Envi图像增强与变换.docx

Envi图像增强与变换.docx

《Envi图像增强与变换.docx》由会员分享，可在线阅读，更多相关《Envi图像增强与变换.docx（34页珍藏版）》请在冰点文库上搜索。

Envi图像增强与变换

实验二ENVI图像增强与变换实验指导

实验目的：

通过上机操作，了解图像增强、图像变换几种遥感图象处理的过程和方法，加深对图象增强与变换处理的理解，熟悉ENVI软件中图像增强与变换的一些方法。

基础理论回顾与ENVI图像增强与变换预览：

1.图像增强与变换的目的：

图像增强的目的在于改善图像的显示质量，提高图像目视效果，突出所需要的信息，为进一步遥感目视判读做预处理工作。

2.图像增强的方法：

3.ENVI中支持的图像增强与变换的方法：

实验内容：

●影像融合：

HSV变换融合、主成分变换融合

●裁剪影像（以下实验的影像数据）

●NDVI指数的计算

●纹理分析

●快速傅立叶滤波

实验数据：

影像融合：

SPOT5全色影像（2_5_SPOT5）和多光谱影像（10_SPOT5）：

表1SPOT5XI卫星有关参数介绍

空间分辨率

全色：

2.5m（星下点）

多光谱：

10m（星下点）

光谱响应范围

全色：

480-710nm

1：

790-890nm近红外

2：

610-680nm红波段

3：

500-590nm绿波段

4：

1580-1750nm短波红外

其他实验：

实验一几何配准后影像。

ETM+多波段数据：

图1

实验方法与步骤：

一、影像融合

1.HSV融合

ENVI中的融合方法：

图2

使用HSV融合可以进行RGB图像到HSV色度空间的变换，用高分辨率的图像代替颜色亮度值波段，并自动将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB色度空间。

输出的RGB图像的像元将与高分辨率数据的像元大小相同。

1.从ENVI主菜单中，选择File→OpenImageFile把SPOT5全色影像（2_5_SPOT5）和多光谱影像（10_SPOT5）都加载到可用波段列表中：

图3

2.从ENVI主菜单中，选择Transform→ImageSharpening→HSV，开始进行多光谱影像和全色影像的HSV变换融合。

3.在SelectInputRGBInputBands对话框中，分别选择多光谱影像（10_SPOT5）影像的波段1、波段2和波段3，然后点击OK：

图4

4.打开HighResolutionInputFile（输入高分辨率数据）对话框，在SelectInputBand列表中选择SPOT5全色影像（2_5_SPOT5），点击OK：

图5

至此，完成了HSV变换融合的数据输入工作。

5.打开HSVSharpeningParameters（参数）对话框中，输入输出文件名HSV_Bilinear，点击OK：

图6

至此，完成了HSV变换融合的融合工作。

在可用波段列表中，会自动出现融合后的影像。

6.检查融合效果，对比原始影像：

在Display#1和Display#2中分别打开原始多光谱影像（1、2、3波段）和融合后影像（1、2、3波段），在Image窗口右键，选择LinkDisplay。

对比两者的结果：

图7

2.PC变换光谱融合

使用PC（PrincipalComponent主成分）变换融合的理论步骤为：

第一步，先对多光谱数据进行主成分变换；

第二步，用高分辨率波段替换第一主成分波段；

第三步，进行主成分反变换。

1.从ENVI主菜单中，选择File→OpenImageFile把SPOT5全色影像（2_5_SPOT5）和多光谱影像（10_SPOT5）都加载到可用波段列表中（与HSV变换融合相同）。

2.从ENVI主菜单中，选择Transform→ImageSharpening→PCSpectralSharpening，开始进行多光谱影像和全色影像的PC变换融合。

3.在SelectInputRGBInputBands对话框中，分别选择多光谱影像（10_SPOT5）影像的波段1、波段2和波段3，然后点击OK：

4.打开HighResolutionInputFile对话框，在SelectInputBand列表中选择SPOT5全色影像（2_5_SPOT5），点击OK。

完成了HSV变换融合的数据输入工作。

5.打开PCSpectralSharpeningParameters（主成分光谱锐化参数）对话框，输入输出文件名PC_Bilinear，点击OK：

至此，完成了PC变换融合的融合工作。

在可用波段列表中，会自动出现融合后的影像。

6.检查融合效果，对比原始影像：

在Display#1和Display#2中分别打开原始多光谱影像（1、2、3波段）和融合后影像（1、2、3波段），在Image窗口右键，选择LinkDisplay。

对比两者的结果：

图8

二、裁剪影像

1.加载原始影像：

从ENVI主菜单中，选择File→OpenImageFile。

当EnterDataFilenames对话框出现后，选择“2002RST_NN”文件，把影像加载到可用波段列表（AvailableBandsList）中。

2.裁剪影像：

（1）.BasicTools>ResizeData（Spatial/Spectral），打开ResizeDataInputFile对话框。

图9

ResizeData（Spatial/Spectral）工具：

标准的ENVI子集构建技术，包括“选取空间子集①”和“选取波谱子集②”（如图7）：

空间子集：

从大的影像中裁剪出小范围的影像；

波谱子集：

从多波段影像中选取出其中的几个波段。

图10

（2）.点击①，打开裁剪影像的空间子集（SpatialSubset）对话框：

图11

空间裁剪的方法有：

1直接输入样本值和行值；

2利用其他存在的数据进行裁剪：

Image：

直接从图像中裁剪；

Map：

通过地理坐标进行裁剪（仅对于经过地理坐标定位的图像）；

File：

通过文件进行裁剪；

ROI/EVF：

根据感兴趣区进行裁剪。

（3）.选择Image，打开直接从本图像进行裁剪对话框：

图12

通过拉框选择裁剪图像的大小和范围。

在本实验中，要求：

行列在2000个单位以上，不能太小，最好也不要太大（纹理分析和FFT变换速度较慢）；范围内最好包含尽量多的地物类型；并注意保存影像，下次实验用到。

（4）.点击OK，打开输出裁剪影像的空间分辨率设置对话框，点击OK。

图13

由于ETM数据的1、2、3、4、5、7波段的空间分辨率为30米，所以在此默认为30米。

（5）.打开调整文件大小的参数对话框（ResizeDataParameters），选择重采样方法（如下图选择了最邻近法，当然也可以用其他重采样方法），并输入裁剪影像的文件名Clip090404：

图14

“xfac”和“yfac”：

X和Y放大或缩小的倍数。

可以自由控制X和Y的比例，输入小于1的值可以缩小图像，输入大于1的值可以放大图像，输出的样本数和行数也随之更新。

如果xfac和yfac的值大于或等于1，从“Resampling”按钮菜单中，选择“NearestNeighbor”、“Bilinear”或“CubicConvolution”进行重采样。

如果xfac和yfac的值小于1，只能选择“NearestNeighbor”或“PixelAggregate”重采样。

“NearestNeighbor”重采样使用最邻近的像元值作为输出像元值。

“PixelAggregate”重采样则采用所有对输出像元值有贡献的像元的平均值（例如：

如果xfac和yfac的值被输入为0.5，输出像元值是通过4个输入像元的平均值计算出来的）。

（6）.点击OK，在可用波段列表中将自动显示出裁剪后的影像：

图15

注：

以下的实验都是基于裁剪影像进行的。

三、NDVI指数的计算

ENVI中的NDVI（VegetationIndex）模块可以将多光谱数据变换成一个单独的图像波段，用于显示植被分布。

NDVI值指示着像元中绿色植被的数量，较高的NDVI值预示着包含较多的绿色植被。

NDVI值的范围在-1和+1之间。

ENVI的NDVI使用如下标准算法：

（1）

1.从ENVI主菜单中，选择Transform→NDVI，开始进行NDVI的计算。

图16

2.在打开的NDVICalculationInputFile（NDVI计算输入文件）对话框中选择Clip09404文件。

图17

3.点击OK，打开NDVICalculationParameters（NDVI计算参数），设置计算NDVI的参数。

设置传感器类型为LandsatTM类型，Red波段为第3波段，近红外波段为第4波段；输出文件名NDVI，点击OK。

图18

注：

ENVI已经为AVHRR、LandsatMSS、LandsatTM、SPOT或AVIRIS数据提前设置好了相应波段。

对于其他数据类型，可以自己指定波段来计算NDVI值。

要计算下拉菜单中没有列出的传感器类型的NDVI，在“Red”和“NearIR”文本框中，输入所需的波段数。

4.同时打开原始影像和NDVI的计算结果，并对比分析：

图19

四、纹理分析

纹理是指图像色调作为等级函数在空间上的变化。

被定义为纹理清晰的区域，灰度等级相对于不同纹理的地区一定是比较接近的。

ENVI支持几种基于概率统计或二阶概率统计的纹理滤波：

1.基于一阶概率统计的纹理分析

ENVI中可以计算数据范围、平均值、方差、熵和偏斜（skewness）五个不同的基于概率统计的纹理统计量，一阶概率统计就是统计出处理窗口中每一个灰阶出现的次数。

1.从ENVI主菜单中，选择Filter→Texture→OccurrenceMeasures，开始进行基于一阶概率统计的纹理统计量的计算。

图20

2.在打开的TextureInputFile（纹理分析输入文件）对话框中选择Clip09404文件。

点击“SpectralSubset”，选择进行纹理分析的空间子集（如下图选择第3波段）。

图21

3.点击OK，打开纹理计算参数设置对话框。

设置要进行计算的统计量、窗口大小、输出文件名。

注意：

纹理分析需要花费较长的时间及内存空间，建议计算时一次只计算一个统计量。

图22

4.重复以上过程，并尝试设置不同的参数。

通过对比分析，分析不同的波段进行纹理分析结果有何不同，分析不同的纹理统计量有何不同，分析不同的窗口大小对结果有何影响。

2.基于二阶概率统计（GLCM共生矩阵）的纹理分析

使用基于二阶概率统计（GLCM共生矩阵）的纹理分析可以计算八个基于二阶矩阵的纹理滤波，这些滤波包括均值、方差、协同性、对比度、相异性、熵、二阶矩和相关性。

二阶概率统计用一个共生矩阵（GLCM）来计算纹理值，这是一个相对频率矩阵，即像元值在两个邻近的由特定的距离和方向分开的处理窗口中的出现频率，该矩阵显示了一个像元和它的特定邻域之间关系的发生数。

例如，下图所示的二阶概率矩阵是在一个3x3的窗口中，由每一个像元和它的水平方向的邻域生成的（变换值x=1,y=0）。

一个3×3基窗口中的像元和在水平方向变换了一个像元的3×3窗口中的像元被用来生成二阶概率矩阵。

最后根据矩阵直接计算各个纹理统计量。

图23共生矩阵

1.从ENVI主菜单中，选择Filter→Texture→Co-OccurrenceMeasures，开始进行基于二阶概率统计的纹理统计量的计算。

图24

2.在打开的TextureInputFile（纹理分析输入文件）对话框中选择Clip09404文件。

点击“SpectralSubset”，选择进行纹理分析的空间子集。

3.点击OK，打开纹理计算参数设置对话框。

设置要进行计算的统计量、窗口大小、输出文件名。

注意：

纹理分析需要花费较长的时间及内存空间，建议计算时一次只计算一个统计量。

图25

灰阶量化水平：

由于纹理统计太慢，所以需要降低灰阶，提高计算速度。

4.重复以上过程，并设置不同的参数。

通过对比分析，分析不同的波段进行纹理统计有何不同，分析不同的纹理统计量有何不同，分析不同的窗口大小对结果有何影响，分析不同的窗口移动偏移量对结果有何影响。

五、快速傅立叶滤波

所谓滤波是让图像频谱中某些频率成分通过，阻止另一些频率成分通过。

滤波的多种方式可单独或混合使用。

FFT滤波示意图：

图26

1.正向傅立叶变换（空间域→频率域）

1.从ENVI主菜单中，选择Filter→FFTFiltering→ForwardFFT，开始进行正向快速傅立叶变换。

图27

2.在打开的ForwardFFTInputFile（快速傅立叶变换）对话框中选择Clip09404文件。

注意：

如果输入数据（列/行）呈奇数，ENVI中正向的FFT输出将不包括折叠频率（信号处理的一个概念），这意味着不能进行正确的逆变换：

图28

重新进行裁剪，得到行列数都为偶数的裁剪影像Clip090407（裁剪图像大小由自己定）。

在打开的ForwardFFTInputFile对话框中选择Clip090407文件：

图29

3.点击OK，输入输出的正向FFT变换文件名。

图30

4.点击OK，得到每个波段的频率域FFT图像。

打开每个波段的FFT图像，并分析结果。

注意：

FFT图像是“复数”数据类型

图31

至此，完成了图像的空间域→频率域的转换。

2.FFT滤波器定义

图32

1.打开正向FFT变换得到的某一波段图像（如图31所示）。

2.从ENVI主菜单中，选择Filter→FFTFiltering→FilterDefinition，进行快速傅立叶滤波器的定义。

图33

3.将出现FilterDefinition对话框，选择Display#1，表示滤波器是基于该FFT图像定义的：

图34

●如果当前显示中包含一幅FFT图像，选择包含FFT图像的显示号（如Display#1），或选择“NoDisplay”指出该滤波器不与某个特定显示图像相关。

●如果当前显示中不包含FFT图像，在“Samples”和“Lines”文本框中键入数值，以限定滤波器的大小。

4.点击OK，打开定义滤波器界面。

点击Filter_Type，选择滤波器的类型：

图35

注：

滤波器的类型：

图36从左到右依次为：

CircularPass（低通）、CircularCut（高通）、BandPass（环状）、BandCut、UserDefinedFilters（用户定义）

5.首先选择CircularPass（低通滤波器），使用箭头按钮改变滤波半径，观察FFT图像的变化。

输入滤波器文件名filterCircularPass，保存之。

图37

6.重复以上过程，分别定义CircularCut（高通）、BandPass（环状）、BandCut滤波器，并保存。

7.保存的滤波器自动在可用波段列表中显示，打开滤波器：

图38

3.进行快速傅里叶逆变换（频率域→空间域）

ENVI反向FFT变换实际上包含两步操作：

（1）.先应用FFT滤波器对FFT图像进行滤波；

（2）.将滤波后的FFT图像反变换回空间数据（频率域→空间域）。

1.从ENVI主菜单中，选择Filter→FFTFiltering→InverseFFT，开始进行快速傅立叶逆向变换。

2.输入正向傅里叶变换得到的FFT图像。

图39

3.选择要进行FFT滤波的滤波器（下图选择了定义的低通滤波器）：

图40

4.点击OK，自动完成逆向FFT变换。

打开滤波后的文件，对比滤波结果。

图41

5.重复上述过程，比较不同FFT滤波器的滤波结果，以及相同滤波器不同的滤波半径的滤波结果，并进行分析。