Erdas教案6 图像增强处理.pptVIP

ERDAS基本操作（六） —— 图像增强处理 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) 1.1卷积增强处理 1.1卷积增强处理 卷积增强处理的关键是卷积算子——系数矩阵（Kernal）的选择，系统提供了3×3， 5×5， 7×7等大小不同的矩阵，并且预置了不同系数以便应用于不同目的的图像处理，诸如： 边缘检测（Edge Detect） 边缘增强（Edge Enhance） 低通滤波（Low Pass） 高通滤波（High Pass） 水平增强（Horizontal） 垂直增强（Vertical） 水平边缘检测（Horizontal Edge Detection） 垂直边缘检测（ Vertical Edge Detection ） 交叉边缘检测（ Cross Edge Detection ） 1.1卷积增强处理 1.1卷积增强处理 1.2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。 1.2非定向边缘增强 1.3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 1.3纹理分析 2.图像辐射增强 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) 查找表拉伸处理 是通过修改图像查找表，使输出图像值发生变化。 可以根据对查找表的定义，实现线性拉伸、分段线性拉伸、非线性拉伸等处理。 2.1直方图均衡化 对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内像元的数量大致相等 2.1直方图均衡化 2.2亮度反转处理 对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像。 2.2亮度反转处理 3.图像光谱增强 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。 Principal Components(主成份变换) Inverse PC(主成份逆变换) Decorrelation Stretch(去相关拉伸) Tasseled cap(缨帽变换) RGB to IHS(色彩变换) IHS to RGB(色彩逆变换) Indices(指数计算) Natural Color(自然色彩变换) 3.1主成份变换 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，是图像数据更易于解译 遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换) 遥感多光谱影像，波段多，信息量大，对图像解译很有价值。但数据量很大，在图像处理计算时，需耗费大量机时，占据大量磁盘空间，实际上，一些波段的遥感数据之间都有不同程度的相关性，存在着数据冗余。 多光谱变换方法可通过函数变换，达到保留主要信息，降低数据量，增强或提取有用信息的目的。变换的本质是对遥感图像实行线性变换，使多光谱空间的坐标系按一定规律进行旋转。 遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换) （1）K—L变换是离散Karhunen—loeve变换的简称，又常被称作主成分变换。它是对某一多光谱图像X，利用K—L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y的操作，表达式为： Y=AX 其中:X为变换前多光谱空间的像元矢量，y为变换后主分量空间的像元矢量，A为变换矩阵，因此，公式可写为： 遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换) 对图像中每一像元矢量逐个乘以矩阵A，便得到新图像中的每一像元矢量。A 的作用是给多波段的像元亮度加权系数，实现线性变换。由于变换前各波段之间有很强的相关性，经过K—L变换组合，输出图像y的各分量之间将具有最小的相关性。 遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换