遥感图像辐射增强方法分析【毕业论文+开题报告+文献综述】

《遥感图像辐射增强方法分析【毕业论文+开题报告+文献综述】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

本科毕业论文开题报告海洋技术遥感图像辐射增强方法分析一、综述本课题国内外研究动态，说明选题的依据和意义1、国内外研究动态对遥感图像进行一系列的操作，以求达到预期目的技术称为遥感图像处理。遥感图像处理可分为两类：一是利用光学、照相和电子学的方法对遥感模拟图像(照片、底片)进行处理，简称为光学处理；二是利用计算机对遥感数字图像进行一系列操作，从而获得某种预期结果的技术，称为遥感数字图像处理。遥感图像光学处理方法已有很长的历史，但它处理的精度不高、稳定性差、设备笨重、操作不便和工艺水平不高等因素限制了它的发展速度。20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。1921年年底提出了一种基于光学还原的新技术。这一时期引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法，使灰度等级从5个灰度级增加到15个灰度等级，明显改善了图像复原的效果。20世纪60年代早期第一台能够执行数字图像处理任务的大型计算机制造的制成，标志着利用计算机技术处理数字图像时代的到来。1964年，研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备，采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理，成功地绘制出了月球表面地图。之后他们又对1965年“徘徊者8号”发回的几万张照片进行了较为复杂的数字图像处理，使图像质量进一步提高。这些成绩使得 JPL更加重视对数字图像处理地研究和设备的改进，并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理，最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。　　进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。直方图均衡处理是图像增强技术常用的方法之一。在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。人们运用数字图像增强技术处理和分析遥感图像，以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害的监视等。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。2、选题依据图像处理技术在第三代计算机问世后得到了迅速发展。1963年，美国喷气推进实验室处理了太空船“徘徊者七号”发回的月球照片，这表示图像处理开始得到实用。目前，图像处理技术发展迅速，其应用领域也越来越广。当前图像处理的发展趋势是改进现有的方法，研究新的处理方法与系统，以获取更好的效果；同时，开拓更为广泛的应用领域。遥感图像是图像的一种，根据其采集方式主要分为卫星遥感图像与航空遥感图像两大类，它正日益广泛地应用于军事、经济、科研及社会生活等多种领域，各个应用领域都是通过对遥感图像的处理、解译来解决实际问题的，随着计算机的发展，遥感图像处理技术将会变的越来越重要。然而遥感图像在成像过程中受传感器性能下降、大气扰动等因素影响，导致有些遥感图像的目视效果较差，例如对比度不够、图像模糊；有些图像总体目视效果较好，但对所需要的信息，如边缘部分或线状地物不够突出；有些图像波段多数据量大，例如TM 图像，但各波段的信息量存在一定的相关性等等，这对进一步的分析、识别和理解造成困难，既影响工作又造成资源浪费。针对上述问题，需要探索去除这些不利因素的数学模型和处理技术，对图像进行增强处理，力求消除对遥感图像的种种干扰，使图像得以有效的恢复，得以挽回那些看来己没有使用价值的图片，这对于相关应用领域的发展有着很重要的意义。图像增强是数字图像处理的基本内容，根据图像的模糊情况利用各种数学方法和变换算法提高图像中的对象与非对象像的对比度与图像清晰度。对象指所研究的目标，非对象指对象以外的背景，从而突出图像中重要的信息，消弱或消除不需要的信息，增大图像中不同物体特征之间的差别，一方面可以改善人眼对原始图像的视觉效果，提高图像的清晰度，以便进一步处理或分析；另一方面在计算机自动识别中可以使原始图像信息转换成便于机器感知、理解和分析的形式，提高处理和分析的质量。遥感图像增强处理的主要着眼点在于改进图像显示，提高遥感图像的视觉效果和可解译性，使遥感应用者易于从经过增强处理的遥感图像上获得所感兴趣的有用信息，快速实现从遥感数据向有用信息的转化。它是为特定的目的，用各种数学方法和变换算法提高图像某灰度区域的反差、对比度与清晰度，从而提高图像显示的信息量，使图像更易判读。随着遥感技术的飞速发展及图像分辨率的提高，对改善遥感图像质量的处理技术要求越来越高，现有的处理手段已不能满足新的需求。在遥感应用研究中，得到经过正确增强处理以后形成的高清晰图像，对展开以后的工作具有重要的作用。3、选题意义分析遥感图像增强方法，结合实际情况选择适当的增强方法对遥感图像进行处理，最大限度地消除对判读有干扰的因素，突出图像需要的信息，削弱或除去不需要的信息，以达到改善图像的显示质量，提高影像的可判读性的目的，以利于信息的提取和识别。针对不同遥感图像采用不同增强方法是今后继续努力的方向。二、研究的基本内容，拟解决的主要问题：基本内容：本论文主要通过查找文献资料，归纳遥感图像增强方法，了解各种方法之间的关系与特点，分析实际情况中各种情况适用的条件。拟解决的主要问题：1、理解常用遥感图像辐射增强方法2、了解常用遥感图像辐射增强的原理3、分析各种遥感图像辐射增强法的优缺点与适用条件 三、研究步骤、方法及措施：1、利用学校图书馆，查找相关文献资料，做好相应的摘录笔记；2、整理所得材料，并和指导老师讨论相关但较难懂的论文，写好文献综述；3、在材料准备充分的前提下，列出论文的提纲；4、着手论文的撰写以及论文的修改。四、参考文献[1]蔡丽娜，李长胜；遥感图像的色彩增强，测绘与空间地理信息，2005年04期[2]卫亚星，王莉雯；遥感图像增强方法分析，测绘与空间地理信息，2006年04月第29卷第2期[3]周云，符思涛；遥感图像色彩增强处理方法探讨，测绘与空间地理信息，2010年8月第33卷第4期[4]赵巍，张向前；遥感图像解译中的增强技术，测绘信息与工程，1997年第3期[5]丁宇虹；遥感图像辐射矫正与增强的研究与进展，科学之友，2009年10期[6]蒋芳，汪权方；运用MATLAB的遥感图像增强方法，地理空间信息，2011年2月第9卷第1期[7]董增寿，张凤春，刘明君；卫星遥感图像增强处理方法研究，计算机仿真，2009年04期[8]黄永璘，何立，王君华，罗永明；卫星遥感图像的增强处理，广西气象，2006年03期[9]张冰，林岚岚，腾鹏飞；浅谈遥感图像增强的处理，防护林科技，2006年3月第2期[10]高洪良，胡圣武；模糊技术在遥感图像处理中的应用以及存在问题分析，测绘科学，2008年10月第22卷增刊[11]王志杰，谭伟，罗扬；两种遥感图像增强方法对图像分类的适宜性分析，山地农业生物学报，2008年04期[12]王智文，李绍滋，刘美珍，周健；基于正交小波变换和伪彩色的遥感图像增强，计算机测量与控制，2010年07[13]张凤春，董增寿，刘明君；基于局部方差均衡的遥感图像增强方法，仪器仪表学报，2008年4月第29卷第4期增刊[14]赵艳飞，高清维，卢一相；基于多尺度Retinex 算法的遥感图像增强，计算机技术与发展，2008年2月第18卷第2期 毕业设计文献综述海洋技术遥感图像辐射增强方法研究进展[摘要]：遥感技术是指在远离被测物体或现象的位置上，使用一定的仪器设备，接收、记录物体或现象反射或发射的电磁波信息，经过对信息的传输、加工处理及分析与解译，对物体及现象的性质及其变化进行探测和识别的理论与技术。目前，遥感技术除广泛应用于地质、农业、林业、环境、生态与工程外，还在工业、城建、医疗、病源、灾害预测等方面得到应用[1]。由于遥感图像在民用方面和军用方面等诸多领域都有广泛的应用，因此受到人们的广泛关注。然而，通常遥感传感器获取的遥感图像的灰度范围并不能充满遥感传感器所能达到的整个灰度级范围。因此，大多数遥感图像都存在着视觉对比度差、分辨率低的缺点。由于遥感图像的这一缺点，使得遥感图像增强在遥感图像的处理中占有独特的地位，而且是对遥感图像进行后继处理的重要预处理步骤。[关键词]：遥感；图像增强；分析AnalysisofRemoteSensingImageRadiationEnhancementMethods[Abstract]：Remotesensingtechnologyisfarfromthelocationofthemeasuredobjectorphenomenon,theuseofcertainequipment,receiving,recordingobjectsorphenomenaofelectromagneticwavesreflectedortransmittedinformationthroughthetransmissionofinformation,processingandanalysisandinterpretationofobjectsandphenomenaofnatureandthedetectionandidentificationofchangesinthetheoryandtechnology.Atpresent,remotesensingtechnologyiswidelyusedinadditiontogeology,agriculture,forestry,environment,ecologyandengineering,butalsoindustrial,urbanconstruction,medicalcare,thedisease,disasterpredictionandotheraspectsofapplication[1].Remotesensingimagesinthecivilianandmilitaryaspectsofsuchtermshavewideapplicationsinmanyfields,sobythepeople'sattention.Often,however,remotesensorsforremotesensingimageandgray-scalerangeofremotesensorsthatcanbeachievedcannotbefilledthewholegraylevelrange.Therefore,theexistenceofthemajorityofremotesensingimagesarethevisualcontrastispoor,thedisadvantageoflowresolution.Becauseoftheshortcomingsofremotesensingimages,makingtheremotesensingimageenhancementofremotesensingimageprocessinginauniqueposition,andsubsequent remotesensingimageisanimportantpre-processingstep.[Keyword]:Remotesensing;imageenhancement;Analysis1遥感技术的发展情况20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。1921年年底提出了一种基于光学还原的新技术。这一时期引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法，使灰度等级从5个灰度级增加到15个灰度等级，明显改善了图像复原的效果。20世纪60年代早期第一台能够执行数字图像处理任务的大型计算机制造的制成，标志着利用计算机技术处理数字图像时代的到来。[2]1964年，研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备，采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理，成功地绘制出了月球表面地图。[3]之后他们又对1965年“徘徊者8号”发回的几万张照片进行了较为复杂的数字图像处理，使图像质量进一步提高。这些成绩使得JPL更加重视对数字图像处理地研究和设备的改进，并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理，最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。直方图均衡处理是图像增强技术常用的方法之一。在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。人们运用数字图像增强技术处理和分析遥感图像，以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害的监视等。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。[4]例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。 2遥感图像增强的主要方法2.1线性变换线性变换是一种改善图像可视反差的方法。在大多数原始数据中，数据文件值通常集中在一个低于显示设备显示能力的范围内。我们可以利用每个波段的均值和标准偏差来确定数据值的拉伸范围，并指定距离均值的标准偏差值用于反差拉伸。如果数据有一个正常的分配，那么这个拉伸范围大约涵盖数据的95%。因数据文件值的最小和最大值通常不能够代表绝大多数数据，因此常用均值和标准偏差分别代替两者。[5]线性变换是将原始图像各亮度值按线性关系进行变换，使图像的亮度范围扩展到任意指定范围或整个动态范围。线性变换是图像增强处理最常用的方法，采用的变换公式为：式中T为变换函数，A、B为变换参数，由原始图像和变换图像的灰度值动态范围决定。线性变换通常分为普通线性变换和分段线性变换两种。前者是按比例扩大原始灰度级的范围，以充分利用显示设备的动态范围，使变换后图像的直方图的两端达到饱和。而在实际工作中，后者能够更好地调节图像的对比度。（1）普通线性变换。假设变换前图像的亮度范围f为a1～a2，变换后图像的亮度范围g为b1～b2，一般要求b1＜a1，b2＞a2，普通线性变换如图1所示，变换方程为则普通线性变换将原始图像的灰度范围不加区别地扩展，缺乏针对性。（2）分段线性变换。在实际应用中，为了突出图像中感兴趣的对象，更好地调节图像的反差，需要在一些灰度段拉伸，而在另一些灰度段压缩，这种变换称为分段线性变换。分段线性变换如图2所示，在变换坐标系中成为折线，折线间断点的位置根据需要决定，对应的变换函数在不同的区间有不同的线性方程：第一段：第二段： 第三段：图1线性变换图2分段线性变换Fig.1LineartransformationFig.2Piecewiselineartransformation2.2非线性变换非线性辐射增强可以用于逐渐地增加或减少一段范围内的反差，不用有相同大小的斜率(坡度)。通常，非线性增强在拉大一段区域内的反差的同时减少了其他区域的反差。非线性变换常用指数变化和对数变换来达到增强的目的。指数变换。指数变换的变换函数曲线如图4所示，它在亮度值较高的部分扩大亮度间隔，属于拉伸；而在亮度值较低的部分缩小亮度间隔，属于压缩。函数表达式为式中，a、b、c为可调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。对数变换。对数变换的变换函数曲线如图图5所示，与指数变换相反，它在亮度值较低的部分拉伸扩展，而在亮度值较高的部分压缩，其数字表达式为g=blg式中：a、b、c仍为可调参数，由使用者决定其值。 2.3直方图修改通过扩大或改变灰度的值域范围，或者改变灰度值的分布模式，可以提高图像的清晰度。[6]（1）直方图均衡化。把原图像的直方图通过变换函数调整为均衡直方图，然后按照均衡直方图调整原图像。直方图均衡化的实质是扩大像元亮度的动态范围，强调产生一幅灰度级具有均匀密度的图像。（2）直方图规定化。[7]在实际应用中，希望能够有目的地增强某个灰度区间的图像，即能够人为地修正直方图的形状，使之与期望的形状相匹配，这就是直方图规定化的基本思想。[8]换句话说，希望可以人为地改变直方图形状，使之成为某个特定的形状，直方图规定化就是针对上述要求提出来的一种增强技术，它可以按照预先设定的某个形状来调整图像的直方图。直方图规定化是在运用均衡化原理的基础上，通过建立原始图像和期望图像之间的关系，选择地控制直方图，使原始图像的直方图变成规定的形状，从而弥补了直方图均衡不具备交互作用的特性[9]。3结论与讨论卫星遥感技术已成为获取地球资源与环境信息的重要手段。[10]随着各类遥感传感器技术水平的不断提高以及高分辨率技术的发展，多源、多时相、多分辨的遥感影像数据将会越来越多，对应用的精度要求也会越来越高。图像增强技术作为遥感图像处理的重要手段，其在遥感信息应用处理中的作用也会更加重要[11]。参考文献[1]杨宇，吴田；基于GIS的输电线路智能化运行与管理技术，中国科技纵横，2010年24期[2]黄永璘，何立，王君华，罗永明；卫星遥感图像的增强处理，广西气象，2006年03期[3]王志杰，谭伟，罗扬；两种遥感图像增强方法对图像分类的适宜性分析，山地农业生物学报，2008年04期[4]潘振赣，龚声蓉；浅谈数字图像处理技术的基本原理，电脑知识与技术，2010年06期[5]常庆瑞，蒋平安，周勇，申广荣，李瑞雪，赵鹏祥；遥感技术导论(P219-P220) ，科学出版社[6]常庆瑞，蒋平安，周勇，申广荣，李瑞雪，赵鹏祥；遥感技术导论(P221-P222)，科学出版社[7]冯清枝，直方图修正的图像增强技术，广东公安科技，2004年第2期[8]FelipeCastroSilva1，LucianoVieiraDutra1，LeilaMariaGarciaFonseca1，ThalesSehnKorting；UrbanRemoteSensingImageEnhancementUsingaGeneralizedIHSFusionTechnique，NationalInstituteForSpaceResearch[9]江巨浪，张佑生，薛峰，胡敏；保持图像亮度的局部直方图均衡算法，电子学报，2006年05期[10]杨昕，汤国安，邓凤东，吕恒；ERDAS遥感数字图像处理实验教程，科学出版社，2009年1月出版[11]SubrajeetMohapatra，PankajKumarSa，BanshidharMajhi；Impulsivenoiseremovalimageehancement 本科毕业论文（20届）遥感图像辐射增强方法分析 目录中文摘要I英文摘要II引言1国内外研究现状3研究概述41.1课题研究内容与主要方法41.2实验方案41.3技术流程4图像处理72.1几何校正72.2遥感图像辐射增强72.2.1查找表拉伸72.2.2直方图均衡化112.2.3直方图的匹配132.2.4亮度反转162.2.5去霾处理172.2.6降噪处理192.2.7去条带处理202.3图像融合212.3.1主成分融合222.3.2乘积变换融合232.3.3Brovey变换242.4融合后图像的增强处理252.4.1查找表拉伸252.4.2直方图均衡化262.4.3直方图匹配27结果与讨论28参考文献29致谢30 [摘要]：本研究在ERDASIMAGINE9.2专业遥感图像处理软件基础上对舟山海域2002年Landsat7ETM多光谱影像和全色影像进行了处理，先列举查找表拉伸、直方图均衡化、直方图匹配、亮度反转、去霾处理、降噪处理、去条带处理几种常见的遥感图像辐射增强方法，对舟山地区的ETM图像进行分析；再通过主成分融合、乘积变换融合、Brovey变换融合后辐射增强处理，与直接进行辐射增强的图像相对比：虽然在提高空间分辨率的同时，影像的光谱信息会减弱。但优点是提高了图像的空间分辨率，又保持了多光谱信息的光谱特性。其中乘积变换融合后图像的细节表现能力不错，地物纹理清晰，对山地、河流、海洋显示效果明显，只是在一定程度上存在光谱失真现象。Brovey变换后图像中地物细节表现较强，利于提取地物信息。主成分变换后图像提高了影像分辨率，整体效果不错能较好地保持多光谱的光谱特性，只是亮度特征较原图稍暗，色彩对比度不强。[关键词]：遥感；图像；融合；辐射增强I [Abstract]:TheremotesensinginERDASIMAGINE9.2imageprocessingsoftwareprofessionalbasedontheZhoushanseaareain2002Landsat7ETMmulti-spectralimageandpanchromaticimageswereprocessed,thefirstlookuptablelistsstretching,histogramequalization,histogrammatching,brightnessreversaltohazeprocessing,noisereduction,todealwithseveralcommonbandsofradiationenhancementofremotesensingimage,ETMimageofZhoushanareaanalysis;andthenthroughtheprincipalcomponentintegration,producttransformfusion,Broveytransformfusionafterradiationtreatment,directradiationandtherelativeratiooftheimage:whileatthesametimeimprovingthespatialresolution,spectralinformationoftheimagewillbeweakened.Buttheadvantageistoimprovethespatialresolutionoftheimage,whilemaintainingthespectralcharacteristicsofmulti-spectralinformation.Oneproductofthetransformimagefusionperformanceisverygooddetail,thefeaturetextureclear,onthemountains,rivers,oceansdisplayobvious,butthereisacertaindegreeofspectraldistortion.Broveydetailsofthetransformedimagesurfacefeaturesastrongperformance,whichwillhelpextractinformationaboutsurfacefeatures.PCAtoimprovetheimageresolutionaftertheimage,theoverallgoodresultscanbettermaintainthespectralcharacteristicsofmulti-spectral,butthebrightnessdarkerfeaturesthanoriginal,thecolorcontrastisnotstrong.[Keywords]:remotesensing；image；fusion；radiometricenhancementIIII 引言遥感是以航空摄影技术为基础，20世纪60年代初发展起来的一门新兴技术。开始为航空遥感，自1972年美国发射了第一颗陆地卫星后，标志着航天遥感时代的开始。经过几十年的迅速发展，遥感技术已广泛应用于资源环境、水文、气象、地质地理等领域，成为一门实用、先进的空间探测技术[1]。联合国运用卫星对地球进行遥感研究小组对遥感下的定义：“观测物质或近地目标从紫外线到微波的某些波长的电磁发射现象”。详细地说，就是运用现代运载工具和电子、光学仪器，以主动和被动方式接受地(水)表或其以下一定深度处的研究对象发射或反射从紫外线到微波的，能通过大气的某些波段的电磁波信息，经过加工处理，获得研究对象的有用信息，达到探测目标物的整个信息的接收、传输、处理和应用处理。它是随着空间技术的出现而出现的，属于空间科学，被称之为宇宙中的“眼睛”[2]。在遥感应用研究中，得到经过正确处理以后形成的高清晰图像，对展开以后的工作具有重要的作用。很多历史资料由于材质和时间的原因，整幅图片色泽偏暗，亮度范围不足或非线性等因素造成对比度不足，影响观看效果，结合人眼对灰度的感觉，如果相邻两个物体目标灰度相差比较小，超过人眼对灰度差的感知能力，人眼就无法区分这不同的两个物体，从而导致无法看清楚图片，这就需要对图片做出一些处理，使图片的灰度差和整体色泽有所改善，以达到人眼观看的效果。图像处理的原始目的就是改善图像，使看不清的目标能够看得清楚，因此，对数字图像识别分析的全过程，都要求图像得到改善以适应人的肉眼，为了达到这个目的，除了首先需要去除噪声之外，还需要分辨灰度细节，解决灰度的扩展和图像鲜明化问题。图像改善最常用的方法是图像增强，以改善图像的视觉效果，把图像处理成为适用于计算机分析或控制的形式，图像增强是突出图像需要的信息，削弱或除去不需要的信息的处理方法，以达到改善图像的目的。它并不能完全满足原始图像的一些视觉特性，为了达到图像增强的效果，图像往往会发生变化，产生畸变，但是对人的肉眼的感觉而言，畸变后的图像反而更清晰，观感也更舒服，因此，图像增强不顾及原始图像是否发生了畸变，只以符合肉眼观感和找出特征为条件，图像增强内容包括：去除图像噪声，抽取图像中某些目标轮廓，图像的勾边处理，提取图像中的特征等技术，通过直方图均衡化技术来实现图像增强，首先对原图像通过离散函数进行直方图处理。得到原图像的直方图后，根据均衡化的变换函数通过计算得到需要的增强效果的图像的直方图，分析图像增强的点处理、空间域滤波、频域滤波、代数运算。用直方图均衡化的算法增强灰度图像，达到了图像增强的目的。[8]1 1957年苏联成功发射第一颗人造地球卫星，标志着人类进入了航天遥感时代。到目前为止，包括中国在内的十几个国家已经向宇宙空间发射了数千颗人造卫星，它们广泛应用于军事、通讯、教育、导航、天文和地球资源观测等领域，其中Landsat卫星（原名地球资源技术卫星ERTS（Earthresourcetechmtogysatellite），它是美国国家航空和航天局（NASA）发射的用来获取地球表面图像的一种遥感平台，以观察陆地环境和资源为主。）[3]是目前世界范围内应用最广泛的民用对地观测卫星，在围绕地球的轨道上运转，获取了数百万幅有价值的图像。图像上载有丰富的地面信息，在农业、林业、生态、地质、地理、气象、水文、海洋、环境污染、地图测绘等方面得到了广泛的应用。TM图像为专题绘图仪（ThematicMapper）获取的图像。从Landsat-4起，发射的卫星上加装了专题绘图仪（TM）来获取地球表层信息。[3]TM在光谱分辨率、辐射分辨率和地面分辨率都比MSS图像有较大的改进。在光谱分辨率方面，它采用7个波段来记录遥感器获取的目标地物信息；在辐射分辨率方面，Tm采用双向扫描，改进了辐射测量精度，目标地物模拟信号经过模数转换，以256级辐射亮度来描述不同地物的光谱特性；在地面分辨率方面，TM瞬间视场对应的地面分辨率为30m（第6波段除外）。[3]ETM，是EnhancedThematicMapper的缩写，意为“增强型专题绘图仪”，是TM的增强型，具有8个波段的扫描式光学成像仪器，ETM与TM的波段、光谱特性和分辨率基本相似，最大变化是（1）增加了分辨率为15m的全色波段PAN（0.52～0.90μm）；（2）波段6的分辨率由120m提高到60m；（3）辐射定标误差率小于5%，比Landsat5提高1倍。1 0国内外研究现状20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。1921年年底提出了一种基于光学还原的新技术。这一时期引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法，使灰度等级从5个灰度级增加到15个灰度等级，明显改善了图像复原的效果。20世纪60年代早期第一台能够执行数字图像处理任务的大型计算机制造的制成，标志着利用计算机技术处理数字图像时代的到来。[7]1964年，研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备，采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理，成功地绘制出了月球表面地图。[8]之后他们又对1965年“徘徊者8号”发回的几万张照片进行了较为复杂的数字图像处理，使图像质量进一步提高。这些成绩使得JPL更加重视对数字图像处理地研究和设备的改进，并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理，最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。直方图均衡处理是图像增强技术常用的方法之一。在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。人们运用数字图像增强技术处理和分析遥感图像，以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害的监视等。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。[9]例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。3 1研究概述1.1课题研究内容与主要方法本课题的研究内容是通过利用ERDASIMAGINE11对ETM+遥感图像的处理，对遥感图像增强方法的分析，研究的主要过程是：1.利用所研究的遥感数据，对遥感图像进行预处理2.利用几种遥感图像增强方法对图像进行处理3.对处理后的遥感图像进行分析1.2实验方案(1)对遥感图像进行预处理，包括辐射校正、几何变形改正、消除条带和噪音等(2)对图像进行增强,如直方图均衡化、直方图匹配、亮度反转、去霾处理等(3)图像融合，对融合后的图像增强处理，对比未被融合的图像(4)分析遥感图像增强效果，讨论结果1.3技术流程遥感图像表征了地物波谱辐射能量的空间分布，辐射能量的强弱与地物的某些特性相关。现代遥感技术获取的资料容纳了大量的信息，如果我们仅用传统的目视解译方法进行解译，必然造成很大的浪费。为了挖掘遥感资料的信息潜力，提高解译效果，必须用先进技术方法对原始图像进行一系列图像处理，使影像更为清晰，目标物体的标志更明显突出，易于识别。图像处理虽然未增加图像的信息量，但改善了图像的视觉条件，提高了可辨性，是遥感图像分析研究的一种有效手段。遥感图像处理的内容包括：图像复原、图像增强和图像分类。其中图像增强是指利用光学仪器或电子计算机等手段，改变图像的表现形式和影像特征，使图像变得更加清晰可判，目标物更加突出易辨。图像处理的方法主要有两类：光学处理和电子计算机数字图像处理。近年来，随着计算机数字图像处理技术的发展，遥感图像的计算机处理越来越普及；而光学处理由于对仪器设备和处理环境要求较高，除专门的的遥感资料信息中心外，使用者越来越少，并且光学处理的内容和形式大都可以运用计算机处理代替。4因此，光学处理有被计算机处理替代的趋势。遥感图像的数字图像处理是将传感器所获得的数字磁带，或经数字化的图像胶片数据，用电子计算机进行各种处理和运算，提取出各种有用的信息，从而通过图像数据去了解、分析物体和现象的过程。4 5遥感数字图像处理涉及了数据的来源，数据的处理以及数据的输出，这就是处理的三个阶段：输入、处理和输出，处理过程如图1地物的反射、发射扫描仪等摄影机等1次处理（变换到CCT等通用载体上）通过胶片扫描仪进行A/D变换数字图像再生、校正处理等分类处理变换处理分类图像变换图像数字数据模拟数据地理信息系统等数字处理系统彩色CRT及胶片等模拟系统6 图1遥感数字图像处理过程Fig.1Remotesensingdigitalimageprocessing由于数字图像处理工作是在计算机和显示设备上完成的，因此图像分析处理软件是必须的。本研究利用的图像分析处理软件是ERDASIMAGINE9.2。ERDASIMAGINE是美国ERDAS公司开发的遥感图像处理系统。[10]它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具，不但提供了数据转换、图像增强和图像解译等常规的图像处理功能，还增加了很多功能。例如在传统多光谱分类方法基础上，ERDAS提供了专家工程师及专家分类器工具，为高光谱、高分辨率图像的快速高精度分类提供了可能。ERDAS代表了遥感图像处理系统未来的发展趋势。目前ERDASIMAGINE软件是世界上占最大市场份额的专业遥感图像处理软件。6 2图像处理2.1几何校正由于遥感平台位置和运动状态的变化、地形起伏、地球表面曲率、大气折射、地球自转等因素的影响，遥感图像在几何位置上会发生变化，产生诸如行列不均匀，像元大小与地面大小对应不准确，地物形状不规则变化等畸变，称为遥感图像的几何畸变。产生畸变的图像给定量分析及位置配准造成困难，因此在遥感数据接收后需要对图像进行几何校正以使其能够反映出接近真实的地理状况。遥感影像相对于地图投影坐标系统进行配准校正，即要找到遥感影像与地图投影坐标系统之间的数字函数关系，通过这种函数关系可计算出原遥感影像中每个像元在地图投影坐标系统上的位置从而得到校正后的图像。2.2遥感图像辐射增强辐射增强是一种通过直接改变图像中的像元的灰度值来改变图像的对比度，从而改善图像视觉效果的图像处理方法。人的眼睛鉴别图像时能够分辨20级左右的灰度级，而显示设备显示灰度的动态范围要大得多。[2]例如，计算机显示器能够显示256个灰度级，灰度值范围为0～255。因此，辐射增强能够使一幅图像充分利用成像设备，达到最佳动态范围，改善目视效果。一般来说，原始遥感数据的灰度值范围比较窄，这个范围通常比显示器的显示范围小得多。增强处理可以将其灰度范围拉伸到0～255的灰度级之间来显示，从而使图像对比度提高，视觉效果得以改善。辐射增强主要以图像的灰度直方图作为分析处理的基础。2.2.1查找表拉伸查找表拉伸（LUTStretch）是遥感图像对比度拉伸的总和，通过修改图像查找表使图像像元值发生变化。可以根据对查找表的定义实现线性变换、分段线性变换和非线性变换等处理。[11]线性变换是一种改善图像可视反差的简单方法。在绝大多数原始数据中，数据文件值通常集中在一个低于显示设备显示能力的范围内。我们可以利用每个波段的均值和标准偏差来确定数据值的拉伸范围，并指定距离均值的标准偏差值用于反差拉伸。如果数据有一个正常的分配，那么这个拉伸范围大约涵盖数据的95%。因数据文件值的最小和最大值通常不能够代表绝大多数数据，因此常用均值和标准偏差分别代替两者。7 线性变换是将原始图像各亮度值按线性关系进行变换，使图像的亮度范围扩展到任意指定范围或整个动态范围。线性变换是图像增强处理最常用的方法，采用的变换公式为：(2.1)式中T为变换函数，A、B为变换参数，由原始图像和变换图像的灰度值动态范围决定。[3]线性变换通常分为普通线性变换和分段线性变换两种。前者是按比例扩大原始灰度级的范围，以充分利用显示设备的动态范围，使变换后图像的直方图的两端达到饱和。而在实际工作中，后者能够更好地调节图像的对比度。（1）普通线性变换。假设变换前图像的亮度范围f为a1～a2，变换后图像的亮度范围g为b1～b2，一般要求b1＜a1，b2＞a2，普通线性变换如图2所示，变换方程为则(2.2)普通线性变换将原始图像的灰度范围不加区别地扩展，缺乏针对性。（2）分段线性变换。在实际应用中，为了突出图像中感兴趣的对象，更好地调节图像的反差，需要在一些灰度段拉伸，而在另一些灰度段压缩，这种变换称为分段线性变换。分段线性变换如①所示，在变换坐标系中成为折线，折线间断点的位置根据需要决定，对应的变换函数在不同的区间有不同的线性方程：第一段：第二段：(2.3)第三段：89 图2线性变换图3分段线性变换Fig.2LineartransformationFig.3Piecewiselineartransformation（3）非线性变换。非线性辐射增强可以用于逐渐地增加或减少一段范围内的反差，不用有相同大小的斜率(坡度)。通常，非线性增强在拉大一段区域内的反差的同时减少了其他区域的反差。非线性变换常用指数变化和对数变换来达到增强的目的。指数变换。指数变换的变换函数曲线如图4所示，它在亮度值较高的部分扩大亮度间隔，属于拉伸；而在亮度值较低的部分缩小亮度间隔，属于压缩。函数表达式为(2.4)式中，a、b、c为可调参数，可以改变指数函数曲线的形态，从而实现不同的拉伸比例。对数变换。对数变换的变换函数曲线如图图5所示，与指数变换相反，它在亮度值较低的部分拉伸扩展，而在亮度值较高的部分压缩，其数字表达式为g=blg(2.5)式中：a、b、c仍为可调参数，由使用者决定其值。910 图4指数变换图5对数变换Fig.4ExponentialtransformationFig.5Logarithmictransformation利用ERDAS打开模型生成器图6ERDAS查找表拉伸模型生成器Fig.6ERDASstretchmodelgeneratorlook-uptable1011 图7拉伸处理前图像图8拉伸处理后图像Fig.7StretchprocessingbeforetheimageFig.8Afterstretchingtheimage图像分析：可以看到数字影像的色彩对比度增强，清晰度变高等变化。2.2.2直方图均衡化直方图均衡化是一种简单有效的图像增强技术，基本做法是将每个灰度区间等概率分布代替了原来的随机分布，即增强后的图象中每一灰度级的像元数目大致相同。直方图均衡化可使得面积最大的地物细节得以增强，而面积小的地物与其灰度接近的地物进行合并，形成综合地物。减少灰度等级换取对比度的增大。其辐射增强思想是将原图像增强后的直方图呈近似均匀状分布，即不同的灰度级在图像中的概率密度应近似相等。该方法的意义有以下几种解释方式：(1)充分均匀地利用所有灰度级；(2)通过实例说明直方图平坦的图像的灰度动态范围及对比度更大，可分辨的细节更丰富，视觉效果更好；(3)把直方图平坦化可以“归一化”图像，减弱照明的影响，从而作为特征提取和图像匹配之前的预处理；(4)平坦分布对应的熵最大，意味着图像的信息最多；(5)直方图平坦化之后再对灰度级均匀量化可以使出现频繁的灰度值被量化得较精确，出现不频繁的灰度值被量化得较粗糙，从而在量化等级数一定的情况下使平均误差更小。11打开ERDAS模型生成器12 图9ERDAS直方图均衡化模型生成器Fig.9ERDAShistogramequalizationmodelgenerator1213 图10直方图均衡化处理前图像图11直方图均衡化处理后图像Fig.10BeforeprocessingtheimageFig.11Afterprocessingtheimage图像分析：可以明显看出处理后影像的亮度增强，对比度增强，影像变清晰。2.2.3直方图的匹配直方图的匹配，即直方图的规定化，是指使一幅图像的直方图变成规定形状的直方图而对图像进行变换的增强方法，是把原图像的直方图变换为某种指定形态的直方图或某一参考图像的直方图，然后按着已知的指定形态的直方图调整原图像各像元的灰级，最后得到一个直方图匹配的图像。这种方法主要应用在有一幅很好的图像作为标准的情况下，对另一幅不满意的图像用标准图像的直方图进行匹配处理，以改善被处理图像的质量。如在数字镶嵌时，重叠区影像色调由于时相等原因差异往往很大，利用直方图匹配这一方法后可以改善重叠区影像色调过度，如果镶嵌图像时相相差不大，完全可以作到无缝镶嵌。其用处是:(1)匹配不同天扫描的相同或邻近景，这些图像由于太阳高度角或大气效应的原因略有不同；(2)分辨率融合，指通过融合高分辨率全色图像的一个波段来提高低分辨率多波段图像的过程。为了使直方图匹配获得较好结果，输入的两个全色图像应该具有相似的特点，直方图曲线的总体形状也应当相似。即使匹配的景不是同一个地区，土地覆盖的相对分布也应当相同，如果一幅图像有云而另一幅没有，就应当用一些算法将云消除。[3]13打开ERDAS模型生成器14 图12ERDAS直方图匹配模型生成器Fig.12ERDAShistogrammatchingmodelgenerator1415 图13直方图匹配处理前图像Fig.13Beforeprocessingtheimagehistogrammatching图14直方图匹配图像图15直方图匹配处理后图像Fig.14HistogrammatchingimagesFig.15Beforeprocessingtheimage图像分析：可以看出经过处理后的图像与匹配图像的色调基本保持一致。152.2.4亮度反转亮度反转（BrightnessInverse）是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，原来亮的地方变暗，原来暗的地方变亮，它是线性拉伸的特殊情况。通过反转可以像建立底片的效果。例如，扫描一张底片，需要对底片处理时，就可以用亮度反转来处理。其关系可用整幅图像的最大值—图像值表示。16 打开ERDAS模型生成器图16ERDAS亮度反转模型生成器Fig.16ERDASbrightnessinversionmodelgenerator16图17亮度反转处理前图像图18亮度反转处理后图像Fig.17BeforeprocessingtheimageFig.18Afterprocessingtheimage图像分析：通过亮度反转，产生一个与原图像完全相反的图像，暗的地方变成亮的，亮的地方变成暗的。17 2.2.5去霾处理去霾处理（HazeReduction）的目的是降低多波段图像（LandsatTM）或全色图像的模糊度。对于多波段图像，该方法的实质是基于缨帽变换方法，首先对图像进行主成份变换，找出与模糊度相关的成分并剔除，然后再进行主成份逆变换回到RGB彩色空间，达到去霾的目的。对于全彩色图像，该方法采用点扩展卷积反转进行处理，并根据情况选择5×5或3×3的卷积算子分别用于高频模糊度或低频模糊度的去除。[10]17打开ERDAS模型生成器18 图19ERDAS去霾处理模型生成器Fig.19ERDASmodelgeneratortodealwithhaze18图20去霾处理前的图像图21去霾处理处理后图像Fig.20BeforeprocessingtheimagetohazeFig.21Afterprocessingtheimagetohaze2.2.6降噪处理降噪处理（NoiseReduction）是利用自适应滤波方法去除图像中的噪声，该技术在沿着边缘或平坦区域去除噪声的同时可以很好地保持图像中一些微小的细节。19 图22降噪处理前的图像图23降噪处理后的图像Fig.22BeforeimagenoisereductionFig.23Afterimagenoisereduction192.2.7去条带处理去条带处理（DestripeTMData）是针对LandsatTM的图像特点对其原始数据进行3次卷积，以达到去除扫描条带的目的。在操作过程中，只有一个关于边缘处理的选择项需要用户定义，其中的两项分别是反射和填充，前者是应用图像边缘灰度值的镜面反射值作为图像边缘以外的像元值，这样可以避免出现晕光；后者则是统一将图像以外的像元以0值填充，呈黑色背景。打开ERDAS模型生成器图24ERDAS去条带处理模型生成器Fig.24ERDAStostripprocessingmodelgenerator2021 图25去条带处理前的图像图26去条带处理后的图像Fig.25BeforetostriptheimagesprocessingFig.26Aftertostriptheimagesprocessing图像分析：经处理后图像与原图像相比色彩差别不大，但在细节部分色彩更清晰2.3图像融合在遥感应用中，有时会要求图像同时具有高空间分辨率和高光谱分辨率。然而，现在由于技术条件的限制，仪器很难提供这样的数据。图像融合（ImageFusion）技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。遥感图像融合处理的目的是综合不同传感器获得的图像的优点，充分利用全色波段高空间分辨率和多光谱波段分辨率信息，融合出集合两者特征的影像。然而对于不同特征的图像并不能采用所有的融合方法都能得到正确的图像处理结果。尽管利用全色波段数据对多光谱数据进行几何配准后再进行融合处理，会大幅增强影像判读的准确性，突出全色波段数据和多光谱数据的变异特性，但是基于地面环境、大气透射等影响，若要获得理性的融合效果，还应根据图像的特征，选择相适应的融合算法才能奏效。[10]ERDASIMAGINE系统中通常可采用：主成分变换融合、HIS变换、Brovey变换、乘积变换融合和比值变换融合等。不同图像融合方法的特点不同，因此所融合的结果也存在明显的差异。2122 2.3.1主成分融合由于遥感影像不同波段之间往往存在着很高的相关性，因而从提取有用信息的角度考虑，有相当一部分数据是冗余的，而这部分冗余数据将会干扰遥感影像的解译分类、主成分融合的目的就是将原多波段图像中的有用信息集中到数目较少的新的主成分图像中，使这些主成分图像之间互不相关，并且将影像中的无用噪声集中到最后一个主成分上，通过对最后的噪声成分进行归零处理来消除影像中的噪声，再利用高空间分辨率的全色波段ETM图像对主成分图像进行融合，最后再对融合后的主成分影像进行主成分逆变换处理，既消除了影像中的噪声对影像解译分类的影响，又提高了影像的空间分辨率，进而提高了影像的解译能力。主成分融合的优点是能够分离信息，减少相关，达到突出不同的地物目标。还对辐射差异具有自动校正的功能，因此无须再做相对辐射校正处理。图27主成分融合前图像图28主成分融合后图像Fig.27PrincipalcomponentimagesbeforefusionFig.28Principalcomponentimagefusion图像分析：如处理后的图像所示，经主成分融合后的图像提高了分辨率，突出了山地、河流、城镇等地物信息。2223 2.3.2乘积变换融合乘积变换融合是一种乘积与线性变换相结合的融合方法，该方法可以增强图像的反差，突出图像的细节。采用的公式为：=A··+B(2.6)式中A为比例因子，B为灰度值线性变换的增量。操作时先将多光谱图像进行主成分变换，得到3个主成分分量PC1，PC2，PC3，再将高分辨率全色波段图像和PC3分别作为和代入上述公式等到。将PC1，，PC2分别作为红、绿、蓝波段合成融合后的影像。[12]此方法既通过主成分分析达到消除冗余，提高信息量的目的，又利用各种主成分与全色波段数据的关联，实现了提高空间分辨率的目的，还可以将全部像元的灰度值统一调整一个增量，达到图像增强的目的。与Brovey变换比较，在突出空间分辨率的相同条件下，从地物电磁波特征的角度入手，更突出表现了地表覆盖的主成分，还有可能达到灰度增强的目的。图29乘积变换融合前图像图30乘积变换融合后图像Fig.29TransformfusionimagebeforetheproductFig.30Transformimagefusionproduct图像分析：与主成分融合相比，乘积变换融合后的图像不同地物的的色彩反差更强，突出了细节的区分与地表覆盖物的成分。2324 2.3.3Brovey变换Brovey变换是一种通过归一化后的3个波段的多光谱影像与高分辨率图像进行乘积运算的融合方法。Brovey变换的优点在于锐化图像的同时能够保持原多光谱影像的信息内容。其公式为：=（/（++））×(2.7)式中为融合后的像素值，为多光谱影像中第i波段的像素值，为高分辨率全色影像的像素值。这种算法最突出的在于求出多光谱波段的每个波段像素值和的比值，然后再以全色波段像素值为基准，求得的波段参加融合的像素值。但是如果3个波段中各种地物特征表现不明显时，融合的效果并不显著。[13]Brovey变换的特点在于强调了空间分辨率的特征，前两种方法实质上是突出地物光谱特征的，融合的结果并没有提高空间分辨率，只是把地物电磁波波谱的差异作了进一步的表现。Brovey变换把全色波段的灰度值作为地物电磁波波谱特征的基础，利用每个多光谱波段数据的灰度值与3个多波段数据灰度值的总和，确定各种地物相应波段电磁波特征在全色波段灰度值中所占的比重，突出了全色波段数据的空间分辨率，又突出了地物在不同波段电磁波特性的差异。图31Brovey变换前的图像图32Brovey变换后图像Fig.31BroveytransformtheimagebeforeFig.32Broveytransformedimage24 图像分析：与乘积变换融合相比，Brovey变换融合后的图像，色彩扭曲程度不强，一定程度上保持了地物的纹理，光谱特性。242.4融合后图像的增强处理2.4.1查找表拉伸图33为未经融合图像的拉伸处理图34为主成分融合后图像的拉伸处理Fig.33WithoutstretchingthefusedimageFig.34Principalcomponentsfusedimage图35为乘积变换融合后图像的拉伸处理图36为Brovey变换融合后图像的拉伸处理Fig.35TransformimagefusionproductimageFig.36Broveytransformfusionimage2526 2.4.2直方图均衡化图37为未经融合图像的均衡化处理图38为主成分融合后图像的均衡化处理Fig.37WithoutfusionimageprocessingFig.38Principalcomponentfusionimageprocessing图39为乘积变换融合后图像的均衡化处理图40为Brovey变换融合后图像的均衡化处理Fig.39TransformfusionproductimageprocessingFig.40Broveytransformfusionimageprocessing2627 2.4.3直方图匹配图41为未经融合图像的直方图匹配处理图42为主成分融合后图像的直方图匹配处理Fig.41WithoutthefusedimageprocessingFig.42Principalcomponentsfusedimageprocessing图43为乘积变换融合后图像的匹配处理图44为Brovey变换融合后图像的匹配处理Fig.43TransformfusionafterprocessingtheimageFig.44Broveytransformfusionimageprocessing27 3结果与讨论经上述过程完成了图像增强的处理，几种增强方法与融合后的增强方法都在不同程度上提高了图像的可判读性。经融合的图像再进行增强处理，既提高了图像的空间分辨率，又保持了多光谱信息的光谱特性。其中乘积变换融合后图像的细节表现能力不错，地物纹理清晰，对山地、河流、海洋显示效果明显，只是在一定程度上存在光谱失真现象。Brovey变换后图像中地物细节表现较强，利于提取地物信息。主成分变换后图像提高了影像分辨率，整体效果不错能较好地保持多光谱的光谱特性，只是亮度特征较原图稍暗，色彩对比度不强。本研究在ERDASIMAGINE9.2专业遥感图像处理软件基础上对舟山海域2002年Landsat7ETM多光谱影像和全色影像进行了融合处理，包括主成分变换、乘积变换、Brovey变换，获得了不错的效果。最后对实验结果分析表明，在提高空间分辨率的同时，影像的光谱信息会减弱。总体来说，经主成分变换融合后的图像再增强处理，得到的结果有一定的光谱退化现象，但整体效果好，改善了图像的显示质量；经乘积变换融合后的图像再增强处理，得到的结果无论在亮度信息还是在色彩对比度方面都较好，但存在一定的光谱失真现象；经Brovey融合后的图像再增强处理，得到的结果在提取地物信息中有较好表现，加强了判读效果。但是由于是从整体上提高图像的质量，并没有针对单一的地类进行融合试验，所以虽然在一些变换中突出了某类地物，但并不表明这种变换是提取该地物的最好方法。随着遥感技术的发展，多传感器平台、高分辨率、高光谱遥感影像的出现越来越多，更好地利用这些信息获得更完善的融合模式和高质量的影像，还需要进一步的研究。遥感数字处理技术是上世纪60年代随着计算机科学的发展而发展起来的一门新兴科学。图像处理输入的是低质量的图像，通过图像增强、复原、压缩等输出高质量的图像。图像增强技术是遥感数字处理技术中一项重要的技术。图像增强的应用领域十分广阔并涉及各种类型的图像。[7]例如，在军事应用中，增强红外图像提取我方感兴趣的敌军目标；在医学应用中，增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置；在空间应用中，对用太空照相机传来的月球图片进行增强处理改善图像的质量；在农业应用中，增强遥感图像了解农作物的分布；在交通应用中，对大雾天气图像进行增强，加强车牌、路标等重要信息进行识别；在数码相机中，增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。28 参考文献[1]杨宇，吴田；基于GIS的输电线路智能化运行与管理技术，中国科技纵横，2010年24期[2]黄永璘，何立，王君华，罗永明；卫星遥感图像的增强处理，广西气象，2006年03期[3]常庆瑞，蒋平安，周勇，申广荣，李瑞雪，赵鹏祥；遥感技术导论，科学出版社[4]潘振赣，龚声蓉；浅谈数字图像处理技术的基本原理，电脑知识与技术，2010年06期[5]王志杰，谭伟，罗扬；两种遥感图像增强方法对图像分类的适宜性分析，山地农业生物学报，2008年04期[6]梅雄；浅论我国海洋遥感的发展及应用，科技经济市场，2007年10期[7]居桂方，肖万能，周建勇；MATLAB在数字图像处理中的应用，中国科技信息，2006年15期[8]张冰，林岚岚，腾鹏飞；浅谈遥感图像增强的处理，防护林科技，2006年3月第2期[9]江巨浪，张佑生，薛峰，胡敏；保持图像亮度的局部直方图均衡算法，电子学报，2006年05期[10]杨昕，汤国安，邓凤东，吕恒；ERDAS遥感数字图像处理实验教程，科学出版社，2009年1月出版[11]盖乐，浅谈遥感图像辐射校正与增强技术，科教导刊，2009年9期[12]贺奋琴，胡振琪，尹建忠，房世波；ASTER和TM/ETM+遥感数据融合监测土地覆盖变化，测绘科学，2007年01期[13]陈宝印；多光谱遥感图像与高分辨率全色图像融合研究，电脑开发与应用，2008年04期[14]赵艳飞，高清维，卢一相；基于多尺度Retinex算法的遥感图像增强，计算机技术与发展，2008年2月第18卷第2期[15]洪霞，江洪，余树全；高光谱遥感在精准农业生产中的应用，安徽农业科学，2010年01期[16]周云，符思涛；遥感图像色彩增强处理方法探讨，测绘与空间地理信息，2010年8月第33卷第4期[17]蒋芳，汪权方；运用MATLAB的遥感图像增强方法，地理空间信息，2011年2月第9卷第1期[18]SubrajeetMohapatra，PankajKumarSa，BanshidharMajhi；Impulsivenoiseremovalimageehancement2930 [19]蔡丽娜，李长胜；遥感图像的色彩增强，测绘与空间地理信息，2005年04期[20]元建胜；浅谈我国卫星遥感的发展方向，海洋技术，2006年，01期[21]龙夫；我国海洋遥感的发展，航海，2003年03期[22]FelipeCastroSilva1，LucianoVieiraDutra1，LeilaMariaGarciaFonseca1，ThalesSehnKorting；UrbanRemoteSensingImageEnhancementUsingaGeneralizedIHSFusionTechnique，NationalInstituteForSpaceResearch30浙江海洋学院本科毕业论文英文原文46