缨穗变换。
2.2.3K-T变换成果图
Tasseled.img:
y1分量：亮度
y2分量：绿度
y3分量：湿度
3 实验心得
