分段线性变换概述.docx

分段线性变换概述.docx

《分段线性变换概述.docx》由会员分享，可在线阅读，更多相关《分段线性变换概述.docx（24页珍藏版）》请在冰点文库上搜索。

分段线性变换概述

实验名称

成绩

《遥感导论》实验报告

姓名罗娟

院系地理科学学院

年级二零零八级

专业地理科学专业

学号20081500001

日期2010年11月14日

填写要求

一、实验完毕，认真完成实验报告。

二、严格按要求如实填写各项。

三、不要求字数，完整表述即可。

一、实验目的

二、仪器工具及材料（要求：

列出实验中所使用的主要仪器工具、实验材料，如软件、数据等。

）

三、内容及程序（要求：

应简明扼要地写出实验步骤流程。

）

四、结果及分析（要求：

应用文字、表格、图形、图像等形式将实验结果表示出来，并进行分析。

）

五、问题讨论（要求：

结合有关理论对实验中的现象、产生的误差等进行讨论和分析，以提高自己的分析问题、解决问题的能力，并提出应注意的事项。

）

遥感导论实验报告

使用软件：

ENVI软件

一、分段线性变换：

概念：

有时为了更好地调节图象的对比度，需要在一些亮度段拉伸，而在另一些亮度段压缩，这种变换称为分段线性变换。

目的：

使图像有更好的目视效果或突出有用的信息。

提高图像质量和突出所需信息。

过程：

Enhance/interactive-stretching/stretch-type/piecewise-linear/中键拉伸压缩/apply/输出结果。

结果：

（与原图对比）

结论：

从0——20，20——65,65——100进行分段，在第一、三段压缩后，亮度值数变小，在第二段拉伸，亮度间隔变大。

突出了原图20——65这部分的地物信息。

二、空间滤波：

概念：

通过像元与其周围相邻像元的关系，采用空间域中的邻域处理方法。

目的：

重点突出图像上的某些特征为目的。

如，突出边缘，纹理。

（1）中值滤波

目的：

将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值去掉尖锐“噪声”和平滑图像。

过程：

Image/Filter/Convolutionsandmorphology/Convolutions/Median/Applytofile/选can.tmr.img/OK/Memory/OK/Disply/NewDisplay/LoadBand/输出结果。

过程图示

结果：

（与原图对比）

结论：

将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值，结果去掉原图突出亮点的〃噪声〃使原图图象得到平滑。

（2）锐化

目的：

为突出图像的边缘，线状目标或某些亮度变化大的部分

1）Roberts（罗伯特梯度）

过程：

Filter/convolutionsandMorphology/Convolutions/Roberts/ApplytoFile/选can.tmr.img/Spectralsubset/选择1通道/OK/OK/Memory/OK/Display/NewDisplay/LoadBand/输出结果

结果：

（与原图对比）

结论：

通过罗伯特梯度的锐化，使得原图中的山脉、道路等边缘处的亮度值较为突出。

有利于提取出我们需要的信息。

2）Sobel（索伯尔梯度）

过程：

Filter/convolutionsandMorphology/Convolutions/Sobel/ApplytoFile/选can.tmr.img/Spectralsubset/选择1通道/OK/OK/Memory/OK/Display/NewDisplay/LoadBand/输出结果

结果：

（与原图对比）

结论：

通过索伯尔梯度的锐化，使得原图中的山脉、道路等边缘处的亮度值较为突出，较多的考虑了邻域点的关系，使检测边界更加精确。

有利于提取出我们需要的信息。

3）Laplacian（拉普拉斯运算）

过程：

Filter/convolutionsandMorphology/Convolutions/Laplacian/ApplytoFile/选can.tmr.img/Spectralsubset/选择1通道/OK/OK/Memory/OK/Display/NewDisplay/LoadBand/输出结果。

结果：

（与原图对比）

结论：

通过拉普拉斯算法，使得结果图保留了原图象作为背景，边缘之处加大了对比度，更突出了山脉、道路等边界的位置。

4）Directional（定向检测）

目的：

有目的地检测某一方向的边，线或纹理特征时，可选择特定的模板卷积运算作定向检测。

过程：

Image/Filter/ConvolutionsandMorphology/Convolutions/Directional/在EnterdirectionalFilterAngle中输入45/OK/ApplytoFilte/选can.tmr.img/Spectralsubset/选择1通道/OK/OK/Memory/OK/Display/NewDisplay/LoadBand/输出结果。

过程图示

结果：

（与原图对比）

结论：

通过定向检测，检测了原图沿45度对角线这一方向的山脉、道路等的边缘信息。

三、单波段彩色变换：

概念：

单波段黑白遥感图象可按亮度分层，对每层赋予不同的彩色，使之成为一幅彩色图象，这种方法叫做单波段彩色变换，又叫做密度分割。

目的：

将黑白单波段影像赋上彩色，可增强图像的可读性，有利于区分出地物的类别。

过程：

Overlay/Densilyslice/选择1通道/OK/72to82/EditRange/color/colors（可选色）/OK/Apply/输出结果。

过程图示

结果：

（与原图对比）

结论：

通过单波段彩色变换，将原图的黑白图象转换成了彩色图象，可以更好的区分出地物的类别。

例如，在本图中道路、山脉等在本图中变换成了蓝色。

四、主成分变换（K-L变换）

概念：

K-L变换是离散变换的简称，又被成作主成分变换。

目的：

通过函数变换达到保留主要信息降低数据量，增强或提取有用信息。

过程：

Transform/Principalcomponents/ForwardPCRotation/ComputeNewstatisticsandRotate/选can.tmr.img/OK/choose/存pca.sta/Memory/FloatingPoint/OK/通过1，2，3，6通道显示/输出结果。

过程图示

结果：

（一通道）

（二通道）

（三通道）

（六通道）

（一、二、三、六通道对比）

结论：

通过主成分变换后的主分量来看，第一主分量集中了最大的信息量，第二主分量、第三主分量的信息量依次很快递减，但由于主成分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。

K-L变换后的前几个主分量，信噪比大，噪声相对小，因此突出了主要信息，达到了增强图象的目的。

所以，在本图中第一、二、三通道的图依次递减的包含了绝大多数的地物信息。

而在第六通道的图基本上都是噪声。