遥感数字图像增强处理
- 格式：ppt
- 大小：1.39 MB
- 文档页数：16
下载文档原格式
合集下载
第五章 遥感图像处理—图像增强
(3) 变换后依然得到6个图像。其中：第一个图像反映亮 度特征，是原图像亮度的加权和；第二个图像表示绿度，反 映绿色生物量特征；第三个图像表示湿度，反映土壤的湿度
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
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
遥感入门-遥感数字图像增强处理
b f ( x, y ) T 亮度级 其它
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
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
第四章3遥感图像处理图像增强
5.遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
② 就变换后的新波段主分量而言，K—L变换后的 新波段主分量包括的信息量不同，呈逐渐减少趋 势。其中，第一主分量集中了最大的信息量，常 常占80％以上，第二、第三主分量的信息量依次 快速递减，到第n分量信息几乎为0。由于K—L变 换对不相关的噪声没有影响，所以信息减少时， 便突出了噪声，最后的分量几乎全是噪声。所以 这种变换又可分离出噪声。
基于上述特点，在遥感数据处理时，常常用K— L变换作数据分析前的预处理（数据压缩和图像增
强）。举例P125
6.遥感图像多光谱变换(Ⅱ)——缨帽变换(K—T变换)
(1)K—T变换是Kauth—Thomas变换的简称，这种变换也是 一种线性组合变换，其变换公式为：Y=BX 这里X为变换前的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。这也是一种坐标 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，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K—T变换时的B值： P126 在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分 辨率的热红外(第6波段)波段不予考虑。
1.遥感图像增强(工)——对比度变化1
非线性变换
直方图均衡化(histogram equalization):把原图像的直方 图变换为灰度值频率固定的直方图，使变换后的亮度级 分布均匀，图像中等亮度区的对比度得到扩展，相应原 图像中两端亮度区的对比度相对压缩。
1.遥感图像增强(工)——对比度变化1
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果放在窗口中心的像元位置，成为新像元的灰度 值。然后活动窗口向右移动一个像元，再做同样的运算。 P117说明
第四章 遥感图像处理—数字图像增强
差值运算常用于 同一景物不同时间图像之间的运算—动态监测
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：
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。
遥感数字图像的增强
辐射增强能够使一幅图像充分利用成像设备，达到最佳动态范围，改善目视效果。
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。
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。
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。
3.遥感图像的增强与变换处理
遥感实验课 第二课 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。
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。
遥感图像增强
• E直方图均衡化模式
其中:
直方图均衡化模式代码
I = imread('tire.tif'); J = histeq(I); imshow(I) figure, imshow(J) figure,imhist(I,64) figure,imhist(J,64)
%另注:还有直方图规定化模式
• F图像间的代数运算模式
axis tight,xlabel('f'),ylabel('g')
X2=double(X1);
figure,imshow(mat2gray(g))
%变换矩阵中的每个元素
• b图像求反
EH如图
图像求反代码：
X1=imread('2zong.jpg'); figure,imshow(X1)
f1=200;%f1和 g1分别为f，g的最大值 g1=256;
for i=1:m for j=1:n f=X2(i,j); g(i,j)=0;
if (f>=0)&(f<=f1) g(i,j)=r1*f+b1; elseif (f>=f1)&(f<=f2) g(i,j)=r2*f+b2;
r1=(g1-g0)/(f1-f0);
elseif (f>=f2)&(f<=f3)
绿滤片：
绿无绿 无 黄 青无 无
蓝滤片：
蓝 无 无 蓝 无 青 品红 无
合成： 红 红 无 无 黄 无品红 无 绿 无 绿 无 黄 青 无 无
蓝 无 无 蓝 无 青品红 无
恢复原来色彩：白 红 绿 蓝 黄 青 品红 黑
一、遥感图像数字增强意义
遥感图像增强的目的及应用
遥感图像增强的目的及应用遥感图像增强的目的是通过一系列的数字图像处理技术，改善获取的遥感图像质量，使得图像更加清晰、具备更丰富的信息，以便更好地反映地物表面的特征和变化，提高对地物目标的识别和提取能力。
遥感图像增强的目标是以较低的成本和较少的数据，获取更准确、更丰富的信息。
遥感图像增强的应用非常广泛，涵盖了农业、林业、地质、环境、城市规划、水资源等多个领域。
下面分别介绍一些具体的应用案例：1. 农业：通过遥感图像增强技术，可以更好地提取农田的土壤类型、植被信息和作物生长情况，对农业生产进行监测和评估。
如可以准确识别出农田的植被覆盖度，为农业精细化管理提供数据支持，实现农田水分、化肥的准确施用。
2. 水资源管理：通过对遥感图像进行增强处理，可以提取水体边界和水体类型，实时监测水体的变化，评估水资源的利用状况。
例如，可以对湖泊、河流等水体进行动态监测，及时发现水质异常和水体污染问题。
3. 灾害预警和防治：遥感图像增强可以帮助提取地质灾害、森林火灾、洪涝灾害等灾害的前兆信号，为灾害预警和防治提供及时有效的数据支持。
例如，可以通过增强处理提取出植被覆盖度等指标，评估和预测森林火灾的潜在风险。
4. 城市规划：通过遥感图像增强，可以提取出城市的道路网络、建筑物分布情况、绿地覆盖等信息，为城市规划和土地利用提供准确的基础数据。
例如，可以通过增强处理提取出建筑物的形状和高度信息，用于城市建筑物的三维模型构建和城市景观设计。
5. 环境监测：遥感图像增强可以监测大气、水体和土地等环境污染情况，提取环境参数，评估环境状况和污染程度。
例如，可以通过增强处理提取出水体的叶绿素-a浓度，用于评估水体的富营养化程度。
6. 地质勘探：遥感图像增强可以提取地表地貌、岩性、构造等地质信息，用于地质勘探和矿产资源的评估与开发。
例如，可以通过增强处理提取出岩性差异，找出潜在的矿产资源区域。
综上所述，遥感图像增强在农业、水资源管理、灾害预警和防治、城市规划、环境监测和地质勘探等领域具有重要的应用价值，能够提高数据的质量和精度，为相关领域的研究和决策提供准确的数据支持。
- 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)。
3
0.16
2
0.20
3
0.27
4
0.35
6
0.47
5
0.57
5
0.67
4
0.76
3
0.82
3
0.88
2
0.92
.
2
0.96
对应参考累积 新灰度级 新像元统计
像元值G(yc) yc
值hd(xd)
0
0
0
0.06
9/16
5
0.06
0.06
0.18
10/16 5
0.18
0.33
11/16
7
0.33
0.51
12/16 11
0.51
0.67
13/16 5
0.82
14/16 7
0.82
0.92
15/16 5
0.92 1.00
14
1
4
灰度 9/16 10/16 11/16 12/16 13/16 14/16 15/16 1 级yc
像元 3
6
7
9
8
7
5
4
统计
值
hc(xc)
累积 0.06 0.18 0.33 0.51 0.67 0.82 0.92 1.00 像元 统计 值
.
8
原灰度级xa
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
像元统计值
0 2 2 1 3 2 3 4 6 5 5 4 3 3 2 2
累积像元统 计值
0
2
4
5
8
10
13
17
23
28
33
37
40
43
45
47
.
变换后值
0 0.7 1.3 1.6 2.6 3.3 4.2 5.6 7.5 9.1 10.8 12.1 13.1 14.0 14.7 15.3
048
6
0
7 .5
7
7
7
6
2
8
2
6 40
.
5
直方图均衡化
直方图均衡化是将原图像的直方图通过变换 函数变为均匀的直方图，然后按均匀的直方 图修改原图像，从而获得一幅灰度分布均匀 的新图像。可以证明，这个变换函数就是累 积直方图。
.
6
变换式：
xbk
L1 N
k
ha(xa j )
j0
xbk变换后新图像的值 N为像元数h， a为原图像任一灰度 的出 概现 率 ; L1为最大灰度值。
.
11
直方图规定化
直方图规定化的具体步骤如下:
(1)做出原图像的直方图
(2)做出原图像的累积直方图Zb=T(xa),对原图像进行 均衡化变换
(3)做出参考图像的直方图或确定参考直方图
(4)做出参考图像累积直方图zb=G(yc),进行均衡化变 换
(5)对于原图像中的每一灰度级xa的累积值zb,在参考 累积直方图中找到对应的累积值G(yc);
新灰度级
0 1 1 2 3 3 4 6 8 9 11 12 13 14 15 15
新像元统计 值 0 4
1 5
3 4 6 5 5 4 3 3 4
9
直方图规定化
直方图规定化是指使一幅图像的直方图变成 规定形状的直方图而对图像进行变换的增强 方法.规定的直方图可以是一幅参考图像的直 方图,通过变换,使两幅图像的亮度变化规律尽 可能地接近;规定的直方图也可以是特定函数 形式的直方图,从而使变换后图像的亮度变化 尽可能地服从这种函数分布.
.
10
直方图规定化
设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
k
Z b T ( x a )
ha
(
x
j a
)
j0
k
Z b G ( y c )
hc
(
y
j c
)
j0
y c G 1 ( zb ) G 1[T ( x a )]
13 6 9 16 13 12 10
灰度级
累积像 元数 累积比 例值
0 1 2 3 4 5 6 7 8 9 1 11 1 1 1 1 1
0
23456
0 2 4 5 8 10 13 17 23 28 33 37 40 43 45 47 49
0.0 0.0 0.0 0.1 0.1 0.2 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.8 0Βιβλιοθήκη 9 0.9 1.0G(yc)
.
15
空域增强-点运算
• 线性变换 y = a•x + b 单一线性、分段线性、特定区域或覆盖类 型的局部线性
.
16
.
17
空域增强-点运算
• 非线性变换 指数扩展 xb = a•ebxa + c 扩展高亮度区 对数扩展 xb = a•log(xa+1) + c 扩展低亮 度区
.
18
空域增强-点运算
参考图像
.
13
原灰度级xa
0 1／16 2／16 3 ／16 4 ／16 5 ／16 6 ／16 7 ／16 8 ／16 9 ／16 10 ／16 11 ／16 12 ／16 13 ／16 14 ／16 15 ／16
像元统计值 累积像元统
ha(xa)
计值T(xa)
0
0
2
0.04
2
0.08
1
0.10
(6)以新值yc替代原灰度值xa,形成均衡化后的新图像.
(7)根据原图像像元统计值对应找到新图像像元统计值, 做出新直方图。
.
12
10 9 11 12 10 11 10 9 10 11 12 11 12 11 9 11 10 12 13 14 13 12 12 10 12 14 15 13 11 13 14 16 16 14 15 14 12 12 15 16 15 14 13 12 12 16 13 14 15
直方图变换
1 7 8 9 10 11 14
累积直方图
5 2 6 7 14 12 15 3 4 7 8 6 9 11
2147889
k
c(xk) h(xj)
8 4 5 9 11 12 10
j0
8 10 11 15 16 10 13
k为灰度k＝ 级 0， 1， （ 2， ..， . L1）； L1为最大灰度级
• 非线性变换
• 三角函数扩展 xb= a•sin(b•xa) + c 扩展中 部亮度区
• xb = a•tan(b•xa) + c 扩展两端亮度区
.
19
空域增强-邻域增强
.
7
对一幅图像进行直方图均衡化的具体步骤如下： （1）统计原图像每一灰度级的像元数和累积像元数 （2）根据变换函数式计算每一灰度级xa均衡化后 对应的新值，并对其四舍五入取整，得到新灰度级xb （3）以新值代替原灰度值，形成均衡化后的新图像。 （4）根据原图像像元统计值对应找到新图像像元
统计值，作出新直方图。
遥感数字图像增强处理
.
1
• 图像增强的目的
改变图像的灰度等级,提高图像的对比度;
消除边缘和噪声,平滑图像;突出边缘或线状 地物,锐化图像;
合成彩色图像;压缩图像数据量,突出主要信 息等
.
2
• 图像增强的方法 空间域增强(点运算,邻域运算) 频率域增强 彩色增强 多图像代数运算 多光谱图像增强
.
3