遥感图象处理II图像增强.docx
《遥感图象处理II图像增强.docx》由会员分享,可在线阅读,更多相关《遥感图象处理II图像增强.docx(24页珍藏版)》请在冰点文库上搜索。
遥感图象处理II图像增强
实验二遥感图象处理
(图像增强)
2.1概述
图像增强包括图像空间增强、图像辐射增强、图像光谱增强三个部分。
遥感图像在获取的过程中由于受到大气的散射、反射、折射或者天气等的影响,获得的图像难免会带有噪声或目视效果不好,如对比度不够、图像模糊;有时总体效果较好,但是所需要的信息不够突出,如线状地物或地物的边缘部分;或者,有些图像的波段较多,数据量较大,如TM影像,但各波段的信息量存在一定的相关性,为进一步的处理造成困难。
针对上述问题,需要对图像进行增强处理。
通过图像增强技术,改善图像质量,提高图像目视效果,突出所需要的信息、压缩图像的数据量,为进一步的图像判读做好准备。
2.2实验目的
1通过本次上机实验,掌握空间增强、辐射增强、光谱增强这几种图像增强处理的过程和方法。
2加深对图像增强的理解。
3熟悉ERDAS图像解译模块。
2.3实验原理
图像空间增强技术是利用像元自身及其周围像元的灰度值进行计算,达到增强整个图像的目的。
主要集中于图像的空间特征,考虑每个像元及其周围像元亮度之间的关系,从而使图像的空间几何特征如边缘、目标物的形状、大小、线性特征等突出或者降低。
主要包括各种空间滤波、卷积增强、非定向边缘增强等。
图像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。
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。
一般来说,原始遥感数据的灰度值范围比较窄,这个范围通常比显示器的显示范围小得多。
增强处理可以将其灰度范围拉伸到0~255的灰度级之间来显示,从而使图像对比度提高,视觉效果得以改善。
辐射增强主要以图像的灰度直方图作为分析处理的基础。
图像光谱增强处理是基于多波段数据对每个像元的灰度值进行变换,与像元的空间排列和结构无关,它是对目标物的光谱特征——像元的对比度、波段间的亮度比进行增强。
主要包括对比度增强、各种指标提取、光谱转换等。
2.4实验过程
2.4.1图像空间增强
2.4.1.1卷积增强处理
(1)在ERDAS图标面板工具条中单击Interpreter图标
|SpatialEnhancement|Convolution命令,打开Convolution对话框。
在Convolution对话框中进行如下设置。
图2-1SpatialEnhancement命令图2-2Convolution命令
(2)确定输入文件:
lanier.img。
(3)定义输出文件:
convolution.img。
(4)卷积算子文件:
default.klb。
(5)卷积算子类型:
5×5EdgeDetect。
(6)边缘处理方法:
Reflection。
(7)卷积归一化处理:
NormalizetheKernel。
(8)文件坐标类型:
Map。
(9)输出数据类型:
Unsigned8bit。
(10)单击OK按钮(关闭Convolution对话框,执行卷积增强处理)。
图2-3Convolution对话框
图2-4卷积增强处理成果图
2.4.1.2非定向边缘增强
(1)在ERDAS图标面板工具条中单击Interpreter图标
|SpatialEnhancement|Non-directionalEdge命令,打开Non-directionalEdge对话框。
在Non-directionalEdge对话框中进行如下设置。
图2-5Non-directionalEdge命令
(2)确定输入文件:
lanier.img。
(3)定义输出文件:
non-direct.img。
(4)文件坐标类型:
Map。
(5)处理范围确定:
默认状态为整个图像范围。
(6)输出数据类型:
Unsigned8bit。
(7)选择滤波器:
Soble。
(8)输出数据统计时忽略零值:
勾选IgnoreZeroinStats。
(9)单击OK按钮(关闭Non-directionalEdge对话框,执行非定向边缘增强)。
图2-6Non-directionalEdge对话框
图2-7非定向边缘增强成果图
2.4.2图像辐射增强
2.4.2.1直方图均衡化
(1)在ERDAS图标面板工具条中单击Interpreter图标
|RadiometricEnhancement|HistogramEqualization命令,打开HistogramEqualization对话框,在HistogramEqualization对话框中,进行如下设置。
图2-8RadiometricEnhancement命令图2-9HistogramEqualization命令
(2)确定输入文件:
lanier.img。
(3)定义输出文件:
equalization.img。
(4)文件坐标类型:
Map。
(5)处理范围确定:
默认状态为整个图像范围。
(6)输出数据分段:
256。
(7)输出数据统计时忽略零值:
勾选IgnoreZeroinStats。
(8)单击OK按钮(关闭HistogramEqualization对话框,执行直方图均衡化处理)。
图2-10HistogramEqualization对话框
图2-11直方图均衡化成果图
2.4.2.2直方图匹配
(1)在ERDAS图标面板工具条中单击Interpreter图标
|RadiometricEnhancement|HistogramMatch命令,打开HistogramMatch对话框,在HistogramMatch对话框中,进行如下设置。
图2-12HistogramMatch命令
(2)输入匹配文件:
wasia1_mss.img。
(3)匹配参考文件:
wasia2_mss.img。
(4)匹配输出文件:
wasia1_match.img。
(5)选择匹配波段:
1。
(6)匹配参考波段:
1。
(7)文件坐标类型:
Map。
(8)处理范围确定:
默认状态为整个图像范围。
(9)输出数据统计时忽略零值:
勾选IgnoreZeroinStats。
(10)输出数据类型:
Unsigned8bit。
(11)单击OK按钮(关闭HistogramMatch对话框,执行直方图匹配处理)。
图2-13HistogramMatch对话框
图2-14直方图匹配成果图
2.4.2.3去霾处理
(1)在ERDAS图标面板工具条中单击Interpreter图标
|RadiometricEnhancement|HazeReduction命令,打开HazeReduction对话框,在HazeReduction对话框中,进行如下设置。
图2-15HazeReduction命令
(2)确定输入文件:
klon_tm.img。
(3)定义输出文件:
haze.img。
(4)文件坐标类型:
Map。
(5)处理范围确定:
默认状态为整个图像范围。
(6)处理方法选择:
Landsat5TM。
(7)单击OK按钮(关闭HazeReduction对话框,执行去霾处理)。
图2-16HazeReduction对话框
图2-17去霾处理成果图
2.4.2.4降噪处理
(1)在ERDAS图标面板工具条中单击Interpreter图标
|RadiometricEnhancement|NoiseReduction命令,打开NoiseReduction对话框,在NoiseReduction对话框中,进行如下设置。
图2-18NoiseReduction命令
(2)确定输入文件:
dmtm.img。
(3)定义输出文件:
noise.img。
(4)文件坐标类型:
Map。
(5)处理范围确定:
默认状态为整个图像范围。
(6)单击OK按钮(关闭NoiseReduction对话框,执行降噪处理)。
图2-19NoiseReduction对话框
图2-20降噪处理成果图
2.4.2.5去条带处理
(1)在ERDAS图标面板工具条中单击Interpreter图标
|RadiometricEnhancement|DestripeTMData命令,打开DestripeTM对话框,在DestripeTM对话框中,进行如下设置。
图2-21DestripeTMData命令
(2)确定输入文件:
tm_striped.img。
(3)定义输出文件:
destripe.img。
(4)输出数据类型:
Unsigned8bit。
(5)输出数据统计时忽略零值:
勾选IgnoreZeroinStats。
(6)边缘处理方法:
Reflection。
(7)文件坐标类型:
Map。
(8)处理范围确定:
默认状态为整个图像范围。
(9)单击OK按钮(关闭DestripeTM对话框,执行去条带处理)。
图2-22DestripeTM对话框
图2-23去条带处理成果图
2.4.3图像光谱增强
2.4.3.1主成分变换
(1)在ERDAS图标面板工具条中单击Interpreter图标
|SpectralEnhancement|PrincipalComp.命令,打开PrincipalComponents对话框,在PrincipalComponents对话框中,进行如下设置。
图2-24SpectralEnhancement对话框图2-25PrincipalComp.命令
(2)确定输入文件:
lanier.img。
(3)定义输出文件:
principal.img。
(4)文件坐标类型:
Map。
(5)处理范围确定:
默认状态为整个图像范围。
(6)输出数据类型:
FloatSingle。
(7)输出数据统计时忽略零值:
勾选IgnoreZeroinStats。
(8)在运行日志中显示:
勾选ShowinSessionLog。
(9)写入特征矩阵文件:
WritetoFile(必选项,逆变换时需要)。
(10)特征矩阵文件名(EigenMatrix中):
lanier.mtx。
(11)特征矩阵文件名(EigenValue中):
lanier.tbl。
(12)需要的主成分数量:
3。
(13)单击OK按钮(关闭PrincipalComponents对话框,执行主成分变换)。
图2-26PrincipalComponents对话框
图2-27主成分变换成果图
2.4.3.2色彩变换
(1)在ERDAS图标面板工具条中单击Interpreter图标
|Spectral|RGBtoIHS命令,打开RGBtoIHS对话框,在RGBtoIHS对话框中,进行如下设置。
图2-28RGBtoIHS命令
(2)确定输入文件:
dmtm.img。
(3)定义输出文件:
rgb-his.img。
(4)文件坐标类型:
Map。
(5)处理范围确定:
默认状态为整个图像范围。
(6)确定参与彩色变换的3个波段:
Red:
4/Green:
3/Blue:
2。
(7)输出数据统计时忽略零值:
勾选IgnoreZeroinStats。
(8)单击OK按钮(关闭RGBtoIHS对话框,执行RGBtoHIS变换)。
图2-29RGBtoIHS对话框
图2-30色彩变换成果图
2.5上机实验思考题
每完成一小节后打开原图与成果图,对它们进行比较,观察两者之间的差异。
2.6相关知识补充说明
(1)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)。
卷积运算的方法就是在图像的左上角开一个与卷积算子同样大小的窗口,图像窗口的灰度值矩阵与卷积算子值对应再相加。
假定卷积算子大小为M×N,图像窗口为X(m,n),卷积算子为Y(m,n),则卷积运算为r(i,j)=
将计算结果r(i,j)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一个像元,再按照公式进行同样的计算,仍把计算结果放在移动后的窗口中心位置,依次进行逐行扫描,直到全幅图像扫描一遍,最后生成一幅新的图像。
(2)非定向边缘增强应用两个非常通用的滤波器(Sobel滤波器和Prewitt滤波器),首先通过两个正交卷积算子(Horizontal算子和Vertical算子)分别对遥感图像进行边缘检测,然后将两个正交结果进行平均化处理。
与Soble滤波器对应的两个正交卷积算子分别是:
水平算子(Horizontal)
和垂直算子(Vertical)
(3)直方图均衡化又称直方图平坦化,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,原来直方图中间的顶峰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个较平的分段直方图。
(4)直方图匹配是对图像查找表进行数学变换,使一幅图像某个波段的直方图与另一幅图像对应波段类似,或使一幅图像所有波段的直方图与另一幅图像所有对应波段类似。
直方图匹配经常作为相邻图像镶嵌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。
(5)去霾处理的目的是降低多波段图像(LandsatTM)或全色图像的模糊度(霾)。
对于多波段图像(LandsatTM),该方法实质上是基于缨帽变换方法,首先对图像进行主成分变换,找出与模糊度相关的成分并剔除,然后再进行主成分逆变换回到RGB彩色空间,达到去霾的目的。
对于全色图像,该方法采用点扩展卷积反转进行处理,并根据情况选择5×5或3×3的卷积算子分别用于高频模糊度或低频模糊度的去除。
(6)降噪处理是利用自适应滤波方法去除图像中的噪声,该技术在沿着边缘或平坦区域去除噪声的同时,可以很好地保持图像中一些微小的细节。