遥感原理与应用-图像增强.docx

实验三：遥感图像的增强处理 (3机时)　实验目的： 通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解实验内容：卷积增强处理；锐化增强处理；直方图均衡化；色彩变换ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能实验数据：wx98tm543.img（待校正图像）与wx98spot_pan.img（参考图像）校正的结果 wx98tm543_warp.img；ERDAS安装目录中的若干样例图像数据文件1、卷积增强（Convolution）空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的卷积增强（Convolution）是空间增强的一种方法卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征 卷积增强（Convolution）处理的关键是卷计算子----系数矩阵的选择该系数矩阵又称卷积核（Kernal）ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。

具体执行过程如下：ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement→convolution→convolution对话框图3-1 Convolution对话框几个重要参数的设置：边缘处理方法：（Handle Edges by）：Reflection卷积归一化处理：Normalize the Kernel2、直方图均衡化（Histogram Equalization）直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图注意：认真对比直方图均衡化前后图像差别，仔细观察直方图均衡化的效果图3-2直方图均衡化   3、主成分变换    主成分变换（Principal Component Analysis）是一种常用的数据压缩方法，它可以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，使图像数据更易于解译ERDAS IMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。

ERDAS 图标面板菜单条：Main →Image Interporeter→ Spectral Enhancement →Principial Comp →Pincipal Components对话框图3-3） 图3-3 Principal Component对话框4、色彩变换（RGB to IHS） 色彩变换是将遥感图像从红（R）、绿（G）、兰（B）三种颜色组成的色彩空间转换到以亮度（I）、色度（H）、饱和度（S）作为定位参数的色彩空间，以便使图像的颜色与人眼看到得更接近其中，亮度表示整个图象的明亮程度，取值范围是0-1；色度代表像元的颜色，取值范围为0-360；饱和度代表颜色的纯度，取值范围是0-1图3-4 RGB to HIS对话框 实验四：遥感信息的融合 (2机时)　实验目的：通过上机操作，初步掌握遥感信息融合的方法，深入理解遥感信息融合在信息解译中的意义实验内容：多光谱数据与高分辨率全色数据的融合     分辨率融合是遥感信息融合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。

实验数据：图像增强后的 wx98tm543_warp_EN.img与wx98spot_pan.img；ERDAS安装目录中的若干样例图像数据文件图4-1分辨率融合对话框。