实验三遥感影像的增强处理..docVIP

实验三 遥感影像的增强处理 实验目的： 1、K-L变换，将原来各波段图像中的有用信息集中到数目尽可能少的新的组分图像中，并使各组分图像互不相关，即各自包含不同的地物信息，大大减少总的数据量，便于遥感信息的提取。 2、随着遥感技术的不断完善，可获得多传感器、多分辨率、多平台、多时相的图像，利用一些复合模型， 使同种传感器源或不同传感器源的图像进行融合，增强图像的饱和度，便于解译。 实验材料： 1、TM图像 2、QBmul图像及快鸟的全色波段 QBpan 实验原理： 1、K-L变换，即主组分分析，是在统计特征基础上的多维正交线性变换。是针对TM图像的六个波段数据量大，造成冗余的特点，通过空间坐标旋转，使信息量集中在一组新的组分图像，使数据量相对压缩。主多波段图像经过这种变换后产生出组分图像的数目可以等于或少于原来的波段数。组分变换，相当于把原来的数据变换到一个新的坐标系统。 2、RGB系统中，由于彩色合成图像通道之间的相关性很高，使合成图像饱和度偏低，色调变化不大，图像视觉效果差，利用HVS变换并进行融合，既保留多光谱信息，又提高空间分辨率，可集中两者的优点，实现不同空间分辨率的遥感图像之间的集合信息的叠加。 典型的代数融合算法：Brovey转换融合法。 例如Quick bird 的 Band 4、3、2 Band4 / (Band2 + Band3 + Band4) Band3 / (Band2 + Band3 + Band4) Band2 / (Band2 + Band3 + Band4) 得到三个信息分量， 分别乘以全色波段，又得到三个信息分别赋予R、G、B，即： [DNTMi] / [DNTM2+DNTM3+DNTM4] * [DNTM8] =DNTMi-new (i=2, 3, 4) 增强了影像光谱在直方图上的高低对比度 实验步骤： 一、变换处理 1、K-L变换 ENVI? File ?实验中的TM 首先将原来没有经过变换的TM图像各个波段以灰度的形式显示出来 ? Transform ? Principal Components ? Forward PC Rotation ? Compute New Statistics and Rotate 出现“Principal Components Input File”对话框，如下： ? 点击TM ? OK 出现对话框“Forward PC Parameters” ? 在“Output Stats Filename”中选择合适路径保存，命名为“1”，默认后缀为.sta；在“Enter Output Filename”中选择合适路径保存，命名为“K-L” ? OK 出现包含信息量的图，可以看出Band 1包含的信息量最大 同时可以以灰度的形式显示KL变换后的TM 图像的各个波段，可以看出信息量集中没有 2、K-L反变换 ENVI? Transform ? Principal Components? Inverse PC Rotation 出现“Principal Components Input File”对话框， ? 选择K-L 出现“Inverse PC Parameters”对话框， ? Enter Statistics Filename ：选择刚才保存过的“1.sta”,选择合适的路径保存， 命名为“KLF” ? OK 经过反变换后，图像又重新变成原来的TM图像。 二、融合处理 1、File ?实验中的QBull和 QBpan ? 将QBmul 图像的Band 4、3、2分别赋予R、G、B ? Load RGB HSV 融合 Envi ? Transform? Image Sharpening ? HSV，出现“Select Input RGB”对话框： ? 选择 Display #1 ,出现“High Resolution Input File” 对话框 ? 选择分辨率为0.61米的全色波段（QBpan）， （因为QBpan的分辨率为0.61米，而QBmul分辨率为2.44米，QBpan包含的信息多，空间分辨率高，） ? OK ,出现“HSV Sharpening Parameters”对话框 ? 在Resampling中选择重采样的方法：Cubic Convolution ? 在 Output Result to 中选择 File ，并选择合适的路径保存，命名为“HSV融合” ? OK 出现“Available Bands List” 对话框中 ? 将“HSV融合”的 HSV Sharp R、G、B分别赋予 R、G、B ? New Display ? Load RGB Bro