遥感图像增强处理方法

遥感图像处理与分析算法综述随着遥感技术的发展，遥感图像处理与分析算法在各个领域中得到了广泛的应用。

遥感图像处理与分析算法是指通过对遥感图像进行数字处理和分析，来提取和解释图像中的信息。

本文将综述一些常见的遥感图像处理与分析算法，包括图像增强、分类与分割等。

一、图像增强图像增强是指通过一系列的操作，提高图像的质量和可视化效果。

常见的图像增强算法包括直方图均衡化、滤波和增强函数等。

直方图均衡化是一种常用的图像增强方法，它通过对图像的直方图进行变换，来增加图像的对比度。

该方法通过将图像的像素值映射到一个新的分布上，从而改变图像的亮度分布。

滤波是另一种常见的图像增强方法，通过在图像的空域或频域中对像素进行处理，来减少噪声和增强图像细节。

常见的滤波算法包括高通滤波和低通滤波等。

高通滤波可以增强图像的边缘和细节，而低通滤波则能够平滑图像并去除噪声。

增强函数是一种通过对图像的像素值进行非线性映射，来增强图像的方法。

常见的增强函数包括对数变换、幂次变换和伽马变换等。

对数变换可以扩展暗部像素的动态范围，而幂次变换则能够增强图像的对比度。

二、分类与分割分类与分割是遥感图像处理与分析的重要内容，它们能够将图像中的不同对象进行区分和提取。

常见的分类与分割算法包括聚类分析、最大似然分类和支持向量机等。

聚类分析是一种通过将像素划分到不同的类别中，来实现图像分类和分割的方法。

常见的聚类分析算法包括K均值聚类和自适应聚类等。

K均值聚类将图像像素划分为K个簇，每个簇代表一个类别，而自适应聚类则能够根据像素的分布进行不同权重的划分。

最大似然分类是一种基于概率统计的图像分类方法，它通过计算像素在每个类别中的概率，并选择概率最大的类别作为最终的分类结果。

最大似然分类算法能够准确地对图像中的不同对象进行分类，并且具有较强的鲁棒性。

支持向量机是一种通过构建一个最优决策边界，来实现图像分类和分割的方法。

支持向量机利用训练样本，通过最大化分类边界与样本之间的距离，来找到一个最优的分类超平面。

第八章（4） 遥感图像增强处理一、彩色增强处理彩色合成变换：加色法密度分割：单波段的彩色：密度分割IHS 变换（一）彩色合成多波段彩色合成：利用计算机将同一地区三个波段的影像，分别赋予红、绿、蓝三原色，进行单基色变换（色阶），然后使各影像准确套合叠置显示，依照彩色合成原理，构成彩色合成影像。

分类：假彩色合成、真彩色合成真彩色合成：当三幅影像的工作波段分别为红、绿、蓝时，同时分别对应赋予红色、绿色、蓝色，合成后的影像十分接近自然界的色彩，称为真彩色合成。

假彩色合成：（重点看）各工作波段被赋予的颜色，与波段所代表的真实颜色不同，合成色不是地物真实的颜色，因此这种合成叫做假彩色合成标准假彩色合成：1、近红外波段赋予红色、红光波段赋予绿色，绿光波段赋予蓝色。

2、针对TM 影像的7个波段：第2波段是绿色波段、第3波段是红色波段、第4波段是近红外波段当4、3、2波段分别赋予红、绿、蓝色时，这一合成方案称为标准假彩色合成（二）假彩色密度分割单波段的假彩色密度分割：将单波段影像的像元值从小到大按照某种标准划分等级，每一级别赋予一种颜色，最终影像表现为彩色，这些色彩是人为加上的，与地物的天然色彩不一定相同，称为假彩色密度分割。

等密度分割：对像元数值从小到大划分为n 级，各级内含有的像元数大致相等时，称为等密度分割。

（三）IHS 变换HSI 代表色调、饱和度和明度（hue ，saturation,intensity ）。

色彩模式可以用近似的颜色立体来定量化。

定义：IHS 变换是RGB 颜色系统与HIS 颜色系统之间的变换。

具体方法 ：令IRIGIB ,下标max 为R ，G ，B 中最大值，下标min 为R ，G ，B 中最小值， IRIGIB 和Ｓ均为0-1的实数，Ｈ为0-360的实数。

则有明度： 2/)(min max I I I +=饱和度：5.0≤I )/()(min max min max S S S S S +-=5.0>I )11/()(min max min max S S S S S -+--=色调：min max H H H -=∆如果max H H R =，则]/)[(60H H H H B G ∆-=，位于黄和品红之间如果max H H G =，则]/)(2[60H H H H R B ∆-+=，位于青和黄之间如果max H H B =，则 ]/)(4[60H H H H G R ∆-+=，位于品红和蓝之间二 、光谱增强处理（一）反差增强线性变换，非线性变换，直方图增强⏹ 通过修改各种像元值来改善影像对比度，从而改变影像质量的处理方法。

遥感图像处理的图像增强和特征提取方法遥感图像处理是利用遥感技术获取和处理地球表面信息的一种方法。

在遥感图像处理中，图像增强和特征提取是两个重要的步骤。

本文将探讨遥感图像处理的图像增强和特征提取方法，并介绍其在实际应用中的重要性和挑战。

一、图像增强方法图像增强是通过改善遥感图像的质量和清晰度来提取更多有用信息的过程。

在遥感图像处理中，常用的图像增强方法包括直方图均衡化、滤波和增强算法等。

1. 直方图均衡化直方图均衡化是一种通过调整图像的亮度分布来增强图像对比度的方法。

它通过将图像的亮度值映射到一个更均匀分布的直方图来使图像的细节更加清晰。

直方图均衡化能够有效地提高图像的视觉质量，但在某些情况下可能会导致过度增强和失真。

2. 滤波滤波是一种通过去除图像中的噪声和不必要的细节来改善图像质量的方法。

在遥感图像处理中，常用的滤波方法包括中值滤波、高斯滤波和小波变换等。

这些滤波方法能够有效地降低图像的噪声和模糊度，提高图像的清晰度和边缘保持能力。

3. 增强算法增强算法是一种通过对图像进行像素级别的调整和处理来增强图像质量的方法。

常用的增强算法包括灰度拉伸、对比度增强和边缘增强等。

这些算法能够根据图像的特点和需求来调整图像的亮度、对比度和细节等，从而提高图像的视觉效果和信息提取能力。

二、特征提取方法特征提取是通过从遥感图像中提取和表示有用的信息和模式来分析和识别图像内容的过程。

在遥感图像处理中，常用的特征提取方法包括纹理特征提取、频谱特征提取和形状特征提取等。

1. 纹理特征提取纹理特征提取是一种通过分析图像中的纹理信息来描述和表示图像内容的方法。

常用的纹理特征提取方法包括灰度共生矩阵、小波变换和局部二值模式等。

这些方法能够有效地提取图像中的纹理细节和结构特征，用于图像分类、目标检测和地物识别等应用。

2. 频谱特征提取频谱特征提取是一种通过分析图像的频域信息来描述和表示图像内容的方法。

常用的频谱特征提取方法包括傅里叶变换、小波变换和高斯金字塔等。

遥感图像处理的基本步骤和技巧遥感图像处理是利用遥感技术获取的遥感图像数据进行分析、处理和解释的过程。

遥感图像处理技术在环境监测、资源管理、农业和城市规划等领域具有广泛的应用。

本文将介绍遥感图像处理的基本步骤和技巧。

一、图像预处理图像预处理是遥感图像处理的第一步，目的是改善图像质量，消除噪声和其他不必要的干扰。

常见的图像预处理技术包括辐射校正、大气校正和几何纠正。

辐射校正是将原始图像中的数字数值转换为辐射亮度值，以消除由于不同仪器和观测条件引起的辐射差异。

大气校正则是通过对图像进行大气光校正，消除大气吸收和散射效应，获得更准确的地物辐射亮度信息。

几何纠正是校正图像中的几何畸变，使其与实际地面特征对应。

二、图像增强图像增强是通过增加图像的对比度和清晰度，突出感兴趣的地物信息。

常见的图像增强技术包括直方图均衡化、滤波和波段变换。

直方图均衡化是通过调整图像像素的亮度分布，增强图像对比度。

滤波是通过应用各种滤波器来去除图像中的噪声和模糊。

波段变换是将图像从一种波段转换到另一种波段，以提取不同地物特征。

三、特征提取特征提取是从图像中提取与感兴趣地物相关的信息。

常见的特征提取技术包括阈值分割、边缘检测和纹理分析。

阈值分割是将图像分为不同的区域，使每个区域具有相似的亮度或颜色特征。

边缘检测是寻找图像中的边界线，以辅助划分地物边界。

纹理分析是通过提取图像的纹理特征来描述地物的空间结构。

四、分类与识别分类与识别是将特定地物进行分类和识别的过程。

常见的分类与识别技术包括监督分类、无监督分类和目标检测。

监督分类是通过使用已知类别的训练样本，建立分类器对图像进行分类。

无监督分类是根据图像像素的统计特征将图像自动分为不同的类别。

目标检测是在图像中检测和识别特定的目标，例如建筑物、道路等。

五、图像解译与分析图像解译与分析是对处理后的遥感图像进行解释和分析的过程。

通过对图像分析可以获取地表特征的数量和质量信息，用于环境变化监测、资源管理和规划决策。

第一部分图像锐化图像锐化是突出边缘信息、或图像中线状地物的信息。

本部分所用数据：ftp://redearth@210.27.226.200/dzja/digitalgraph/05%20遥感图像增强处理/文件夹下的“美国的空军基地.jpg”和“上海浦东.jpg”。

1、使用robert梯度进行图像锐化打开：上海浦东.jpg文件，在ENVI主菜单中，选择filter—convolutions and morphology察看robert梯度锐化的结果。

2、使用拉普拉斯算法进行图像锐化打开：上海浦东.jpg文件，在ENVI主菜单中，选择filter—convolutions and morphology察看拉普拉斯算子锐化的结果。

比较robert梯度和拉普拉斯算法锐化结果的异同；换幅影像（美国空军基地.jpg）锐化比较；尝试使用自定义算子锐化影像。

第二部分遥感数据融合数据融合是将多幅影像组合到单一合成影像的处理过程。

通常使用高分辨率的全色影像或单一波段的雷达影像来增强多光谱影像的空间分辨率。

本部分所用数据：ftp://redearth@210.27.226.200/dzja/digitalgraph/envidata/lontmsp/文件夹下的“lon_spot”（伦敦地区spot影像）和“lon_tm”（伦敦地区tm影像）。

方法1、ENVI中手动融合1、打开伦敦地区的TM和spot影像，并显示2、调整两幅影像大小一致，对tm影像乘以系数3、拉伸spot影像亮度由原来的0-1024到0-1，以适应HSV-RGB变换中v的取值要求。

4、将调整大小后的TM影像由RGB变换为HSV5、进行HSV至RGB的转换，其中H和S分别选RGB至HSV转换后的TM的H和S，V 选则拉伸后的SPOT影像。

6、将融合后的影像显示，并与融合前的TM影像和SPOT影像比较，看看其空间分辨率和光谱信息发生什么变化。

注意：在影像融合中，待融合影像的大小需要事先准备一致，如果待融合影像有地理参考该如何做？思考。