《遥感图像增强》ppt课件

1、第第 五五 章章 遥感图像加强遥感图像加强TM3 NDVI TM4 NDVI 第第 五五 章章 遥感图像加强遥感图像加强突出有用信息突出有用信息,抑制或排抑制或排除无用信息除无用信息TM4、TM3、TM2的合成图 NDVI、TM4、TM3的合成图 第第 五五 章章 遥感图像加强遥感图像加强 5.1 辐射加强辐射加强 5.2 边缘加强边缘加强 5.3 彩色加强彩色加强 5.4 图像变换图像变换 5.5 影像信息交融影像信息交融 5.6 部分图像羽化处置技术部分图像羽化处置技术第第 一一 节节 辐射加强辐射加强反差拉伸法之线性拉伸法反差拉伸法之线性拉伸法 g(x,y)-a1 f(x,y)= (b2

2、-b1) +b1 (a2-a1)其中其中: g(x,y)为原图像的像元灰度，为原图像的像元灰度， f(x,y)为拉伸后的像为拉伸后的像元灰度，元灰度， a1、a2分别为原图像的最小灰度值和最大灰分别为原图像的最小灰度值和最大灰度值度值, b1、b2分别为拉伸后图像的最小灰度值和最大灰分别为拉伸后图像的最小灰度值和最大灰度值，并且度值，并且b1a2途径途径1)运用运用Model Maker：Modeler图标图标/ Model Maker 基于基于ERDAS的遥感图像辐射加强的遥感图像辐射加强线性拉伸法线性拉伸法在此，根据线性拉伸法的公式，设置并定义每一个对象图形(包括各种输入、函数和输出等)

3、的有关参数与操作 g(x,y)-a1 f(x,y)= (b2-b1) +b1 (a2-a1)其中其中: g(x,y)为原图像的像元灰度，为原图像的像元灰度， f(x,y)为拉伸后的为拉伸后的像元灰度像元灰度, a1、a2分别为原图像的最小灰度值和最大分别为原图像的最小灰度值和最大灰度值灰度值,b1、b2分别为拉伸后图像的最小灰度值和最分别为拉伸后图像的最小灰度值和最大灰度值大灰度值,并且通常并且通常b1a2b1、b2通常取0、255.-“Function Definition对话框对话框/ Functions:Global基于基于ERDAS的遥感图像的遥感图像 最小和最大灰度值的求算最小和最大

4、灰度值的求算途径途径2运用运用LUT Stretch(查找表拉伸查找表拉伸) ：Interpreter图图标标/Radiometric Enhancement /LUT Stretch基于基于ERDAS的遥感图像辐射加强的遥感图像辐射加强线性拉伸法线性拉伸法反差拉伸法之分段线性拉伸法反差拉伸法之分段线性拉伸法 g(x,y)-a1 f(x,y)= (b2-b1) +b1 (a2-a1)其中其中: g(x,y)为原图像某个区段的像元灰度，为原图像某个区段的像元灰度， f(x,y)为拉为拉伸后的像元灰度伸后的像元灰度, a1、a2分别为原图像某个区段的最小分别为原图像某个区段的最小灰度值和最大灰度值

5、灰度值和最大灰度值,b1、b2分别为拉伸后图像的最小分别为拉伸后图像的最小灰度值和最大灰度值灰度值和最大灰度值,并且并且b1a2反差拉伸法之非线性拉伸法反差拉伸法之非线性拉伸法目的：目的： 运用运用ERDAS中的中的Model Maker 模模块，对遥感图像进展线性拉伸处置块，对遥感图像进展线性拉伸处置.要求：拉伸后图像的最小灰度值和最大灰要求：拉伸后图像的最小灰度值和最大灰度值分别为度值分别为1和和255数据：数据：tm12338.img第第 一一 节节 辐射加强辐射加强*数字图像的直方图数字图像的直方图平均灰度值平均灰度值 最小灰度值最小灰度值 最大灰度值最大灰度值 灰度值灰度值(122)

6、出出现的频现的频率率(125) 经过像元亮度直方图可以判别影像质量： 每一幅影像都可以求出其像元亮度值的直方图，察看直方图的形状，可以粗略地分析影像的质量。普通来说，一幅包含大量像元的影像，其像元亮度值应符合统计分布规律，即假定像元亮度随机分布时，直方图应是正态分布的。实践任务中，假设影像的直方图接近正态分布，那么阐明影像中像元的亮度接近随机分布，是一幅适宜用统计方法分析的影像。当察看直方图形状时，发现直方图的峰值偏向亮度坐标轴左侧，那么阐明影像偏暗。峰值偏向坐标轴右侧，那么阐明影像偏亮，峰值提升过陡、过窄，阐明影像的高密度值过于集中，以上情况均是影像对比度较小，影像质量较差的反映。 从直方图

7、形状判别影像质量直方图加强法之直方图平衡化直方图加强法之直方图平衡化直方图加强法之直方图匹配直方图加强法之直方图匹配本卷须知：1)通常选择亮度和反差都比较称心的图像作为参考图像.2)直方图匹配经常作为相邻图像拼接或运用多时相遥感图像进展动态变化研讨的预处置任务.直方图加强法之直方图匹配直方图加强法之直方图匹配拼接缝效应拼接缝效应直方图加强法之直方图匹配直方图加强法之直方图匹配多时相遥感图像上,由于太阳高度角或大气影响呵斥的颜色差别实施方法：Interpreter图标/Radiometric Enhancement/ Histogram Match直方图加强法之直方图匹配直方图加强法之直方图匹配

8、目的：利用目的：利用ERDAS对经过直方图匹配后的对经过直方图匹配后的图像进展镶嵌图像进展镶嵌数据：数据：air-photo-1.img; air-photo-2.img第第 一一 节节 辐射加强辐射加强实施方法：Interpreter图标/Radiometric Enhancement/ Brightness Inverse亮度反转处置亮度反转处置亮度反转算法一： Inverse (条件反转):强调输入图像中亮度较暗的部分亮度反转算法二：Reverse (简单反转):简单取反、同等对待第第 一一 节节 辐射加强辐射加强实施方法：Interpreter图标/Radiometric Enhanc

9、ement/ Haze Reduction第第 一一 节节 辐射加强辐射加强实施方法：Interpreter图标/Radiometric Enhancement/ Destriped TM Data Landsat TM的图像扫描特点的图像扫描特点当Landsat卫星在向阳面从北向南飞行时,TM以星下点为中心自西向东在地面上扫描185公里,可得到地面185km*475m的一个窄条信息；接着,TM再进展自东向西的回扫,同样可在地面上扫描185公里。去条带处置去条带处置边缘处置方法边缘处置方法:Reflection(倒影倒影)：运用边缘灰度值的镜运用边缘灰度值的镜面倒影值作为图像边面倒影值作为图像

10、边缘以外的像元值；缘以外的像元值；Fill(填充填充)：一致将图：一致将图像边缘以外的像元以像边缘以外的像元以0值填充值填充.第第 五五 章章 遥感图像加强遥感图像加强 5.1 辐射加强辐射加强 5.2 边缘加强边缘加强 5.3 彩色加强彩色加强 5.4 图像变换图像变换 5.5 影像信息交融影像信息交融 5.6 部分图像羽化处置技术部分图像羽化处置技术第第 二节二节 边缘加强边缘加强图A例如：使图像窗口与模板像元的灰度值对应相乘例如：使图像窗口与模板像元的灰度值对应相乘再相加后的总和除以模板内各权值的和再相加后的总和除以模板内各权值的和,所得结果所得结果g (i,j)即作为图像窗口上中心像元

11、的新灰度值。即作为图像窗口上中心像元的新灰度值。卷积法的原理卷积法的原理第一步：首先，选定一个卷积核，也即运算模板第一步：首先，选定一个卷积核，也即运算模板 (m,n)，其大小为其大小为“MN；然后从图像的左上角开场；然后从图像的左上角开场,在图像上开一个在图像上开一个与模板同样大小的活动窗口与模板同样大小的活动窗口f (m,n) , 根据一定准那么计算图像根据一定准那么计算图像窗口上中心像元的新灰度值。窗口上中心像元的新灰度值。不是必需具备的要求：请以教材中图要求：请以教材中图3.6Page42为为例，利用下面公式计算当前领域窗口上中例，利用下面公式计算当前领域窗口上中心像元的新灰度值心像元

12、的新灰度值图A图B图C卷积法的原理卷积法的原理第二步：沿同一行将模板向右挪动一列图第二步：沿同一行将模板向右挪动一列图B或沿同一列或沿同一列将模板向下挪动一行图将模板向下挪动一行图C，图像上的窗口也对应挪动，按，图像上的窗口也对应挪动，按上述准那么重新计算新窗口上中心像元的新灰度值。上述准那么重新计算新窗口上中心像元的新灰度值。 以以此类推，直到全部图像扫描完，生成一幅滤波后的新图像。此类推，直到全部图像扫描完，生成一幅滤波后的新图像。图A图B图C卷积法的原理卷积法的原理第二步：沿同一行将模板向右挪动一列图第二步：沿同一行将模板向右挪动一列图B或沿同一列或沿同一列将模板向下挪动一行图将模板向下

13、挪动一行图C，图像上的窗口也对应挪动，按，图像上的窗口也对应挪动，按上述公式重新计算新窗口上中心像元的新灰度值。上述公式重新计算新窗口上中心像元的新灰度值。 以此以此类推，直到全部图像扫描完，生成一幅滤波后的新图像。类推，直到全部图像扫描完，生成一幅滤波后的新图像。 留意：留意：1计算图像最外侧的行与列时，可在图计算图像最外侧的行与列时，可在图像的上、下、左、右各加一行或一列，并使其像像的上、下、左、右各加一行或一列，并使其像元值与相邻像元值一样或全部为零。元值与相邻像元值一样或全部为零。 留意：留意：2卷积核，也即运算模板卷积核，也即运算模板(m,n)是决议是决议卷积滤波效果的主要要素，其内

14、容和大小卷积滤波效果的主要要素，其内容和大小 (MN)可以根据需求来设定，普通可以根据需求来设定，普通M=N并取奇数并取奇数.第第 二节二节 边缘加强边缘加强 目前已开展出多种卷积滤波器，如低通滤波器、目前已开展出多种卷积滤波器，如低通滤波器、高通滤波器等高通滤波器等.低通滤波器低通滤波器图像在获取和传输过程中，由于传感器的误差及大气的影图像在获取和传输过程中，由于传感器的误差及大气的影响，会在图像上产生一些亮点响，会在图像上产生一些亮点“噪声点，或者图像中出噪声点，或者图像中出现亮度变化过大的区域。现亮度变化过大的区域。303228402531102936372342435036432203

15、84444413527394043200504043542632395028低通滤波器低通滤波器图像在获取和传输过程中，由于传感器的误差及大气的影图像在获取和传输过程中，由于传感器的误差及大气的影响，会在图像上产生一些亮点响，会在图像上产生一些亮点“噪声点，或者图像中出噪声点，或者图像中出现亮度变化过大的区域。现亮度变化过大的区域。30322840253110293637234243503643220384444413527394043200504043542632395028 为了抑制图像上的噪声信号或减少亮度变化幅度，使亮度变化平缓所做的滤波处置称为图像平滑。 其中所运用的“加强低频信息抑

16、制高频信息,从而平滑影像细节,保管并突出较均匀连片的主体影像的滤波器即为低通滤波器平滑滤波器. 详细方法主要包括均值平滑和 中值平滑等。低通滤波器之均值平滑低通滤波器之均值平滑均等地对待领域中的每个像元，对于每个像元在以它为中心均等地对待领域中的每个像元，对于每个像元在以它为中心的领域内取平均值的领域内取平均值,作为该像元新的灰度值作为该像元新的灰度值.根本作法：开一个根本作法：开一个MN窗口，根据一定准那么计算窗口内一窗口，根据一定准那么计算窗口内一切像元均值，然后赋予中心像元。如此类推，直至全图终了切像元均值，然后赋予中心像元。如此类推，直至全图终了. 计算公式为：计算公式为：要求：分别利

17、用滤波器要求：分别利用滤波器A和和B，对下表所表，对下表所表达的数字图像部分进展均值平滑处置。达的数字图像部分进展均值平滑处置。30322840253110293637234243503643220384444413527394043200504043542632395028111111111111101111滤滤波波器器A滤滤波波器器B低通滤波器之中值平滑低通滤波器之中值平滑根本思想：对以每个像元为中心的根本思想：对以每个像元为中心的MN领域内的一切像元，领域内的一切像元，按灰度值由小到大的顺序排队，然后选择该队列中间位置的像按灰度值由小到大的顺序排队，然后选择该队列中间位置的像元灰度值作为

18、中心像元新的灰度值元灰度值作为中心像元新的灰度值. 例如：一幅例如：一幅55图像表图像表A，令其最左和最右两列坚持原，令其最左和最右两列坚持原值，其它位置采用值，其它位置采用13的模板对其做中值滤波，其结果表的模板对其做中值滤波，其结果表B为：为：4276321052334175610 432412 674466321122333475664324677表A表B高通滤波器高通滤波器用来用来“加强高频信息抑制低频信息加强高频信息抑制低频信息,从而突出像元灰度值变化从而突出像元灰度值变化较大、较快的边缘、线条或纹理等细节的滤波器即为高通较大、较快的边缘、线条或纹理等细节的滤波器即为高通滤波器滤波器

19、.可用于图像锐化、图像边缘检测和纹理特征加强等可用于图像锐化、图像边缘检测和纹理特征加强等.P43-44 第第 二节二节 边缘加强边缘加强基于基于ERDAS的图像空间域滤波加强：的图像空间域滤波加强： 1卷积加强处置卷积加强处置 Interpreter图标图标Spatial Enhancement Convolution基于基于ERDAS的图像空间域滤波加强的图像空间域滤波加强卷积算子文件的选择卷积算子文件的选择卷积核(kernal)的选择：有3*3、5*5、7*7三种大类，每类又包括“Edge Detect/Edge Enhance七个亚类边缘处置方法边缘处置方法: Reflection(倒影倒影)：运用边：运用边缘灰度值的镜