欢迎来到天天文库
浏览记录
ID:36924897
大小:1.43 MB
页数:48页
时间:2019-05-11
《《遥感图像增强》PPT课件》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第五章遥感图像增强TM3NDVITM4NDVI第五章遥感图像增强突出有用信息,抑制或排除无用信息TM4、TM3、TM2的合成图NDVI、TM4、TM3的合成图第五章遥感图像增强5.1辐射增强5.2边缘增强5.3彩色增强5.4图像变换5.5影像信息融合5.6局部图像羽化处理技术★遥感图像的辐射增强:对图像上单个像素的灰度值进行处理,以突出像元之间的反差(对比度),从而改善图像视觉效果、突出有用信息.(遥感图像的灰度增强法)★实现方法:1.反差拉伸法:将输入图像上每个象素的灰度值按一些简单的数学关系式转换成输出图像上的灰度值,且大多数是扩大图像灰度值的动态范围、调整图像灰度值的分布.
2、该方法又可分为线性拉伸法、分段线拉伸法和非线性拉伸法.第一节辐射增强◆基于ERDAS的遥感图像辐射增强(线性拉伸法)两种途径:1)应用ModelMaker;2)应用LUTStretch(查找表拉伸)※反差拉伸法之线性拉伸法g(x,y)-a1◆f(x,y)=×(b2-b1)+b1(a2-a1)其中:g(x,y)为原图像的像元灰度,f(x,y)为拉伸后的像元灰度,a1、a2分别为原图像的最小灰度值和最大灰度值,b1、b2分别为拉伸后图像的最小灰度值和最大灰度值,并且b1a2途径1)应用ModelMaker:Modeler图标/ModelMaker※基于ERDAS的遥感图
3、像辐射增强(线性拉伸法)●在此,根据线性拉伸法的公式,设置并定义每一个对象图形(包括各种输入、函数和输出等)的有关参数与操作g(x,y)-a1◆f(x,y)=×(b2-b1)+b1(a2-a1)其中:g(x,y)为原图像的像元灰度,f(x,y)为拉伸后的像元灰度,a1、a2分别为原图像的最小灰度值和最大灰度值,b1、b2分别为拉伸后图像的最小灰度值和最大灰度值,并且通常b1a2b1、b2通常取0、255.----“FunctionDefinition对话框/Functions:Global”♣基于ERDAS的遥感图像最小和最大灰度值的求算途径2)应用LUTStret
4、ch(查找表拉伸):Interpreter图标/RadiometricEnhancement/LUTStretch※基于ERDAS的遥感图像辐射增强(线性拉伸法)◆分段线性拉伸法:将原图像上的灰度值划分成若干区段,然后按区段使用上述线性函数进行不同程度的线性扩展(对线性拉伸法的一种改进)※反差拉伸法之分段线性拉伸法g(x,y)-a1◆f(x,y)=×(b2-b1)+b1(a2-a1)其中:g(x,y)为原图像某个区段的像元灰度,f(x,y)为拉伸后的像元灰度,a1、a2分别为原图像某个区段的最小灰度值和最大灰度值,b1、b2分别为拉伸后图像的最小灰度值和最大灰度值,并且b15、、b2>a2◆非线性拉伸法:按非线性函数关系扩展原图像的灰度值,即对整个灰度值的动态范围以不等权的关系进行变换.(线性或分段线性拉伸法都是等比例地变换指定动态范围内的像元灰度值)◆实施方法:指数函数、对数函数等※反差拉伸法之非线性拉伸法第五章练习♣目的:应用ERDAS中的ModelMaker模块,对遥感图像进行线性拉伸处理.♣要求:拉伸后图像的最小灰度值和最大灰度值分别为1和255♣数据:tm12338.img★遥感图像的辐射增强:对图像上单个像素的灰度值进行处理,以突出像元之间的反差(对比度),从而改善图像视觉效果、突出有用信息.(遥感图像的灰度增强法)★实现方法:2.直方图增6、强法:通过修改图像直方图来改善图像的质量.该方法又可分为直方图均衡化、直方图匹配等.第一节辐射增强*数字图像的直方图平均灰度值最小灰度值最大灰度值灰度值(122)出现的频率(125)通过像元亮度直方图可以判断影像质量:每一幅影像都可以求出其像元亮度值的直方图,观察直方图的形态,可以粗略地分析影像的质量。一般来说,一幅包含大量像元的影像,其像元亮度值应符合统计分布规律,即假定像元亮度随机分布时,直方图应是正态分布的。实际工作中,若影像的直方图接近正态分布,则说明影像中像元的亮度接近随机分布,是一幅适合用统计方法分析的影像。当观察直方图形态时,发现直方图的峰值偏向亮度坐标轴左侧,则说7、明影像偏暗。峰值偏向坐标轴右侧,则说明影像偏亮,峰值提升过陡、过窄,说明影像的高密度值过于集中,以上情况均是影像对比度较小,影像质量较差的反映。从直方图形态判断影像质量◆直方图均衡化(HistogramEqualization):以图像灰度值的累积概率函数为基础的直方图修正法,实质上是对图像进行非线性拉伸,重新分配像元值,使一定灰度范围的像元数量大致相等,从而有效地扩大图像主体部分的反差或对比度(图3.5图像均衡化的特点---P41)◆实施方法:Interpreter图标/Rad
5、、b2>a2◆非线性拉伸法:按非线性函数关系扩展原图像的灰度值,即对整个灰度值的动态范围以不等权的关系进行变换.(线性或分段线性拉伸法都是等比例地变换指定动态范围内的像元灰度值)◆实施方法:指数函数、对数函数等※反差拉伸法之非线性拉伸法第五章练习♣目的:应用ERDAS中的ModelMaker模块,对遥感图像进行线性拉伸处理.♣要求:拉伸后图像的最小灰度值和最大灰度值分别为1和255♣数据:tm12338.img★遥感图像的辐射增强:对图像上单个像素的灰度值进行处理,以突出像元之间的反差(对比度),从而改善图像视觉效果、突出有用信息.(遥感图像的灰度增强法)★实现方法:2.直方图增
6、强法:通过修改图像直方图来改善图像的质量.该方法又可分为直方图均衡化、直方图匹配等.第一节辐射增强*数字图像的直方图平均灰度值最小灰度值最大灰度值灰度值(122)出现的频率(125)通过像元亮度直方图可以判断影像质量:每一幅影像都可以求出其像元亮度值的直方图,观察直方图的形态,可以粗略地分析影像的质量。一般来说,一幅包含大量像元的影像,其像元亮度值应符合统计分布规律,即假定像元亮度随机分布时,直方图应是正态分布的。实际工作中,若影像的直方图接近正态分布,则说明影像中像元的亮度接近随机分布,是一幅适合用统计方法分析的影像。当观察直方图形态时,发现直方图的峰值偏向亮度坐标轴左侧,则说
7、明影像偏暗。峰值偏向坐标轴右侧,则说明影像偏亮,峰值提升过陡、过窄,说明影像的高密度值过于集中,以上情况均是影像对比度较小,影像质量较差的反映。从直方图形态判断影像质量◆直方图均衡化(HistogramEqualization):以图像灰度值的累积概率函数为基础的直方图修正法,实质上是对图像进行非线性拉伸,重新分配像元值,使一定灰度范围的像元数量大致相等,从而有效地扩大图像主体部分的反差或对比度(图3.5图像均衡化的特点---P41)◆实施方法:Interpreter图标/Rad
此文档下载收益归作者所有