下载文档原格式
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。
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。
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。
任务五图像增强目录1.空间域增强处理11.1卷积滤波12.辐射增强处理22.1交互式直方图拉伸23.光谱增强处理43.1波段比的计算43.2色彩空间变换53.3NDVI计算64.傅里叶变换64.1快速傅里叶变换64.2定义FFT滤波器74.3反向FFT变换85.波段组合85.1RGB合成显示8图像增强的主要目的是提高图像的目视效果，以便处理结果图像比原图像更适合于特定的应用要求，方便人工目视解译、图像分类中的样本选取等。
ENVI图像增强的内容主要包括：●空间域增强处理●辐射增强处理●光谱增强处理●傅里叶变换●波段组合1.空间域增强处理空间域增强处理是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。
1.1卷积滤波卷积滤波是通过消除特定的空间频率来增强图像。
它们的核心部分是卷积核，ENVI提供很多卷积核，包括高通滤波、低通滤波、拉普拉斯算子、方向滤波、高斯高通滤波、高斯低通滤波、中值滤波、Sobel、Roberts，还可以自定义卷积核。
使用数据：lena.jpg具体操作：通过尝试ENVI提供的各种图像增强算子，观察比较图像增强的效果。
（1）打开图像文件lena.jpg。
（2）在主菜单中，选择Filter→Convolutions and Morphology。
（3）在Convolutions and Morphology Tool中，选择Convolutions→滤波类型。
（4）不同的滤波类型对应不同的参数，主要包括三项参数：●Kernel Size（卷积核的大小）卷积核的大小，以奇数来表示，如3×3、5×5等，有些卷积核不能改变大小，包括Sobel和Roberts。
●Image Add Back（输入加回值）将原始图像中的一部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性。
该方法常用于图像锐化。
“加回”值是原始图像在结果输出图像中所占的百分比。
●Editable Kernel（编辑卷积核中各项的值）在文本框中双击鼠标可以进行编辑，选择Kernel可以把卷积核保存为文件（.ker），选择Kernel可以打开一个卷积核文件。
学号:遥感数字图像处理软件实验报告（2011~2012学年第二学期）学院：地环学院班级： 09地科（2）姓名：指导老师：实验三：遥感图像的增强一.实验平台：ERDAS IMAGINE 9.1二.实验目的通过上机操作，掌握对比度变换、空间滤波、彩色变换、图像运算及多光谱变换等几种遥感图像增强处理的过程和方法，学会图像融合的方法，加深对图象增强处理的理解。
三.实验内容：遥感图像的空间增强；遥感图像的辐射增强；遥感图像的光谱增强；遥感图像的傅立叶变换；遥感图像的融合等内容。
四．实验步骤1.空间增强1.1 卷积增强(1) 在ERDAS 图标面板菜单条中点击Main。
(2) 点击Image Interpreter，打开Image Interpreter 菜单。
(3) 在Image Interpreter 菜单中点击Spatial Enhancement，打开Spatial Enhancement 菜单。
(4) 在Spatial Enhancement 菜单中点击Convolution，打开Convolution 对话框，如图1所示。
图1 图2(5) 在 Convolution 对话框中设置下列参数：输入文件：Lanier.img；输出文件：convolve.img；算子文件：default.klb；算子类型：3x3 Edge Detect；点击Kernel Selection 中的Edit 按钮打开3 × 3 Edge Detect 对话框，用户可以自行定义该算子的各元素；算子归一化处理。
(6) 点击 OK，关闭Convolution 对话框，执行卷积增强处理，结果如图2。
1.2 非定向边缘增强(1) 在 ERDAS 图标面板菜单条中点击Main。
(2) 点击 Image Interpreter，打开Image Interpreter 菜单。
(3) 在 Image Interpreter 菜单中点击Spatial Enhancement，打Spatial Enhancement 菜单。
1. 实验目的(1) 学习和掌握图像增强以及光谱变换的基本原理和方法。
掌握空间域、辐射域、光谱域增强的原理与方法步骤；掌握波段组合的原理与方法。
(2) 至少用一种图像增强方法对图像的一个波段进行增强处理，并使用K -L 变换进行波谱增强，并验证变换后各个分量之间不相关。
(3) 通过以上操作初步掌握图像光谱增强处理以及光谱变换的过程，进一步理解图像增强中不同增强方法的原理以及增强效果的差异。
2. 实验原理遥感图像的增强处理主要是指对遥感图像在成像或传输过程中所造成的某些信息衰减或降质的一些间接恢复或补偿处理。
根据处理的空间不同，常用的主要分为空间域增强和频率域增强两种类型。
2.1 空间域滤波空域滤波在方法上强调像元与周围像元间的关系，采用空间域邻域处理的方法，使处理像元及周围像元均参与处理过程。
(1) 平滑滤波：平滑滤波是低频增强的空域滤波技术，常用于模糊处理和抑制噪声。
包括均值平滑和中值平滑。
均值平滑是将每个像元在以它为中心的领域内取平均值，作为该像元的新亮度值。
其计算公式为：()()111,,M N m n g i j f m n MN ===∑∑ (2-1) 中值滤波是将以每个像元为中心的M×N 邻域内的所有像元按亮度值大小排序，用中值作为中心像元滤波后的亮度值。
其计算公式为：()()(){},,,,g i j median f i j i j M N =∈⨯ (2-2) 中值滤波对去除图像中的椒盐噪声，保持图像边缘非常有效。
(2) 边缘增强又叫锐化。
是突出地物的轮廓信息，一般采用微分运算来完成。
图像处理中常用微分运算方法有梯度法、拉普拉斯算子法和定向滤波方法。
2.2 波谱增强波谱增强的方法就是通过空间变换的方法，使波段间的信息得以分离或归并，从而突出主干信息，压缩部分冗余，以便后续的分析和解译。
K-L变换也称主成分分析，是在统计特征基础上多维正交线性变换，也是多波段图像处理中常用的一种变换技术。
实验五遥感图像的频率域增强一、目的和意义学习并掌握遥感图像频率域增强的原理和方法，理解频率域增强的意义。
二、实验内容1.频率域平滑2.频率域锐化3.同态滤波三、原理和方法实质上，在图像中，像元的灰度值随位置变化的频繁程度可以用频率来表示。
对于边缘、线条、噪声等特征，在较短的像元距离内灰度值变化的频率大；而均匀分布的地物或大面积稳定结构具有较低的变化频率。
因此，空间增强复杂的空间域卷积运算可以用频率域中简单的乘法快速实现。
频率域增强方法的基本过程为：首先将空间域图像通过傅立叶变换为频率域图像，然后选择合适的滤波器对频谱成分进行增强，再经过傅立叶逆变换变回空间域，得到增强后的图像。
根据处理效果，将所采用的滤波器分为平滑和锐化两类，平滑主要是保留图像的低频部分抑制高频部分，锐化主要是保留图像的高频部分而削弱低频部分。
常用的平滑滤波器有理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器；相应的锐化滤波器有理想高通滤波器、Butterworth高通滤波器、指数高通滤波器、梯形高通滤波器。
本实验将利用ERDAS进行理想低（高）通滤波和Butterworth低（高）通滤波。
理想滤波函数采用截取频率，Butterworth则采用平滑的曲线方程，过度性较好。
同态滤波是指在频率域中同时对图像亮度范围进行压缩和对比度进行增强的方法。
四、实验步骤1.快速傅立叶变换ERDAS工具面板上Interpreter图标→Fourier Analysis→Fourier Transform→Fourier Transform对话框（图5-1）图5-1傅立叶变换对话框2.启动傅立叶变换编辑器进行傅立叶编辑①ERDAS工具面板上Interpreter图标→Fourier Analysis→Fourier TransformEditor→Fourier Editor（图5-2）②在傅立叶变换编辑器视窗菜单条上File→open→open FFT Layer对话框（图5-3）③在傅立叶编辑器视窗菜单条上Mask→Filters→Low/High Pass Filter对话框（图5-4）④在Low/High Pass Filter对话框中，设置以下参数分别进行低通和高通滤波处理→选择滤波类型→选择窗口函数：分别选择理想低/高通滤波器、Butterworth低/高通滤波器→滤波半径→定义低频增益⑤在傅立叶变换编辑器视窗菜单条上File→Save as保存编辑结果图5-2傅立叶编辑器图5-3 open FFT Layer对话框图5-4Low/High Pass Filter对话框3.傅立叶逆变换在傅立叶编辑器视窗菜单条上File→Inverse Transform→Inverse FourierTransform对话框（图5-5）图5-5Inverse Fourier Transform对话框五、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2.比较理想低（高）通滤波和Butterworth低（高）通滤波器的处理效果，说明两者有何异同。
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)。
