ERDAS图像增强处理要点.pptVIP

提纲 图像空间增强 图像辐射增强 图像光谱增强 傅立叶变换 地形分析 1.图像空间增强 图像空间增强是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像的目的 Convolution(卷积增强) Non-directional Edge(非定向边缘增强) Focal Analysis(聚焦分析) Texture(纹理分析) Adaptive Filter(自适应滤波) Statistical Filter(统计滤波) Resolution Merge(分辨率融合) Crisp(锐化处理) 实验四：色彩变化从RGB变为HIS,从HIS变为RGB 非定向边缘增强 应用两个比较通用的滤波器（Sobel, Prewitt），首先通过两个正交卷积算子分别对图像进行边缘检测，然后将两个正交结果进行平均化处理。 非定向边缘增强 纹理分析 通过在一定的窗口内进行二次变异分析（2nd-order Variance）或三次变异分析（3rd-order Variance），使图像的纹理结构得到增强 纹理分析 指数计算 将遥感图像中不同波段的灰度值进行各种混合运算，计算反应矿物或植被的常用比率和指数 指数计算 计算某影像的NDVI值 4.傅立叶变换 傅立叶变换是首先把遥感图像从空间域转换到频率域，然后在频率域上对图像进行滤波处理，减少或消除周围噪声，再把图像从频率域上转换到空间域，达到图像增强的目的。 4.1低通滤波 4.1.1 傅立叶变换 4.1低通滤波 4.1.2滤波器编辑 低通滤波 4.1.3傅立叶逆变换 高通滤波 只是将4.1.2中的滤波器进行修改，其余两个步骤与低通滤波相同 5.地形分析 5.1 坡度分析 地形分析 坡向分析 1.确定输入文件 2.确定输出文件 3.选择卷积算子 4.OK 实验影像：lanier.img 1.确定输入文件 2.确定输出文件 3.选择卷积算子 4.OK 实验影像：lanier.img 1.确定输入文件 2.确定输出文件 5.OK 3.根据影像选择其相应的传感器 4.选择计算的指数 实验影像：lanier.img Fourier Transform(傅立叶变换) Fourier Transform Editor(傅立叶变换编辑) Inverse Fourier Transform(傅立叶逆变换) Fourier Magnitude(傅立叶显示变换) Periodic Noise Removal(周围噪声去除) Homomorphic Filter(同态滤波) 实验影像：tm_1.img 打开刚才经过傅立叶变换后保存的文件 打开滤波器 选择低通滤波（Low Pass） 圆形滤波半径为80 将滤波结果保存 打开刚刚经过滤波器编辑后保存的文件； 选择要输出的文件； 进行傅立叶逆变换，有频率域转成空间域。 1.选择高通滤波 2.选择余弦滤波器 3.设定滤波半径 4.OK 实验影像：DEMmerge_sub.img 实验影像：DEMmerge_sub.img * * * * 实验目的： ?学会利用ERDAS实现遥感图像增强 实验仪器： 计算机、ERDAS软件 空间增强 辐射增强 光谱增强 * * 实验1：辐射增强 1.对单个像元的灰度值进行变换达到图像增强的目的 LUT Stretch(查找表查询) Histogram Equalization(直方图均衡化) Histogram Match(直方图匹配) Brightness Inverse(亮度反转) Haze Reduction(去霾处理) Noise Reduction(降噪处理) Destripe TM Data(去条带处理) 辐射增强命令 辐射增强功能 LUT Stretch： 查找表拉伸 通过修改图像查找表（Lookup Table）使输出图像值发生变化，是图像对比度拉伸的总和 Histogram Equalization: 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 Histogram Match: 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 Brightness Inverse: 亮度反转 对图像亮度范围进行线性及非线性取反值处理 Haze Reduction: 去霾处理 降低多波段图像及全色图像模糊度的处理方法 Noise Reduction: 降噪处理 利用自适应滤波方法去除图像噪声 Destripe TM Data: 去条带处理 对Landsat TM图像进行