实验四 图像增强处理.docx

实验四 图像增强处理.docx

《实验四 图像增强处理.docx》由会员分享，可在线阅读，更多相关《实验四 图像增强处理.docx（16页珍藏版）》请在冰豆网上搜索。

实验四图像增强处理

实验三图像增强处理

一、实习目的和要求

·了解什么是遥感图像解译，了解遥感图像解译的目的，根据不同的应用目的能够选择不同的方法增强解译效果；

·学习图像增强的方法，能够对不同应用目的的图像进行不同的增强效果，达到解译效果；

·知道ERDAS软件中图像增强处理主要分成三部分：

空间、辐射、光谱增强，了解空间、辐射、光谱分辨率的概念并有直观的概念；

·理解各种图像增强方法的原理，熟练掌握用ERDAS软件进行增强的操作步骤；要求能够独立完成各种增强处理；

·了解图像解译的基本原理，能够通过ERDAS软件进行简单的图像解译，达到分析图像应用图像的目的；

·掌握变化监测的原理并能够通过软件分析和应用变化监测；

·了解地形分析和傅里叶变换的原理能够使用遥感软件进行分析；

·了解归纳分析和区域特征的原理，会使用这几种方法，掌握代数运算的原理了解在图像处理中的实际应用；

·了解图像投影变换的原理以及方法；

·了解傅里叶变换的方法以及原理和应用；

二、实验原理

·当一幅图像的目视效果不太好，或则有用的信息突出不够时，就需要对图像进行增强处理，图像增强的目的是为了提高图像质量和突出所需信息，有利于分析判读或作进一步处理；

·图像空间增强是利用象元自身及其周围象元的灰度值进行运算，达到增强目的主要有卷积增强、非定向边缘增强、纹理分析、锐化处理、自适应滤波等；

·图像辐射增强处理时对单个象元的灰度值进行变换达到图像增强的目的，主要有直方图均衡化、直方图匹配、亮度反转、降噪处理、去条带处理等；

·图像光谱增强处理是基于多波段数据对每个象元的灰度值进行变换达到增强，主要方法有主成分变换、主成分逆变换、缨帽变换、色彩变换、指数变换等；

·变化监测是根据两个时期的遥感图像来计算其差异，系统可以根据您所定义的阈值来表明重点变化区域，并输出两个分析结果图像，其一是图像变化文件，其二是主要变化区域文件。

·图像代数运算中加法运算的一个重要应用时对所获取的同一场景的多幅图像求平均，常常用来消弱图像的加性随即噪声；减运算时对同一景物在不同时间拍摄的图像或同一景区在不同波段的图像进行相减，差值图像提供了图像间的差异信息，能用以指导动态监测、运动目标检测和跟踪、图像背景消除及目标识别等工作；其它两种运算自己可以查找资料了解原理和应用范围；

·投影变换的目标是把遥感图像从一种地图投影类型变换到另一种投影类型，在图像几何校正模块讲到过；

·傅里叶变换首先是将遥感图像从空间域转换到频率域，把RGB彩色图像转换成一系列不同频率的二维正弦波傅里叶图像，然后，在频率域内对傅里叶图像进行滤波、掩膜等各种编辑，减少或消除部分高频成分或低频成分；最后，再把频率域的傅里叶图像变换到RGB彩色空间域，得到经过处理的彩色图像。

傅里叶变换主要是用于消除周期性噪声，此外，还可哟关于消除由于传感器异常引起的规则性错误；同时这种处理技术还以模式识别的形式用于多波段图像处理。

三、实验内容和实验过程

本实验内容主要是介绍遥感图像增强处理包括空间域和频率域操作

首先介绍空间域操作：

1.图像空间增强，下表是空间增强功能表

空间增强命令

空间增强功能

Convolution:

卷积增强

用一个系数矩阵对图像进行分块平均处理

Non-directionalEdge：

非定向边缘增强

首先应用两个正交卷积算子分别对图像进行边缘探测，然后将两个正交结果进行平均化处理

FocalAnalysis:

聚集分析

使用类似卷积滤波的方法，选择一定的窗口函数，对输入图像文件的数值进行多种变换

Texture:

纹理分析

通过二次变异等分析增强图像的纹理结构

AdaptiveFilter:

自适应滤波

应用自适应滤波器对AOI进行对比度拉伸处理

ResolutionMerge:

分辩率融合

不同空间分辨率遥感图像的融合处理

Crisp:

锐化处理

增强整景图像亮度而不使其专题内容发生变化

（1）卷积增强:

是将整个图像按照象元分块进行平均处理，用于改变图像的空间频率特征，卷积增强的关键是卷积算子即系数矩阵的选择，该系数矩阵又称为卷积核。

ERDAS将常用的卷积积算子放在default.klb的文件中，分别以3×3、5×5、7×7三组，每组又包括edgeDetect/edgeenhance/lowpass/Highpass/Horizontal/vertical/summary等七种不同的处理方式。

卷积增强步骤如下：

①ERDAS图标面板工具条：

点击Interpreter图标一ImageInterpreter/spatialEnhancement/convolution—打开convolution对话框，并设置参数

②参数主要有输入数据文件、卷积算子的选择、边缘处理方法Reflection、文件坐标类型以及输出数据类型、输出数据文件；

③执行ok进行卷积处理。

打开新窗口比较处理后的图像；

说明：

系统提供的卷积算子不仅有各种大小的矩阵，而且预制了不同的系数以便于不同的图像处理，如果卷积算子不能满足应用可以自己通过点击Edit编辑新的算子;

（2）纹理分析：

通过在一定的窗口内进行二次变异分析或三次变异分析，是雷达图像或其他图像的纹理结构得到增强，操作简单主要是窗口的大小和操作函数的选择，如下：

①ERDAS图板面板工具条中，点击Interpreter/spatialEnhancement/Texture—打开Texture对话框，并设置参数

②选择窗口的大小3×3、5×5、7×7的操作函数定义为Variance，输出数据统计时忽略零值，默认情况下是对图像的所有范围进行处理，可以通过点的坐标定义处理范围。

③执行纹理分析，ok,打开新窗口比较处理后的图像；

2.辐射增强处理

是对单个像元的灰度值进行变换达到图像增强的目的。

ERDASIMAGINE供的辐射增强处理功能如表：

辐射增强命令

辐射增强功能

LUTStretch：

查找表拉伸

通过修改图像查找表（LookupTable）使输出图像值发生变化，是图像对比度拉伸的总和。

HistogramEqualization:

直方图均衡化

对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等

HistogramMatch:

直方图匹配

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，常用于图像拼接处理

BrightnessInverse:

亮度反转

对图像亮度范围进行线性及非线性取反值处理

HazeReduction:

去霾处理

降低多波段图像及全色图像模糊度的处理方法

NoiseReduction:

降噪处理

利用自适应滤波方法去除图像噪声

DestripeTMData:

去条带处理

对LandsatTM图像进行三次卷积处理去除条带

（1）直方图均衡化：

又称直方图平坦化，实际上是对图像进行非线性拉伸，重新分配图像象元值，使一定灰度范围内象元的数量大致相等，这样，原来直方图的封顶部分的对比度得到加强而两侧谷底的部分对比度得到降低，输出的直方图是比较平的直方图。

步骤如下：

①在ERDAS图标面板工具条中，点击Interpreter/RadiometricEnhancement/HistogramEqualization—--打开HistogramEqualization对话框,并设置参数

②输入均衡化后的数据分段数，输出数据时统计忽略零值，可以通过Frominquirebox选择图像的范围；

③执行均衡化处理，打开新窗口查看均衡化后的图像，分析结果；

（2）图像去霾处理：

其目的是降低多波段图像或全色图像的模糊度（霾），对于多波段来说这种方法实际上就是缨帽变换；对于全色图像，该方法采用点扩展卷积反转进行处理，根据具体情况选择不同的窗口大小的卷积算子分别用于高频模糊度和低频模糊度的去除步骤如下：

①在ERDAS图标面板工具条中，点击Interpreter/RadiometricEnhancement/HistogramEqualization—--打开HazeReduction对话框，并设置参数；

②确定输入文件，输出数据时统计忽略零值，可以通过Frominquirebox选择图像的范围，处理方法选择Landsat5TM或Landsat4TM；

③执行去霾处理，打开新窗口查看处理后的图像，分析结果；

3.光谱增强处理

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，达到图像增强的目的。

各功能如下：

光谱增强命令

光谱增强功能

PrincipalComponents:

主成份变换

将具有相关性的多波段图像压缩到完全独立的较少的几个波段，使遥感图像更易于解译分析

InversePrincipalComponents:

主成份逆变换

与主成份变换操作正好相反，将主成份变换图像依据当时的变换特征矩阵重新恢复到RGB彩色空间

DecorrelationStretch:

去相关拉伸

首先对图像的主成份进行对比度拉伸处理，然后再进行主成份逆变换，将图像恢复到RGB彩色空间

Tasseledcap:

缨穗变换

在植被研究中旋转数据结构轴优化图像显示效果

RGBtoHIS:

色彩变换

将图像从红（R）绿（G）蓝（B）彩色空间转换到亮度（I）、色度（H）、饱和度（S）彩色空间

HISTORGB:

色彩逆变换

将图像从亮度（I）色度（H）饱和度（S）彩色空间转换到红（R）绿（G）蓝（B）彩色空间

Indices:

指数计算

用于计算反映矿物及植被的各种比率和指数

NaturalColor:

自然色彩变换

模拟自然色彩对波段数据变换输出自然色彩图像

主成分变换（PCA）：

是一种常见的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像更易解译。

又叫K-L变换，步骤如下：

①在ERDAS图标面标工具条中，点击Interpreter/spectralEnhancement/principalComponent—--打开principalcomponents对话框,并设置参数

②设置主要参数numberofcomponent主成分数，是否输出特征值以及特征矩阵，或则直接显示出来。

③执行主成分变换，打开新的窗口比较结果，并进行结果分析；

注：

可以考虑提取主成分的时候只要一个波段，然后多提取几个波段再将波段组合或融合起来观测有什么不同

注：

空间增强处理中的其它功能操作步骤类似，主要是要弄懂原理，了解不同的功能对应于不同的应用范围。

4.下面介绍一下ERDAS中的实用分析功能：

主要介绍变化监测和代数运算以及地理信息系统分析中几种分析方法、以及傅里叶变换；

1）.变化监测

首先直接通过遥感软件ＥＲＤＡＳ中的一个变化监测功能直接做变化监测；

（1）打开ERDAS图标面板单击Interpreter图标—Untilities—changedetection菜单打开changedetection对话框如下：

（2）输入各参数，变化前的影像、变化后的图像以及要处理的数据层，输出图像变化文件以及主要变化文件，选择变化的指标；

（3）确定执行变化监测，分析变化的区域；

其次可以用过代数运算进行变化监测分析；

（1）打开ERDAS图标面板单击Interpreter图标—Untilities—Operators菜单打开TwoInputOperators对话框，如下：

（2）输入变化后的影像、输入变化前的影像、输出坐标的类型和处理范围、选择处理函数为减法、确定数据类型以及数据层、输出时统计时或略零值；

（3）执行减法运算，然后分析比较和直接用变化监测检测出了图像有什么不同之处；

2）.投影变换

是把遥感图像从一种地图投影类型变换到另一种投影类型，在图像几何校正模块讲到过：

（1）打开ERDAS图标面板单击Interpreter图标—Uitlities—Reprojectimages命令打开Reprojectimages对话框，设置对话框中的参数;

（2）输入要变换投影的文件以及变换投影后的文件、选择变换后的投影类型、投影分带、投影坐标单位、输出象元的大小、重采样方法、多项式转换方法、最大次方数、转换限定误差等，确定执行投影变换；

（3）打开转换后和转换前的影像在Viewer窗口中的utilitiy菜单下选择layerinfo可以查看到投影信息的不同；

3）.地理信息系统分析

地理信息系统分析功能较多，其中部分功能主要与图像分类密切相关，如聚类、过滤、剔除和重编码主要是分类后处理的一些分析在图像分类的时候已经讲了一些，下面介绍一下其他的几种分析方法。

归纳分析：

内容包括各个分区内所有分类的象元数量及其面积，百分比等统计信息，可用于一定区域内多种专题数据相互关系的栅格叠加统计分析。

（1）打开ERDAS图标面板单击Interpreter图标—GISAnalysis—Summary命令打开一个Summary对话框，如下：

（2）输入各参数，分区文件、数据层、分类文件、确定输出报告文件、选择输出报告的几个选项；

（3）执行归纳分析，分析结果文件。

其次，介绍频率域操作

傅里叶变换

首先应用傅里叶变换的第一步就是把输入的空间域彩色图像转换成频率域傅里叶图像，主要就是通过快速傅里叶变换完成的，需要说明的是傅里叶变换编辑器集成了傅里叶图像编辑的全部命令与工具，通过傅里叶图像编辑，可以减少或消除遥感图像条带噪声和其他周期性噪声，不过傅里叶变换的过程是一个交互的过程没有现成的规则，需要根据不同的数据做不同的试验来找到最合适的编辑方法和路径，步骤如下：

（1）在ERDAS图标面板单击Interpreter图标—FourierAnalysis—FourierTransform命令打开FourierTransform对话框；

（2）输入参数执行快速傅里叶变换；

（3）在ERDAS图标面板打开Interpreter图标—FourierAnalysis—FourierTransformEditor菜单打开FourierEditor窗口，点击file—open打开刚刚做的傅里叶变换图像；

（4）低通滤波的作用是为了消弱图像的高频部分，而让低频组分通过，是图像更加平滑和柔和，下面是低通滤波的操作：

（5）在FourierEditor菜单条单击Mask—filters命令打开Low/highpassfilter对话框；

（6）设置傅里叶变换参数，滤波类型（高通，低通）、选择窗口功能为理想滤波器、余弦滤波器等，圆形滤波窗口半径等单击ok执行低通滤波，在FourierEditor窗口显示低通滤波处理后的图像；

（7）然后点击file—saveas保存傅里叶变换图像并进行逆变换,再点击file—InverseFourierTransform,弹出如下对话框，设置其参数然后执行傅里叶逆变换；

（8）在ERDASviewer窗口中同时打开处理前的图像和滤波后的图像，通过叠加显示功能，观测处理前后图像的不同和变化，如果处理后的效果不好需要重新选择其它的滤波器进行变换；下面是几种不同的方法做的滤波后图像，方法是相同的，通过比较选择不同的滤波组合进行滤波；

原始影像

低通滤波后的图像

契形掩膜滤波

先做契形掩膜再做低通滤波后图像

5.傅里叶逆变换和去除周期性噪声

傅里叶逆变换的作用就是将频率域上的傅里叶图像转换到空间域上，以便比较傅里叶图像处理的效果；

周期性噪声去除是通过傅里叶变换来自动消除遥感图像中诸如扫描条带等周期性噪声。

（1）在ERDAS图标面板单击FourierAnalysis—Inversefouriertransform命令打开Inversefouriertransform对话框，如下，输入各参数然后执行傅里叶逆变换；然后打开逆变换后的图像观测经过变换后的图像；

（2）周期噪声的去除

在ERDAS图标面板单击FourierAnalysis—FourierAnalysis—periodicnoiseremoval命令打开periodicnoiseremoval对话框，设置个参数然后执行周期噪声的去除，比较去除前后的图像的变化；

去除噪声后的图像