欢迎来到遥感卫星影像数据查询中心-北京揽宇方圆-购买高分卫星影像!

热线电话:4006-019-091 010-83509252

手机版

当前位置: 网站首页 > 新闻资讯 > 行业动态 > 遥感图像的增强与变换

行业动态

遥感图像的增强与变换

来源:本站   发布时间: 2020-10-15 14:38:59   浏览:61次  字号: [大] [中] [小]

图像的增强和变换是为了突出相关专题信息,提高图像的视觉效果,使分析者能更容易地识别图像内容,从图像中提取更有用的定量化信息。

1. 对比度增强

对比度增强也称图像拉伸或反差增强,是通过改变图像像元的亮度值来提高图像全部或局部的对比度,改善图像质量的一种方法。包括线性变换、非线性变换、直方图均衡化等。

1)线性变换:对比度增强必然要改变图像像元的亮度值,并且这种改变需要遵循某种数学规律,即选择一个恰当的变换函数。如果变换函数是线性的,这种变换就是线性变换。

2)非线性变换:如果变换函数是非线性的,这种变换就是非线性变换。常见的非线性变换有指数变换和对数变换。

3)直方图均衡化:基本思想是对原始图像的像元亮度值做某种映射变换,使变换后图像亮度的概率密度呈均匀分布,即变换后图像的亮度值均匀分布。

4)直方图匹配:又称为直方图规定化,是指使一幅图像的直方图变成规定形状的直方图而进行的图像增强方法。

2. 图像滤波

图像滤波是一种采用滤波技术实现图像增强的方法。它以突出或抑制某些图像特征为主要目的,如去除噪声、边缘增强、线性增强等。

1)图滤波可分为空间域滤波和频率域滤波。前者是以像元与周围邻域像元的空间关系为基础,通过卷积运算实现图像滤波;后者通过傅里叶变换,将图像由图像空间转换到频域空间,然后在频率域中对图像的频谱作分析处理,以改变图像的频率特征。

2)空间域滤波有平滑和锐化两种基本方法,它们都是以图像的卷积运算为基础的。

3)图像平滑:使图像亮度趋于平缓的处理方法,包括:均值平滑;中值平滑。

4)图像锐化:目的是突出图像上地物的边缘、轮廓,或某些线性目标要素的特征。图像锐化提高了地物边缘与周围像元之间的反差,因此也被称为边缘增强。包括:Roberts梯度法、Sobel梯度法、Laplacian算法和定向监测等方法。

3. 彩色增强

彩色增强处理就是根据人的视觉特点,将各种灰度图像转化成彩色图像的过程。

1)单波段图像的彩色变换主要是通过密度分割方法实现的。该方法中的色彩是人为设定的,与地物的真实颜色毫无关系,因此这种变换属于伪彩色变换。

2)多光谱图像的彩色合成可分为真彩色合成和假彩色合成两种。如果参与合成的三个波段的波长与对应的红、绿、蓝三种原色的波长相同或近似,这种合成就是真彩色合成。否则就是假彩色合成。

4. 图像运算

图像运算是通过多光谱图像不同波段之间简单的“加、减、乘、除”运算产生新的“波段”,实现突出特定目标地物信息的一种图像增强方法。

1)加法运算:可减少图像的加性随机噪声,或者获取特定时段的平均统计特征。可加宽波段,如绿色波段和红色波段图像相加可以得到近似全色图像。

2)减法运算:可增加不同地物间光谱反射率及在两个波段上变化趋势相反时的反差,或提取地面目标的变化信息/提取波段间的变化信息。当用红外波段与红波段图像相减时,即为差值植被指数。

3)乘法运算:可用来遮掉图像的某些部分。在图像处理中,这种操作被称为图像掩膜。

4)除法运算:也称比值运算。能压抑因地形坡度和方向引起的辐射量变化,消除地形起伏的影响;可增强某些地物之间的反差;能用于消除山影、云影及显示隐伏构造。

5. 多光谱变换

1K-L(Karhunen-Loeve)变换:也称为主成分变换或主分量分析,是一种基于统计特征基础上的多维正交线性变换,是多光谱、多时相遥感图像应用处理中最常用的一种变换技术。

2K-L变换是一种常用的数据压缩和去相关技术,变换后图像的信息集中在前几个分量上,且各分量在新的坐标空间中是相互独立的,相关系数为零。

3K-T变换是KauthThomas在研究MSS多光谱数据与自然景观要素特征间的关系时建立的一种特定变换,又称缨帽变换。主要应用在MSSTM数据的处理和分析中。

 

<返回列表

相关链接

  • 4006-019-091
    010-83509252
    18610332567
    About Us   News   Product   Contact
    关于我们   新闻资讯   产品服务   联系方式

    公司简介

    领先优势

    资质荣誉

    公司新闻

    行业动态

    国外卫星

    国内卫星

    历史数据

    数据处理

    信息反馈

    人才招聘

    付款方式

     
    WeChat
    关注我们

    北京揽宇方圆信息技术有限公司 www.kosmos-imagemall.com Copyright © 2007-2019