遥感图像增强

遥感图像增强

摘要：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。

关键词：彩色合成，灰度变换，直方图变换，灰度颠倒，图像间运算，领域增强处理，主成分分析，信息融合，图像增强。

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。

实验内容：

1：辐射增强处理

直方图均衡化

直方图匹配

2：空间增强处理

卷积增强处理

自适应滤波

锐化增强处理

分辨率融合

3：光谱增强处理

主成分变换

缨帽变换

指数计算

自然色彩变换

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。

2：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，使一幅图像的直方图与另一幅图像类似。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预处理工作，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)、 空间增强处理(Spatial Enhancement)

:1：卷积增强处理(Convolution)

卷积增强是将整个图像按照像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强处理的关键是卷积算子——系数矩阵的选择，该系数矩阵又称为卷积核（Kernal)。ERDAS IMAGINE将常用的卷积算子放在一个名为defatilt.kfb的文件中，分为3×3，5×5，7×7三组，每组又包括“Edge Detect / Edge Enhance / Low Pass / High Pass / Horizontal / Vertical/Summary”等七种不同的处理方式。

2：锐化增强处理(Crisp Enhancement )

锐化增强处理实质上是通过对图像进行卷积滤波处理，其专题内容发生变化，从而达到图像增强的目的。使整景图像的亮度得到增强的目的，根据其底层的处理过程，又可以分为两种方法：（1）根据您定义的矩阵(Custom Matrix )直接对图像进行卷积处理(空间模型：Crisp-greyscale.gmd)，（2）是首先对图像进行主成份变换，并对第一主成份进行卷积滤波，然后再进行主成份逆变换（以panatlanta.img文件为例）

(三)、 光谱增强处理(Spectral Enhancement)

:1：主成份变换(Principal Components)

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。

:2：去相关拉伸(Decorrelation Stretch

去相关拉伸是对图像的主成份进行对比度拉伸处理，而不是对原始图像进行拉伸。在操作时，只需要输入原始图像，系统将首先对原始图像进行主成份变换，并对主成份图像进行对比度拉伸处理，然后再进行主成份逆变换，依据当时变换的特征矩阵，将图像恢复到RGB彩色空间，达到图像增强的目的。（以文件Lanier.img为例）

:3：缨帽变换(Tasseled Cap )，K-T变换

缨帽变换是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转，优化图像数据显示效果。该变换的基本思想是：多波段(N波段)图像可以看作是N维空间(N-dimensional Space)，每一个像元都是N维空间中的一个点，其位置取决于像元在各个波段上的数值。研究表明，植被信息可以通过三个数据轴.(亮度轴、绿度轴、湿度轴)来确定，而这三个轴的信息可以通过简单的线性计算和数据空间旋转获得，当然还需要定义相关的转换系数。同时，这种旋转与传感器有关，因而还需要确定传感器类型。

:4：指数计算( Indices )

指数计算是应用一定的数学方法，将遥感图像中不同波段的灰度值进行各种组合运算，计算反映矿物及植被的常用比率和指数。各种比率和指数与遥感图像类型、即传感器有密切的关系，因而在进行指数计算时，首先必须根据输入图像类型选择传感器，ERDAS系统集成的传感器类型有SPOT XS、Landsat TM、Landsat MSS、NOAA AVHRR四种，不同传感器对应的指数计算是有区别的，ERDAS系统集成了与各种传感器对应的常用指数。如Landsat TM所对应的矿物指数有粘土矿指数（Clay Minerals)、铁矿指数(Ferrous Minerals)等几种，植被指数有NDVI，TNDVI等几种

:5：自然色彩变换(Natural Color)

自然色彩变换就是模拟自然色彩对多波段数据进行变换，输出自然色彩图像。变换过程中关键是三个输入波段光谱范围的确定，这三个波段依次是近红外(Near Infrared)、红(Red)、绿(Green)，如果三个波段定义不够恰当，则转换以后的输出图像也不可能是真正的自然色彩。

结语：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。

通过以上三大类方法对同一图像或相关图像进行处理时，我们看到处理后的图像有所不同，这就证明了我们对于不同的图像要根据图像相关的特征去推断我们应该用什么方法去进行图像增强处理，上面例举了所有的图像增强方法，在进行这个过程中，我们也理解

了不同处理方法所使用的参数及相关系数的变化，