遙感圖像增強有哪些基本方法

① 圖像增強處理

近年來,數字圖像處理發展迅速,各種增強的方法層出不窮。以下僅介紹對地質應用較為有效的幾種方法,其他方法可參考已出版的遙感數字圖像處理的著作^[3,4]。

(一)反差增強

數字圖像,從理論上講,亮度取值范圍可從0-255,但實際圖像由於成像系統的特性、成像時的光照條件、以及像幅范圍內地物間輻射差異的大小等各種原因,常常使大部分像元的亮度集中在比較窄的動態區間,致使圖像的反差較小、色調單一(過「黑」或過「白」),難以從中區分出更多的地物信息,於是,改善和提高圖像的對比度——反差增強,便成了數字圖像增強首先遇到的一個問題。

反差增強也稱反差擴展,或拉伸增強,是一種通過拉伸或擴展圖像的亮度數據分布,使之占滿整個動態范圍(0—255),以達到擴大地物間亮度差異,分辨出盡可能多的亮度等級的一種處理技術。數字圖像的亮度分布,一般可用一幅圖像中不同灰級(亮度)像元所佔的比例——直方圖來表示(圖版25)。圖4-15顯示了一塊佔有8個灰級(0—7)的4×4小圖像的直方圖生成過程。可以看出它實際上是一種亮度分布函數(曲線)。反差擴展歸根到底就是通過改變這種分布曲線來達到增強的目的。

在反差擴展中,輸出的像元值y,是輸入的像元值(原圖像)x的函數:

遙感地質學

按照函數關系的不同可有不同類型的擴展(見圖4-16)。在處理方法上可以分為兩類,一類是使用函數變換對每個像元點進行變換處理,常用於有確定拉伸對象(地物目標)的情況下;另一類是改變像元間的亮度結構關系,即通過直方圖調整改變圖像的亮度結構。下面簡單介紹實際操作中常用的幾種方法。

圖4-15 直方圖製作示意圖

圖4-16 幾種反差擴展

1.線性擴展

將原圖像中像元的亮度按線性關系擴大,亮度擴展的范圍可任意給定,具體應用時可選擇圖4-16A中各種不同的形式。一般來說,對整幅圖像作全面而均勻的拉伸,可用簡單線性擴展(圖版27);當需要對某一灰度范圍進行增強,可採用分段擴展。按給定的分段界限的不同,可擴展直方圖中的任何一部分,但這種方法往往會造成分段點兩側亮度陡變,若分段點選擇不當,還會歪曲地物的波譜特徵,故在實際工作中應慎用。

2.非線性擴展

對原圖像亮度區間的各個部分按非線性關系作不均等擴展。通常是對亮區和暗區分別給以不同的擴展比例。例如,採用對數變換可使圖像的暗區(如大片陰影、大面積植被覆蓋)得到擴展,而亮區受到壓抑;相反,若擴展亮區,則要採用指數變換。在乾旱區,平原、盆地的亮度值普遍偏高,影像單調,經指數擴展,常可從中分出一些層次。此外,還可作正弦、正切等擴展(圖4-16B)。

3.直方圖調整

通過改善圖像的總體亮度結構(直方圖形態)來達到圖像增強的目的。其原理是,以一變換函數S=T(r),作用在原圖像的直方圖P_r(r)上,使之變成具有某種特定亮度分布形態的直方圖P_s(s)(圖4-17),並根據P_s(s)變更原圖像各像元的亮度值。一般來說,這種方法著重於擴展高頻數亮度值之間的間隔,使直方圖中部所包含的地物反差顯著增強,而有利於地質體的區分。常用的直方圖調整方法有直方圖均衡化和直方圖正態化等。圖版28即為直方圖均衡處理的結果。

反差擴展是針對單波段的一種圖像增強處理,使用得當,可明顯改善像質,提高圖像的對比度(參見圖版26和27、28)。在作彩色合成等多波段的增強處理時,一般都要先對各個波段的數據作適當的拉伸,以獲得理想的彩色增強效果。因此,它也是其它增強處理的基礎和先導。從這個意義上說,它還具有預處理的作用。

(二)彩色增強

數字圖像的彩色增強處理也可以有單波段圖像的偽彩色處理和多波段圖像的彩色合成兩個不同的途徑:

1.單波段圖像的偽彩色增強

對於單波段圖像生成偽彩色最簡單的方法是彩色密度分割,其原理與光學密度分割一致,但比光學密度分割靈活、方便,可分割的等級也更細,並且光譜意義也更明確。一個數字圖像系統可以說是性能更優越的彩色等密度分割儀。與光學分割一樣,它對於有著遞變規律的地表景物的顯示十分有效,有時也能顯示出一些細節變化。但在數字數字圖像處理中,它主要是用於檢測單波段圖像的亮度值變化趨勢信息,為後續處理提供參考。

另一種單波段偽彩色處理方法是偽彩色合成。它是對單波段的CCT數據通過加色比例變換函數把黑白灰級變換為紅、綠、藍彩色級,然後再加色合成(圖4-18),生成偽彩色圖像。由於這種圖像能把單波段上不易區分的細微灰度變化映射成不同的色彩,因此比彩色密度分割有更好的快速檢測單波段圖像灰度變化信息的效果。

圖4-17 直方圖調整圖

圖4-18 偽彩色合成示意圖

2.多波段圖像的彩色合成

與光學圖像處理相仿,數字圖像的單波段彩色增強照例不足以揭示多波段遙感中地物在不同波段上豐富的波譜特徵信息。為了發掘多波段數字圖像的信息優勢,提高圖像的解譯判讀效果,同樣可採用彩色合成。其基本的方法原理與單波段偽彩色合成關同,只是紅、綠、藍變換不是對同一波段,而是分別對三個(或二個)波段實施,即由三個(或二個)波段的CCT數值根據設定的波段灰度與彩色之間的變換關系表,直接控制圖像處理系統中彩色顯示裝置的紅、綠、藍三色槍的光強輸出,加色合成顯示在彩色屏幕上,形成彩色圖像(圖4-19);或者以三色依次掃描到彩色膠片上,再印放成彩色像片。目前這類處理不僅可在專用圖像處理機上實現,而且已可在微機上藉助圖像處理板實現,甚至在TVGA圖形卡的支持下通過彩色模擬程序在微機上完成。後者受TVGA卡只能顯示256色的限制,色彩尚不盡豐富,但一般的合成顯示是能勝任的。

與光學處理相比,數字圖像的彩色合成不僅省卻了製作單波段黑白膠片影像的過程,也避免了膠片拷制過程中的信息丟失,而且由於CCT的量化等級高達256級,遠遠高於黑白影像可分辨的灰度變化,因此其色彩層次往往比光學合成要豐富得多;同時,在計算機圖像處理系統中,各個波段的數據可以十分方便地作各種拉伸變換(反差擴展),顯示器上的跟蹤球還可任意調節色彩變化,從而能快速獲得不同增強效果的彩色圖像,比起黑白膠片需要通過影像拷貝來改變影像密度要方便、靈活得多,顯示出更大的優越性。

在數字圖像處理中,彩色合成通常是最常用、最基本,往往也是最便捷有效的增強處理方法。其影像增強的效果與光學合成處理相類似,照例可分為真彩色、似(模擬)真彩色、假彩色等不同的種類;不同的波段一色通道(相當於濾光片)組合方案具不同的色彩及地物增強效果;充分利用地物波譜特徵(曲線),選擇合成方案同樣是取得理想增強效果的關鍵。由於這些內容在光學彩色合成中已有較詳論述,這里不再重復。

尚需指出的是,數字圖像的彩色合成目前已不僅僅針對不同波段進行,而且還可以用不同的數字處理結果(如比值、KL變換的不同分量等)作輸入圖像,獲得全新含義的合成圖像(如比值合成圖像);更進一步,已可以將非遙感的地質信息(如物、化探數據)通過彩色坐標變換(IHS變換)轉換成R、G、B分量,作為輸入圖像,製成多元信息復合的彩色合成圖像。因此如何選擇波段或分量進行彩色合成是一個重要問題。目前常用OIF值作為衡量合成方案優劣的因子,它的基本原理是根據圖像的統計特徵來選定,就理論而言,OIF值越大,則合成方案越佳。

OIF可用下式計算:

圖4-19 數字圖像彩色合成示意圖

遙感地質學

其中Ss為第i波段的亮度標准差,標准差越大,表明該圖像包含信息量越大,rs為合成分量間的相關系數,相關系數越小,表明圖像間的冗餘度越小。

現以某地一個實例說明,先計算TM各波段(TM6波段除外)的標准差,分別為:17.02,10.29,14.04,15.95,31.38,19.36。6個波段間的相關系數如表4-2。

表4-2 TM圖像各波段相關系數表

這樣可以計算出不同合成方案的OIF值:

TM145:32.22;TM345:29.08;

TM457:28.96;TM147:26.97;

Tm245:26.78;TM157:25.42

在實際應用中,直接使用OIF因子,效果不一定理想,還應從應用目的出發,進行波段的選擇。

(三)比值增強

比值增強是最為常用的一種運算增強方法。它是通過不同波段的同名像元亮度值之間的除法運算,生成新的比值圖像來實現的。對於多波段數字圖像,可以有多種不同的比值:

1.基本比值

純以兩個波段的數值相比,故也稱簡單比值。用g_k(k=1,2,……N)代表一個多波段圖像(N為波段數),任一比值圖像可表示為:

遙感地質學

其中,a和b是調節參數。由N個波段可得出的比值數目為P=N(N-1),如TM圖像,除TM₆(熱紅外)之外,共可組成30種比值;

2.和差組合比值

由兩個波段的和與差構成的比值,如:

遙感地質學

3.交叉組合比值

由3個或更多的波段構成的比值。其中分子和分母所包含的波段是不同的,如:

遙感地質學

4.標准化比值

由單個波段與所有波段之和構成的比值,即

遙感地質學

其中,i=1,2……N。如MSS圖像,常使用4、5、7三個波段,則可構成:

遙感地質學

上述四種比值以基本比值和標准化比值更為常用。

比值處理簡便易行,而且對地質信息尤為敏感,因而現今基本上已成為遙感地質研究中廣為應用的例行處理方法之一。其基本功用在於:

(1)能擴大不同地物之間的微小亮度差異,有利於岩石、土壤等波譜差異不太明顯的地物的區分,也可用於植被類型和分布的研究。例如,鐵帽與植被在單波段上不易區分,而通過MSS_5/4和MSS_7/5二維比值分析,明顯區分了出來(圖4-20)。

(2)消除或減弱地形等環境因素的影響。例如,某地砂岩在陽坡和陰坡有不同的亮度,但在MSS_4/5上,比值卻非常接近(表4-3),因此消除了地形的影響(參見黑白圖版29)。

(3)提取與找礦有關的專題信息。例如含羥基的粘土礦物在2.2μm附近存在有強吸收,故在TM₇上為低亮度,而在TM₅上它仍為高亮度,因此TM_5/7常被用來提取與粘土化有關的礦化蝕變信息;再加0.48μm是鐵離子電荷轉移強烈吸收的位置,故用TM_5/1利於提取與鐵礦物有關的信息。

(4)比值合成增強岩性及蝕變岩信息。以若干個比值圖像作為輸入圖像,進行假彩色合成,在輸出的彩色合成圖像上常能有效地增強岩石的波譜信息差異。例如,在我國銅陵地區採用TM₄(R)、5/4(G)、5/2(B),4(R)、5/2(G)、4/3(B)等方案製作的比值合成圖,有效地圈定出了志留系地層、岩體、大理岩化等岩性信息。在河北遷安地區利用MSS的標准化比值製作的合成圖像上區分磁鐵礦石及圍岩也取得好效果。

比值增強生成比值圖像後,原來的獨立波譜意義就不存在了。由此也給它帶來一個很大的缺陷,就是丟失了地物總的反射強度(反射率)信息。例如,暗色的岩石和淺色的岩石之明顯差異也被損失;由於壓抑了地形信息,其作為地質解譯的一個重要標志也被損失。為了彌補此不足,通常採用一個波段的原圖像與(兩個)比值圖像作彩色合成的辦法;此外,比值有可能增加雜訊,而大氣散射也會給比值結果帶來干擾,因此,處理前更要注意做消條帶和大氣校正。

表4-3 不同光照條件下砂岩反射比

(據F.F.Sabins,1977)

圖4-20 比值分布示意圖

(四)卷積增強

地物的邊界及各種線性形跡,通常都表現有一定的空間分布頻率,因此,可以通過空間域或頻率域的濾波對它們進行增強。其中,卷積處理就是比較簡便有效而最常使用的空間濾波方法之一。

與前述幾種增強不同,卷積增強是一種鄰域處理技術。它是通過一定尺寸的模板(矩陣)對原圖像進行卷積運算來實現的。以3×3(像元)的模板為例,其處理過程如圖4-21,

即相當於把模板逐次放在每一個像元上,計算模板元素和對應像元亮度值的乘積和,用數學式可表示為:

遙感地質學

圖4-21 空間卷積

式中,m₁為模板元素值,g_s為相應圖像中各像元的亮度值。f為卷積值,亦就是濾波後(模板)中心像元的輸出值。

增強不同方向的邊界(或線性體),則是按一定的排列方向來分配模板中各元素的權系數。例如圖4-22(a)、(b)、(c)、(d)便是分別對水平(相當於遙感圖像的掃描線方向)、45°、垂直、135°四個方向進行增強的一組3×3模板。改變模板尺寸(5×5、7×7……等等)和板內元的差值可產生不同的效果。一般,模板越大、差值越大,對低頻的粗大構造形跡的增強越明顯,而高頻信息(小斷層、節理裂隙等)增強的幅度越小。模板可設計成不同的增強方向,但模板元素的數目均應為奇數;一般最大為15×15,模板尺寸太大,則其計算量也大,而卷積效果也不一定好。

圖4-22 方向模扳

卷積增強對於突出某一方向的地質體邊界和線性斷裂構造或形跡常具明顯的效果(圖版30),對一些環形構造或線跡也會起到增強的作用,因此在遙感地質研究中被廣泛使用。

(五)K-L變換

K-L變換是多波段遙感圖像變換增強的常用方法之一,通常也稱主組分分析或主成分分析。在數學含義上,它是一種基於圖像統計特徵的多維正交線性變換。經這種變換後生成一組新的組分圖像(數目等於或小於原波段數)是輸入的若干原圖像的線性組合即

遙感地質學

其中,X是原多波段圖像的數據矩陣,矩陣元素為p個波段的像元值向量;Y是輸出的主組分矩陣,即q個組分的像元值向量,一般q≤p;T為變換核矩,通常為由變換波段之間的協方差矩陣所產生的特徵向量矩陣。在p=3,q=4的情況下

遙感地質學

y₁、y₂、y_s按協方差矩陣的特徵值大小依次排序。

從幾何意義上講,K-L變換相當於空間坐標的旋轉。圖4-23表示了一個二維空間坐標變換。圖中X₁、X₂表示兩個波段的像元值,黑點為相應的數據域。K-L變換相當於坐標軸旋轉一個θ角,把數據域變換到Y₁、Y₂的新坐標系統上,即:

遙感地質學

圖4-23表明,K-L變換後,第一主組分(Y₁)取得最大的信息量(可達90%左右),其餘依飲減小。一般情況下,一、二、三主組分基本上已集中了絕大部分的信息,後面組分包含的信息量往往已非常小。因此,K-L變換一個最基本的功能就是,可以在信息損失最小的前提下,減少變數數目、降低數據維數,起到數據壓縮的作用。這對多波段遙感特別有意義,因為它們通常為多變數,數據量也很大(一個TM波段達42兆),隨著波段數越來越多和地面分辨力越來越高,還將更大(所謂「海量數據」)。

一般認為,K-L第一主組分基本上反映了地物總的輻射差異,其它組分則能夠揭示地物的某些波譜特徵。由上圖可以看出,各組分之間互相「垂直」,即不相關。這就使K-L變換還具有分離信息、減少相關、突出不同地物目標的作用。因而,在用K-L不同組分作假彩色合成時,往往可顯著提高彩色增強效果,會有助於岩類的區分。但要注意的是,各組分的地質應用價值不能依它們的排序(即方差的大小)來確定。例如,MSS的K-L變換中,有時第四主組分反而比第三主組分區分岩性的作用更大。

在實際應用中,也常用比值或差值圖像,以及與原圖像合在一起作K-L變換。這對於提取某些專題信息會特別有用的。一個典型的例子是,TM_5/7可提取與粘土化有關的礦化蝕變信息,但植被的TM_5/7比值常常也很高,以致前者的信息往往被淹沒在後者的「汪洋大海」之中,我國南方地區尤甚。然而,TM_4/3恰主要只反映植被信息,因此,當用TM_4/3、TM_5/7作K-L變換,其第一主組分便集中了兩個比值的基值——植被信息,而蝕變信息被分配到第二主組分中,這就把二者分離了開來,進一步在第二主組分中提取蝕變信息(圖42-4),效果便顯著提高。此法已在南方某銀鉛鋅礦區取得了很好的效果。

圖4-23 兩個波段(或其他變數)情況下的主組分變換

圖4-24 我國南方某地蝕變帶信息提取的程序框圖

與KL-變換相類似的另一種線性變換方法是近年來發展起來的K-T變換。緣於在MSS和TM數據空間中植被光譜隨時間變化的軌跡構成一個「纓帽」的圖形,故亦稱「纓帽變換」。該變換有助於分離(提取)植被(綠度)和土壤(濕度)等信息,已引起人們的興趣。有關這一變換的論述可參見文獻[3]。

(六)IHS變換

在色度學中,存在有兩種彩色坐標系統:一是由紅(R)、綠(G)、藍(B)三原色構成的彩色(RGB)空間;另一是由亮度(I)(或稱明度、強度)、色調(H)、飽和度(S)構成的色度(IHS)空間(亦稱孟塞爾坐標)。這兩個系統的關系可用圖4-25表示,此時,IHS的范圍呈現為一圓錐體;在垂直於IHS圓錐軸的切面上,二者則呈現為圖4-26所示的關系。該圖中,I軸垂直於紙面(過S=0,白光點),沿I軸只有亮度明暗(白一黑)差異;圓周代表H的變化,並設定紅色為H=0;半徑方向代表飽和度,圓心處S=0,為白色(消色),圓周處S=1,彩色最純。

很明顯,這兩個坐標系之間可以互相轉換,這種轉換即稱為IHS變換,或彩色坐標變換(也稱孟塞爾變換)。通常把RGB空間變換到IHS空間稱之為正變換,反過來,由IHS變換到RGB稱反變換。

當不直接採用三原色成分(R、G、B)的數量表示顏色,而是用三原色各自在R、G、B總量中的相對比例r、g、b來表示,即:

圖4-25 強度、色頻(彩)與飽和度(IHS)和紅、綠、藍(RGB)空間關系示意圖

圖4-26 通過垂直IHS圓錐切面表示IHS與RGB的關系

遙感地質學

此時如為紅色白色則為 。兩個坐標系之間的轉換關系,可簡化為:

遙感地質學

把R、G、B和I、H(0-3)、S(0-1)值擴展到0-255數據域,設計相應的程序,在數字圖像系統上便能自如地實現相互間的轉換和顯示。

目前在遙感數字圖像處理中,IHS變換多用於以下研究。

1.彩色合成圖像的飽和度增強

當用以合成的三個原始圖像相關性較大時,常規處理往往合成圖像的飽和度會不足,色彩不鮮(純),像質偏灰,且較模糊、細節難辨(彩版3-4)。通過IHS變換,在IHS空間中增強(拉伸)飽和度S,用反變換求R、G、B進行彩色顯示(圖4-27),則可顯著改善圖像的顏色質量和分辨能力(圖版5,6)。

2.不同解析度遙感圖像的復合顯示

直接把不同解析度圖像輸入R、G、B通道作彩色合成復合顯示,即使幾何配精度很高,也難以獲得清晰的圖像(低分辨圖像使像質模糊)。採取將最高解析度圖像置作「I」、次高置作「H」、低分辨者置作「S」,然後反變換,求出R、G、B作復合彩色顯示,則基本可使合成圖像保持有高分辨圖像的清晰度。對TM(常取其中兩個波段)和SPOT(常取全色波段)圖像作此種復合,既可獲得SPOT的高解析度,又可充分利用TM豐富的波譜信息。

3.多源數據綜合顯示

採用常規方法對遙感圖像與物化探等地學數據作綜合處理,不但極不方便,充其量也只能把等值線疊合到遙感圖像上。將物探(航磁、重力等)或化探(元素異常)信息數字化,分別置作「H」或「S」,以遙感圖像(取一個波段)為「I」,作IHS的正反變換(圖42-8)便可獲得色彩分明的遙感與物化探信息復合的彩色圖像。這類圖像通常既具遙感圖像清晰的地貌、地質背景,又能將物化探信息准確地反映在這一背景上,十分有利於它們相互關系的綜合分析和解譯(圖版20)。

圖4-27 飽和度增強處理流程圖

圖4-28 多源數據綜合顯示框圖

② 遙感圖像的彩色增強

地面站經系統處理得出的原始圖像產品都是反映灰度差異的黑白圖像。眾所周知，人眼識別和區分灰度差異的能力是很有限的，一般只能區分二三十級，而識別和區分色彩的能力卻大得多，可達數百種甚至上千種，兩者相差甚遠。顯然，如把黑白圖像的灰度差異轉變為色彩差異，就可大大提高遙感圖像的目視分析解譯性能，所以彩色增強成為遙感圖像應用處理的又一關鍵技術，應用十分廣泛。

1.密度分割和彩色編碼

實施遙感圖像彩色增強的途徑不少，其中最簡單的就是假彩色密度分層，或稱假彩色密度分割、彩色編碼。此法原理與技術都很簡單，就是將一幅灰度范圍為0到L的黑白圖像f（x，y）的灰度按等間隔或不等間隔分割成是層（參見圖5-18），得到k-1個密度分割層面，其密度值為L；＜i=1，2，3，…，k），用C_i（i=1，2，3，…，k）表示賦予每一層的顏色，則

圖5-24 色度坐標系IHS變換示意圖

表5-1 IHS變換公式

在RGB空間中，I，H和S三個參數的定義不同，可以獲得不同的IHS變換模型。較簡單常用的變換模型是色度坐標系模型（參見圖5-24）。根據這個模型可以推導出在不同條件下IHS正反變換的計算公式。表5-1列出了這些公式，供讀者查閱。

③ 遙感圖像地質信息增強處理

地質信息遙感圖像增強處理目的是通過選擇合理的圖像處理方法，改善圖像的視覺效果，突出遙感地質調查所需要的有用信息。

4.3.1 常用的圖像增強處理方法

在遙感地質應用方面，圖像增強處理方法按照主要增強的信息內容可分為波(光)譜特徵增強和空間特徵增強兩大類。

4.3.1.1 圖像波(光)譜特徵增強處理

圖像波(光)譜特徵增強處理是基於多波段數據，對每個像元的灰度進行變換達到圖像增強的目的。其圖像增強結果便於識別不同性質的地質體、岩石類型、地質異常(如蝕變帶、熱異常等)、規模較大的線性和圓形構造。

(1)灰度變換方法

當原始圖像的直方圖比較窄，灰度分布較集中，圖像層次較少時，進行灰度變換是最基本的要求。對於灰度接近正態分布的圖像通常進行線性拉伸就可達到改善圖像視覺效果的目的。對於直方圖呈多峰狀、部分地物過亮或過暗的圖像，應針對圖像的特點採用不同的灰度變換方法，包括分段線性拉伸、直方圖調整和高斯變換等非線性拉伸等。

分段線性拉伸是為了有效利用有限個灰度級，將整個灰度范圍劃分為幾個區間，分區間進行線性擴展，達到最大限度增強圖像中有用信息的目的。常用的非線性變換有指數變換法(增強原始圖像的高亮度值部分)、對數變換法(增強圖像的低亮度值部分)、高斯變換(增強圖像中間灰度范圍)及正切變換(可對圖像的暗、亮區進行增強)。

直方圖調整是通過改善圖像的直方圖形態來達到圖像增強的目的。其原理是用一種變換函數作用於原始圖像的直方圖，使之變成具有某種特定亮度分布形態的直方圖。這種方法著重於擴展高頻數亮度值之間的間隔，使直方圖中部所包含的地物反差得到增強，有利於地質體的區分。常用的直方圖調整方法有直方圖均衡化和直方圖正態化等。

(2)比值增強

比值增強是通過不同波段的同名像元亮度值之間的除法運算，生成新的比值圖像來實現的。比值處理對地質信息尤為敏感，成為遙感地質圖像處理中廣為應用的方法之一。其基本作用為:

1)可以擴大岩石和土壤的波譜差異，有利於這些地物的區分。

2)消除或減弱地形等環境因素對同類岩性的影響。

3)提取與礦化蝕變有關的信息。

4)比值彩色合成圖像能夠增強岩性和蝕變岩信息。

(3)主成分變換

主成分變換是多波段遙感圖像增強常用的一種方法。它是一種基於圖像統計特徵的多維正交線性變換，變換後的新組分圖像反映了地物總的輻射差異和某些波譜特徵，同時還具有分離信息、減少相關、突出不同地物的作用。利用不同新組分圖像進行彩色合成，可顯著提高彩色增強效果，有助於岩性的區分。在實際應用中，也常用比值或差值圖像與原始圖像一起進行主成分變換，會有利於某些專題信息的提取。

(4)IHS變換

在色度學中，把彩色圖像的RGB變換成亮度(I)、色度(H)、飽和度(S)稱為IHS變換，而IHS變換成RGB稱為反變換。利用IHS變換和反變換，可以進行多源遙感圖像之間的信息融合、高度相關圖像數據的色彩增強、圖像的特徵增強，以及改善圖像空間解析度等融合處理。如圖4.1所示，對研究區內的環形構造、岩體和地層都起到了一定的增強作用。

圖4.4 多波段相關性比值增強處理對比

圖4.5 圖像增強處理對比

(3)基於地物紋理的岩性識別

當岩性組成復雜，且分布尺度大於感測器的空間解析度時，遙感圖像就可能記錄到地物的結構組成信息，其影像就存在著明顯的紋理特徵。當存在著有別於背景地物的紋理結構特徵時，就可利用地物的光譜特徵與紋理特徵提取岩性信息。利用紋理識別岩性的方法步驟如下。

1)選擇一定大小的移動窗口，計算不同地物的紋理特徵，對待研究岩石類型的紋理特徵與周圍地物的紋理特徵進行比較分析。主要紋理特徵計算有:對數變差函數、平均歐式距法(一階)、方差法(二階)、斜度(三階)、峰度(四階)和共生矩陣法。從灰度共生矩陣中可以產生8種紋理測度，它們分別是局部平穩、對比度、相異性測度、均值測度、標准差、熵、角二階矩及相關等。

2)分析研究岩石裸露區和背景地物之間的紋理指數和圖像，尋找岩石類型與紋理特徵的關聯規律，採用合適的閾值，識別和提取岩石信息。

(4)基於形狀知識識別岩性信息

1)增強地物之間的邊界，提取出邊界信息。進行形狀指數的計算。主要測定基於周長和面積的指數、基於面積的指數以及基於面積和區域長度的指數。

2)根據岩石的形狀知識指數值，對不同形狀指數的岩性進行定性定位識別和提取，結合不同岩性的形狀特徵賦予一定的地質屬性信息。

(5)主成分變換多層次信息分析識別岩性信息

基於主成分分析的多層次信息分解技術是增強地質岩性弱信息的一種常用方法，在岩性增強和識別中的實施過程如下。

1)多波段圖像的統計特徵分析。對多波段圖像數據進行統計特徵分析，計算波譜圖像的灰度動態范圍、均值與中值、波段圖像的相關系數矩陣、波段圖像的協方差陣。

2)求出多波段圖像的協方差陣的特徵值與特徵向量，用特徵向量構成KL變換的系數矩陣A。

3)主成分變換後處理。根據岩性識別目的和各主分量與矩陣向量間的關系分析，選擇包含特定岩性信息的組分圖像、包含專題信息組分圖像的增強處理、組分圖像的彩色合成處理以及組分圖像與其他處理結果或波段圖像的信息復合分析。

4)根據各主分量的分析結果，對主分量圖像的各種後處理結果與單元結果對照進行影像目視解譯，確定能夠較好反映工作區岩性信息的主分量圖像，選取它們做彩色合成或信息復合，增強影像上的地質岩性弱信息。

(6)IHS變換法增強岩性信息

對多波段圖像選擇適當的代數運算後所產生的新圖像進行IHS變換，可起到突出岩性的目的。例如，利用TM波段比值進行IHS變換，可以識別火山岩地區的岩性和與礦化有關的蝕變特徵。

1)用TM5/TM7，TM3/TM4，TM3/TM2比值分別賦紅、綠、藍進行IHS變換。

2)在變換處理後的圖像上，Fe₂O₃含量高的玄武岩分布區呈醒目的褐色或紅色色調，不同岩性的火山岩類有不同的色調，可以相互區分;含黏土類礦物和三價鐵氧化物的礦化蝕變岩石分布區呈獨特的黃色。

(7)對遙感圖像進行最優多級密度分割提取岩性信息

目的是在植被稀少、基岩廣泛裸露的乾旱地區通過選擇最佳遙感識別圖像，通過最優多級密度分割，提取和識別岩石信息。

1)利用費歇爾准則對圖像進行密度分割，通過直方圖統計，找到使各分割段的段內離差總和最小、段間離差總和最大的分割法，稱為圖像的最優多級密度分割法。

2)對分割圖像按灰度級由高到低分別賦以不同的顏色，對照區域地質圖確定不同顏色的地質岩性屬性信息。

(8)岩性的自動分類識別

在乾旱、半乾旱地區，利用遙感圖像的光譜信息，使用非監督分類方法，可起到岩性自動識別和填圖的目的。

以TM或ETM⁺數據為例，說明非監督分類方法主要實施過程:

1)從TM或ETM⁺多波段圖像中選擇3個三波段組合，使波段間相關性小且重復利用的波段最少。

2)對所有波段組圖像用均衡反差增強技術進行反差增強，以優化每個波段的反差，消除彩色合成中可能出現的色彩偏差。

3)對每個三波段組合用RGB-IHS變換產生一個色度圖像，然後分別進行合成，產生色度合成圖像。

4)用三維特徵空間交互集群技術對色度合成圖像進行非監督集群分類。

5)用模板直方圖匹配分類技術對分類圖像進行空間再分類，以檢測感興趣類的結構和模式。

6)對分類圖像用空間濾波法和小類別合並技術進行平滑處理和空間簡化處理。

7)根據野外檢查與類別的波譜曲線形態，參照地質圖，將類別賦以岩性或按其他地物類型術語進行識別和描述。

8)進行互動式類別編輯。用類別區域編輯法將代表不同地帶的不同岩性按位置進行分解，用類別分組法將相同岩性或地物類型一致的類別歸入一組。

9)用邊緣檢測技術，檢測地物類別邊緣。

10)對調整後的分類圖像進行互動式著色，並將反映地形背景的強度圖像疊加到岩性分類圖中，形成岩性影像圖。

(9)基於岩塊分類的岩石類型識別

適用於乾旱、半乾旱基岩裸露區岩石類的識別。以TM數據為例具體說明主要實施過程:

1)對TM圖像進行地形校正，生成數字視反射率圖像R₁、R₂、R₃、R₄、R₅、R₇。

2)用TM6與R₁～R₇進行空間集群法非監督分類，編制平面分類圖。

3)用TM6與R₁～R₇數據進行監督分類，首先用已知樣本作為訓練區，訓練區樣本為厚層單岩性岩塊、簡單岩性組合岩塊，復雜岩性組合岩塊和標志性薄層岩塊，然後逐個像元提取同類目標並編制平面圖。

4)對分類圖像中的各類別進行均值、最小、最大值，標准差、協方差等參量統計。

5)進行紋理分析及分類，編制紋理類型平面圖。

6)對非監督分類、監督分類及紋理分類平面圖進行疊合，通過人機交互目視解譯歸並整理，編制岩石遙感類型平面圖。

7)岩石填圖。將已知岩石屬性信息填繪於同類的空白區域中，未知空白區域待野外檢查確定岩性屬性後填入。

(10)用高光譜資料來識別岩性

利用成像光譜資料，定量檢測岩石和單種或多種礦物的波譜特徵，提取和識別岩性和礦物信息，編制專題岩性和礦物圖件。主要實施方法是:

1)確定工作區岩性和礦物的一些標志性波譜特徵。

2)利用高光譜成像數據提取地物的波譜曲線，與岩石的野外光譜曲線和某些標志性礦物的實驗室實測典型曲線對比，半定量地確定岩性和標志性礦物的存在。

3)通過岩性和標志性礦物的檢測，達到找礦和編制岩性分布圖的目的。

4.3.2.2 斷裂構造及地質界線圖像增強處理

主要利用空間濾波、自動線性提取等方法增強或提取斷裂構造信息。

(1)空間方向濾波方法

對原始圖像進行方向濾波，突出某一方向的紋理信息，增強地質體的空間結構。

1)按其所需要的方向信息確定濾波運算元見表4.1。

2)對多波段圖像進行主成分變換，利用定向濾波法對第一主分量圖像進行邊緣梯度增強。

3)增強圖像的局部邊緣梯度，壓制整個圖像的反差，再結合一些平滑處理方法對構造蝕變帶和環形構造進行增強。

4)圖像反差擴展。採用拉伸、直方圖變換、比值、濾波等，突出圖像中的線、邊緣、紋理結構特徵，增強岩性、線形構造和環形構造影像特徵。

5)高通濾波增強空間頻率高的地表形跡，提取幾十到幾百米的線性體(如節理、裂隙和斷裂等一些地質構造形跡);低通濾波增強空間頻率低的地表形跡，提取延伸長、規模大的斷裂帶和蝕變帶等地質形跡。

6)用高斯卷積濾波突出地質體邊界輪廓細節，區分紋理差異大的岩體。

(2)傅里葉功率譜紋理增強法

1)取一定大小的窗口圖像，分別作行、列傅氏變換。

2)求功率譜矩陣，作對數變換。

3)計算紋理測度，形成紋理圖像。

4)紋理圖像解譯，提取線性體信息和岩性地質界線。

(3)圖像紋理統計法

通過紋理特徵變化推測斷裂活動的差異、岩石成分的變化等，圈定活動斷裂帶范圍，解釋斷裂活動方式。

(4)線、環狀影像特徵法

1)對圖像進行高通濾波和線狀影像增強

2)從22.5°～67.5°、67.5°～112.5°、292.5°～337.5°及337.5°～22.5°四個方向進行方向濾波。

3)計算單位面積(2.5km×2.5km)線狀影像密度及等密度圖。

4)對線、環狀影像平面圖進行目視分析，篩除非地質邊緣點，並進行疊合與歸並，劃分線狀影像區、帶和等級，環狀影像之間的空間結構及其組合關系。

5)進行線、環狀影像地質屬性解譯。

(5)線性體自動提取法

1)採用定向濾波法對多波段圖像的KL變換第一分量進行邊緣梯度增強。

2)對梯度圖像進行二值化處理，提取邊緣點圖像。

3)人機交互去掉干擾和孤立的邊緣點。

4)利用Hough變換進行線性體的連接和統計，輸出線性體分布圖和密度圖。

5)線性構造提取與地質分析。

(6)圖像亮溫法

選擇適當季節和時間的熱紅外遙感圖像，以熱紅外波段圖像的亮溫分布的極值線為標志，提取構造信息。

(7)多重主成分分析方法

首先應用各種方法，包括一般主成分分析、選擇主成分分析(特徵主成分選擇)、波段比值等，盡可能提取圖像中較弱的地質構造信息，然後提取顯示最好或較好的專題信息，進行二次處理。處理方法包括兩種:一是進行不同的彩色組合或疊加，以突出專題信息;二是選取對專題信息提取最有利的結果和原始波段再次進行主成分分析，進行地質信息的二次提取和增強。

(8)基於融合處理的構造信息提取方法

不同感測器獲取同一地區的圖像，由於其波長范圍不同、幾何特性不同、解析度不同等因素而具有不同的應用特點，基於不同感測器圖像的融合處理，可以綜合不同感測器圖像的優點，提高對構造信息的識別能力。下面以TM和SAR圖像融合處理為例進行說明。

1)首先，對SAR圖像濾波，進行雜訊消除。

2)其次，把單波段SAR圖像和多光譜TM圖像進行幾何配准和融合，TM3、4、5進行IHS變換，用濾波後的SAR圖像代替I分量，做IHS反變換，再用TM3、4、5與SAR圖像作主成分變換，最後將IHS反變換得到的G分量、TM4波段和主成分變換的第一主分量圖像進行彩色合成，作為地質解譯圖像。

3)融合後的圖像可以直觀地提取斷裂構造信息，利用SAR圖像一定的穿透性，可以提取隱伏斷裂構造信息。

4.3.2.3 區域地質穩定性的綜合處理與遙感信息的輔助提取

1)獲取多時相多平台遙感衛星數據，收集地面控制點數據和區域地質環境資料。

2)進行圖像幾何精校正和配准處理。首先，對地形圖進行高精度掃描，形成數字圖像;然後，對數字地形圖進行投影變換、配准和鑲嵌，進行區域圖像的合成與鑲嵌;最後，建立地質活動區域的DEM和三維地形地貌可視化影像。

進行人機交互解譯。以精校正的數字衛星圖像為基礎，一方面進行增強構造活動帶、滑坡及其發育環境信息的各種圖像處理;一方面進行目視解譯，確定區域地質穩定性信息，在計算機上定位，劃分邊界、製作圖形。獲取遙感解譯信息，綜合其他環境資料和綜合處理進行分析、比較和修改。

4.3.2.4 隱伏地質信息提取與增強

利用重磁資料與不同類型的遙感圖像復合處理技術提取隱伏地質信息。

1)利用重磁網格數據和三維歐拉反褶積方法確定地下構造位置(邊界)和深度。

2)利用遙感圖像解譯地表的構造特徵，將重磁數據提取的相應位置的構造信息疊加到遙感構造圖像上，把不同深度的構造在圖像上分別表現出來，利用圖像上構造的不同深度信息，輔助進行隱伏地質體和構造帶信息提取。

4.3.3 遙感地質信息自動提取方法

計算機自動信息提取的目的是把地質專家用於目視解譯的知識定量化表達，從根本上實現知識參與的自動提取。現有的計算機自動信息提取方法主要包括:光譜特徵模型法、計算機自動分類法和基於空間數據挖掘與知識發現信息提取方法。

4.3.3.1 光譜特徵模型法

一般利用統計回歸建立一個遙感信息模型，根據具體圖像的實際情況不斷對模型參數進行調整，最終使模型適用於該影像。遙感信息模型是在現有地面實驗基礎上提煉出來的地物的反演模型，由於圖像數據影響因素很多，因此地物在衛星圖像上的反映並非與地面實測數據一一對應，把遙感信息理論和實際圖幅影像有效結合在一起來進行專題信息自動提取，應用范圍和精度都很有限。岩石地層單元建模技術就是一種光譜特徵模型法。具體步驟如下。

1)把一些具有特殊影像特徵的礦源層、賦礦地層以及諸如含多元素黑色炭質頁岩、蛇綠岩帶、混雜岩帶和超基性岩體等岩石地層作為一種基本單元，它們的多波段遙感像元灰度值是波段的函數，不同單元具有不同的函數曲線。

2)對有一定地質意義的單元進行光譜特徵統計，確定特定單元在各波段的亮度范圍和同一單元類別在多維空間的聚集性。

3)根據單元類別的變差參數(均值和標准差)，建立基於遙感圖像亮度值區間的岩石地層單元模型，輸入的閾值參數和多波段遙感數據，自動提取岩石地層單元信息。

4.3.3.2 分類方法

在遙感信息自動提取方面，分類方法佔有重要地位。其核心是對遙感圖像進行自動分割。現有的計算機自動分類方法，主要利用的是遙感圖像數據，雖然有時可以自動加入其他方面的地學知識，但遠沒有充分利用人腦在分析圖像時所應用的知識，因此很難達到很高的精度。利用分類方法進行岩性自動填圖是遙感圖像處理中最復雜、最難的一個問題，而對於像植被、水體、土地和冰雪等一些大面積分布均勻的特定目標信息的提取，自動分類可起到良好的應用目的。

4.3.3.3 基於數據挖掘和知識發現技術

基於數據挖掘和知識發現技術理論的遙感專題信息自動提取，其基本內容包括知識的發現、應用知識建立提取模型，利用遙感數據和模型提取遙感專題信息。在知識發現方麵包括從單一遙感圖像上發現有關地物的光譜特徵知識、空間結構與形態知識、地物之間的空間關系知識;從多時相遙感圖像中，除了可發現以上知識外，還可以進一步發現地物的動態變化過程知識;從GIS資料庫中發現各種相關知識。利用所發現的某種知識、某些知識或所有知識建立相應的遙感專題信息提取模型，利用遙感數據實現從單知識、單模型的應用到多知識、多模型的集成應用，從單數據的使用到多數據的綜合使用的自動信息提取。

④ 遙感圖像的灰度增強

遙感圖像灰度增強是一種點處理方法，主要為突出象元之間的反差（或稱對比度），所以也稱「反差增強」、「反差擴展」或「灰度拉伸」等。

目前幾乎所有遙感圖像都沒有充分利用遙感器的全部敏感范圍，各種地物目標影像的灰度值往往局限在一個比較狹小的灰度范圍內，使得圖像看起來不鮮明清晰，許多地物目標和細節彼此相互遮掩，難於辨認。通過灰度拉伸處理，擴大圖像灰度值動態變化范圍，可加大圖像象元之間的灰度對比度，因此有助於提高圖像的可解譯性。灰度拉伸方法有線性拉伸、分段線性拉伸及非線性拉伸（又稱特殊拉伸）等。

1.線性拉伸

線性拉伸是最簡單的一種拉伸演算法。假設原圖像的灰度值動態范圍為［a₁，a₂］待擴展的灰度值動態范圍為［b，b₂］，必有：b₂＞a₂；b₁＜b₂（參見圖5-11）。

中亞地區高光譜遙感地物蝕變信息識別與提取

上式表明，直方圖調整的關鍵是要得到變換函數T（r_A）或T^-1（r_B）。但建立這樣的函數很不容易。在實踐中，常常採用一種近似而又簡便的方法，即以均衡化直方圖作為原直方圖和指定直方圖的過渡形式來協調兩者的關系。由於直方圖均衡化是一種規格化的形式，因此變數的映射容易實現。最後可根據映射結果來調整原直方圖P_A（r_A），從而得到指定的新直方圖P_B（r_B）。

⑤ 遙感圖像增強處理的目的與方法

遙感圖像增強處理的主要著眼點在於改進圖像顯示、提高遙感圖像的視覺效果和可解譯性，使遙感應用者易於從經過增強處理的遙感圖像上獲得所感興趣的有用信息，快速實現從遙感數據向有用信息的轉化。

從數學意義上理解，任何圖像的增強處理都是對圖像特徵施行某種變換。遙感圖像能為視覺感受且可作為參數描述的特徵是灰度、顏色、紋理和形狀等。增強就是根據圖像數據的這些特徵參數，結合顯示介質和人的視覺系統特點，選擇某種從原始圖像到增強圖像的變換。這種變換在數學上是不難實現的，但是變換結果能否突出有用信息，是否符合實際要求，在很大程度上取決於應用目的及處理者對增強效果的主觀判斷。目前尚難確定一個普遍適用的統一評價標准，必須結合具體情況考慮需增強的要素，來選擇變換參數與變換演算法，並通過反復試驗，觀察變換結果，不斷調整，直至滿意為止。所以遙感圖像增強處理技術水平的提高過程，是理論指導下的實踐經驗積累，沒有理論指導，僅注重實踐，必進展遲緩，九事一功。反過來，僅掌握一般的圖像增強處理理論，而缺乏有關應用專業的理論素養與豐富經驗，則根本無法完成開發與提高遙感圖像應用處理技術水平的任務。

遙感圖像增強處理技術根據處理空間的不同，可分為基於圖像空間的空域方法和基於圖像變換的頻域方法兩大類。圖像變換問題已在上章討論過。空域增強處理主要是直接在灰度值上進行。每次對單個象元進行灰度增強處理稱為點處理；對一個象元周圍的小區域子圖像進行處理，稱為鄰域處理或模板處理。此外，根據圖像處理的范圍又可將增強處理技術分為全局（整幅圖像）處理和局部（部分圖像）處理兩種。後來，隨著彩色圖像的廣泛應用，發展了許多針對彩色圖像的增強處理方法，故又有灰度圖像和彩色圖像增強之分。總之，可採用的增強處理方法和演算法很多，本章主要對應用較廣泛的遙感圖像空域處理技術加以剖析，並順便對頻域的濾波處理技術做些簡要介紹。

⑥ 實驗七 遙感圖像反差增強處理

一、實驗目的

了解ENVI設置的主要反差增強處理功能及其技術操作實現，重點掌握線性對比度拉伸（Linear Contrast Stretch）反差增強處理和分段線性對比度拉伸（Piecewise Linear）反差增強處理的控制參數設置、動態調整和應用，通過效果和差異比較分析，加深對反差增強原理的理解。

二、實驗內容

（1）操作ENVI預設的四類反差增強處理方法——線性增強、高斯增強、直方圖均衡增強和平方根增強，比較其效果；

（2）遙感數字圖像的直方圖製作與分析；

（3）單波段遙感圖像線性對比度拉伸處理；

（4）單波段遙感圖像分段線性對比度拉伸處理。

三、實驗要求

預習本實驗，認真觀摩老師演示。四項實驗內容均需完成，而且要按照順序進行，即直方圖製作與分析、線性對比度拉伸（Linear Contrast Stretch）和分段線性對比度拉伸（Piecewise Linear）順序進行。測量結果存檔。編寫實驗報告。

四、技術條件

①微型計算機；②桂林市TM 1～7波段數據；③ENVI軟體；④Photoshop軟體（ver.6.0以上）和ACDSee軟體（ver.4.0以上）。

五、實驗步驟

（1）數據輸入。選擇「File>Open Image File」，出現文件目錄窗口，將桂林市TM 1～7波段數據調入「Available Bands List」窗口，待處理之用。

（2）操作ENVI預設的四類反差增強處理方法：游標點擊圖像主窗口上方的「Enhance」（增強處理），打開其下拉菜單，其中的[Image]、[Zoom]和[Scroll]三段區域內，從上到下都列出了線性、高斯、直方圖均衡和平方根增強四種反差增強處理方法。用滑鼠點擊其中一種方法的名稱，主窗口的圖像即實現該種方法增強處理的圖像結果。可以在ENVI運行狀態下，通過逐一開新窗口排列顯示各種增強處理結果。可以在ENVI運行狀態下，通過逐一打開新窗口排列顯示各種增強處理結果，以便比較。也可以將每種增強結果輸出為JPEG格式圖像，然後用Photoshop軟體打開它們來進行集合分析，如圖7-1所示。

圖7-1 ENVI預設的反差增強處理方法窗口

Linear為線性增強，Gaussain為高斯增強，Eqauilzaiton為直方圖均衡增強，Square Root為平方根增強

（3）直方圖製作：打開TM7波段圖像，在顯示主窗口上方的命令欄中，選擇「Enhance>Interactive Stretching」，出現線性對比度拉伸對話框，如圖7-2所示。圖中，窗口左邊框內為TM7波段圖像的灰度統計直方圖（Input Histogram）。其中，橫坐標左端標注的0為最小值，右端標注的92為最大值。縱坐標為每種灰度值占圖像全部灰度值的比例，數值范圍為0～1。圖中，TM7圖像的灰度直方圖具有左偏單峰的特徵，表明影像灰度值主要來自一個統計母體，但灰度數值偏小，因而圖像偏暗。

圖7-2 線性對比度拉伸對話框

（4）線性對比度拉伸：所謂的線性對比度拉伸，就是將圖像灰度的動態范圍擴大，即由原來的[0,92]范圍——左圖中的兩條垂直虛線之間的范圍，擴展到[0,255]范圍。由對比度增強計算公式知道，隨著圖像灰度動態范圍擴大，圖像反差就增大，從而圖像就變得清楚了。圖7-2右邊的圖為經過拉伸處理後被增強圖像的灰度直方圖。此時直方圖用數值的紅色線條表示。可見其在橫軸上的展布范圍要比沒拉伸前（即左邊直方圖）要寬得多。

由左直方圖還可見，該波段圖像的亮度概率分布只局限在很窄小的一個動態范圍內。圖中橫軸左右兩端的數值表示沒經處理前該波段圖像亮度的極小值和極大值。在直方圖峰值區兩側的兩道垂直虛線，是手控的極小值和極大值。該兩虛線與橫坐標的交點，是ENVI自動識別的（默認的）需要擴展的亮度動態范圍。通過滑鼠移動這兩條垂直虛線，可以調整直方圖到用戶所需的亮度動態范圍。下面需要做的事是：

1）根據直方圖形態及位置特徵，判斷該圖像屬於哪一類清晰程度的圖像，判斷結果填寫在表7-1中，

補充知識：直方圖有兩個峰值時，表明遙感圖像的亮度值由兩個統計母體組成；有三個或三個以上峰值時，表明遙感圖像的亮度值由三個或三個以上的統計母體組成。

2）根據圖形橫坐標讀取該動態范圍區間的數值，填寫在表7-1中；

3）移動兩條垂直虛線到不同位置，可以獲得不同增強效果的影像，將擴展後圖像清晰度效果填寫於表7-1中。

注意：每完成一次擴展處理，必須在「Available Bands…」窗口中，通過選項「File>Closed Selected File」關閉該波段圖像。

表7-1 桂林市TM 1～7波段線性對比度拉伸

4）存儲直方圖。在直方圖顯示欄中進行如下操作：「File>Save Plot As>Imag File…」，在「Output File Type」選項中，選擇JPEG輸出格式。通過【Choose】按鈕，輸出直方圖到指定的文件夾，取名為Plot-x.JPG,x為對應於圖像的波段號。

5）對TM1,2,3,4,5,6重復第1）～第4）操作步驟。建立TM1,2,3,4,5,6的直方圖的WORD文件，按照每行兩個直方圖編輯排版。

（5）分段線性對比度拉伸。

分段線性對比度拉伸可以通過使用滑鼠在輸入直方圖中旋轉幾個點進行交互地限定，各點之間的部分採用線性拉伸，具體操作步驟如下：

1）在線性對比度拉伸對話框中選擇「Stretch_Type>Piecewise Linear」，將會出現分段線性對比度拉伸對話框，如圖7-3所示。

圖7-3 分段線性對比度拉伸對話框

2）在分段線性對比度拉伸對話框中「Input Histogram」直方圖的任何位置點擊滑鼠中鍵，從而為轉換函數增加一個節點，繪制的線段將把端點和繪制的節點標記連接起來。

3）要移動一個點的位置，在標記上點擊滑鼠左鍵，然後把它拖放到一個新位置。

4）要刪除點，在標註上點擊右鍵。

5）點擊【Apply】按鈕，完成分段線性變換處理。

六、實驗報告

（1）簡述實驗過程。

（2）回答問題：①ENVl設計了哪些反差增強處理方法？②正偏、負偏、狹窄和平直形態的圖像亮度直方圖分別對應著遙感圖像的什麼問題？③根據表7-1數據結果，解釋為何通過調整直方圖——拉寬ENVI顯示的遙感圖像直方圖峰值區兩側的兩條垂直虛線就可以使遙感圖像增強？④通過對分段線性變換增強處理的操作實驗，你覺得該處理除能做圖像增強外，對遙感圖像信息處理還有何作用？

實驗報告格式見附錄一。

⑦ 遙感圖像處理的圖像增強的方法有哪些

影像縮小與放大、空間剖面、光譜剖面、對比度增強（線性、非線性）、波段比、空間濾波（空間卷積、傅立葉變換）、主成分分析、植被變換、紋理分析

⑧ 遙感圖像處理的處理方法

是提高遙感圖像的像質以利於分析解譯應用的處理。灰度增強、邊緣增強和圖像的復原都屬於圖像的整飾處理。
是將衛星圖像的像元雖然用256個灰度等級來表示，但地物反射的電磁波強度常常只佔256個等級中的很小一部分，使得圖像平淡而難以解譯，天氣陰霾時更是如此。為了使圖像能顯示出豐富的層次，必須充分利用灰度等級范圍，這種處理稱為圖像的灰度增強。
常用的灰度增強方法有線性增強、分段線性增強、等概率分布增強、對數增強、指數增強和自適應灰度增強6種。
1、線性增強：把像元的灰度值線性地擴展到指定的最小和最大灰度值之間；
2、分段線性增強：把像元的灰度值分成幾個區間，每一區間的灰度值線性地變換到另一指定的灰度區間；
3、等概率分布增強：使像元灰度的概率分布函數接近直線的變換；
4、對數增強：擴展灰度值小的像元的灰度范圍，壓縮灰度值大的像元的灰度范圍；
5、指數增強：擴展灰度值大的和壓縮灰度值小的像元的灰度范圍；
6、自適應灰度增強：根據圖像的局部灰度分布情況進行灰度增強，使圖像的每一部分都能有盡可能豐富的層次。 是一種重要的圖像處理方法，其基本原理是：像元的灰度值等於以此像元為中心的若干個像元的灰度值分別乘以特定的系數後相加的平均值。由這些系數排列成的矩陣叫卷積核。選用不同的卷積核進行圖像卷積，可以取得各種處理效果。例如，除去圖像上的雜訊斑點使圖像顯得更為平滑；增強圖像上景物的邊緣以使圖像銳化；提取圖像上景物的邊緣或特定方向的邊緣等。常用的卷積核為3×3或5×5的系數矩陣，有時也使用7×7或更大的卷積核以得到更好的處理效果，但計算時間與卷積核行列數的乘積成正比地增加。
圖像的灰度增強和卷積都是直接對圖像的灰度值進行處理，有時稱為圖像的空間域處理。 在數字信號處理中常用離散的傅里葉變換，把信號轉換成不同幅度和相位的頻率分量,經濾波後再用傅里葉反變換恢復成信號，以提高信號的質量。圖像是二維信息，可以用二維的離散傅里葉變換把圖像的灰度分布轉換成空間頻率分量。圖像灰度變化劇烈的部分對應於高的空間頻率，變化緩慢的部分對應於低的空間頻率。濾去部分高頻分量可消除圖像上的斑點條紋而顯得較為平滑，增強高頻分量可突出景物的細節而使圖像銳化，濾去部分低頻分量可使圖像上被成片陰影覆蓋的部分的細節更清晰地顯現出來。精心設計的濾波器能有效地提高圖像的質量。經傅里葉變換、濾波和反變換以提高圖像質量的處理，有時稱為圖像的空間頻率域處理。

⑨ 遙感圖像增強的方法，詳述一種演算法

在進行遙感圖像的增強處理前，應先經行預處理：幾何校正和輻射校正（當然，如果你拿到的圖像已被預處理過了，就沒有必要了）

遙感圖像的增強處理方法有光學增強處理和數字圖像增強處理（就是大部分要和電腦打交道的），現在由於電腦的普及，多是用電腦處理數字圖像。

數字圖像的處理方法有很多種，這要取決於你的目的。
數字圖像增強和變換：對比度增強（在erdas等數字圖像處理軟體中很容易就能實現的）；圖像波段間的比值（包含各波段間的加減運算，可以消除地形和大氣的部分影響）及各種指標提取（比如NDVI等用於植被的計算）；主成分分析（在原圖像的基礎上通過坐標空間的變換，消除冗餘信息）；纓帽變換（多用於農業上）；
數字圖像分類：監督分類；非監督分類；
http://wenku..com/view/bc726a6f58fafab069dc0268.html

⑩ 遙感圖像的邊緣增強

遙感系統成像過程中可能產生的「模糊」作用，常使遙感圖像上某些用戶感興趣的線性形跡、紋理與地物邊界等信息顯示得不夠清晰，不易識別。上節所述的各種通過單個象元灰度值調整的處理方法對此均難以奏效；需採用鄰域處理方法來分析、比較和調整象元與其周圍相鄰象元間的對比度關系，圖像才能得到增強，也就是說需要採用濾波增強技術處理。

圖5-17 頻率域濾波過程示意圖

u，υ為頻率域變數，u=0，1，2，3，…，M-1；υ=0，1，2，3，…，N-1。

頻率濾波增強圖像的邊緣和細節信息時，這類信息在圖上反映的連續性較突出，對比度增大，但如果地面沒有明顯的形跡顯示。信息反映得相當分散和微弱，則通過頻率域濾波的效果也不一定好，這時往往需要採用多波段圖像組合等處理才有可能取得較好的效果。頻率域濾波除上述低通濾波和高通濾波之外，還有帶通、帶阻濾波和同態濾波等，後者是一種在頻率域能同時壓縮圖像亮度范圍，又增強圖像各部分之間對比度的方法，各有不同的適用范圍和增強效果。