遥感数字图像处理_遥感影像空间增强与傅立叶变换滤波处理.pdf

2011 年遥感数字图像处理04 次实习报告 实习序号及题 实习4. 遥感影像空间增强与傅立叶变换滤波处理 目 实习人姓名 专业班级及编号 09 地基 01 号 任课教师姓名 实习指导教师姓名 榆中校区实验楼 实习地点 实习日期时间 2011 年11 月15 日 A209 实习目的 1、学会利用地图坐标进行遥感影像子区的裁剪步骤。 2、理解遥感影像空间增强和傅立叶变换的概念和意义，掌握运用ENVI/IDL 进行空间 增强和傅立叶变换及滤波的步骤和方法。 3、学会使用SRTM DEM 数据应用的初步步骤，理解SRTM DEM 数据表达的实际意思。 实习内容 1、在视窗中打开亚洲幅SRTM DEM 影像数据srtm_n_elev_e.jp2 ，从中裁剪中国境内 一个感兴趣的子区，由此得到研究区DEM。然后利用： ①卷积增强 （高通滤波；Laplace 算子滤波；方向滤波；高斯高通滤波；Sobel 算子滤 波；Roberts 算子滤波）； ②纹理滤波器（空间域一阶统计量；空间域二阶统计量）； ③自适应滤波 （Local Sigma 滤波器）； 三种操作对该区域DEM 数据进行处理，比较变换前后影像的显示结果。 2、利用傅立叶变换，选择恰当的参数消除影像tm_1.img 上的噪声信号，比较变换前 后影像信息的差异。 基本原理 1、空间增强 ①空间卷积：又称为空间滤波（filtering ），系采用空间域的处理方法，在邻域像元的 参与下进行运算处理，由此生成的影像中各个像元的值是原影像对应像元及其邻域像元 灰度值的加权和。 卷积运算：设窗口大小为m ×n，(i, j)是窗口中心像元，f(x, y)是影像像元值，g(i, j)是 运算结果，h(x, y)是窗口模板，那么卷积计算的一般公式为 m n g(i, j)  f (x,   y) h(x, y) y1 x1 其中，模板即参与卷积运算的邻域像元权重系数矩阵，定制的邻域运算关系式，又称卷 积核（convolution kernel ）、卷积函数、滤波器（filtering ）。选取不同模板或卷积核参数矩 阵，可以分别完成如下功能：边缘检测（水平边缘检测、垂直边缘检测、交叉边缘检测）； 边缘增强（水平增强、垂直增强、方向增强）；低通滤波；高通滤波。 本次实习中的卷积增强，就是利用不同的模板实现的，高通滤波；Laplace 算子滤波； 方向滤波；高斯高通滤波；Sobel 算子滤波；Roberts 算子滤波，每一种滤波方式都对应一 个模板。 ②边缘增强：可以使影像上的线状特征信息得以突出的影像变换。梯度反映了相邻 1 / 13 2011 年遥感数字图像处理04 次实习报告 像元之间灰度的变化率，影像中的边缘。以梯度值替代像元的原灰度值生成梯度影像， 在梯度影像上梯度值较大的部分就是边缘，得到高亮度显示。下面是几个常见的梯度算 法： Roberts 梯度——交叉差分： gradf (x, y)  f (x, y)  f (x 1, y 1)  f (x 1, y)  f (x, y 1) Sobel 锐化算法： 1 g(i, j) {d 2 (i, j) d 2