遥感影像处理实习3.doc

实****序号及题目实****3——遥感影像反差增强实****人姓名   任课教师姓名   实****地点榆中校区实验楼A109实****日期时间2012年11月14日实****目的1、理解遥感影像辐射增强的概念和意义,掌握运用ENVI进行辐射增强步骤和方法。2、提高目视解译和提取单波段遥感影像地学信息的能力。3、初步学会使用ROI进行像元采样分析。实****内容1、利用ROI工具分别选取水体、农田样本,并利用四种拉伸方法作交互式对比度拉伸以突出黄河水面信息,并以其他文件名加以保存。线性拉伸(linear)、分段线性拉伸(piecewiselinear)、高斯拉伸(gaussioan)、直方图均衡化拉伸(equalization);2、直方图匹配,使一幅影像的所有波段的直方图与另一幅影像对应波段的直方图结构类似,并使用Link工具将分别在两个视窗中打开的匹配前后影像链接起来,并实现联动,查看匹配前后的影像直方图信息;3、利用MODIS数据坏道填补。针对MODIS原始影像扫描成像特点对其原始数据进行积处理,以达到去除扫描条带的目的。基本原理1、反差拉伸:通过调整影像像元显示亮度值的方法来改变影像对比度,从而改善影像质量和视觉效果的处理方法,亦称为辐射增强(RadiometricEnhancement),或者对比度增强;反差拉伸在算法实质上就是基于某一线性或非线性函数变换关系式逐一完成影像像元的运算,从而得到一景新的影像。并且,新影像灰度动态度(值域)原则上要大于原影像灰度的动态度。2、线性反差拉伸:按比例扩大原始灰度级的范围使变换后,影像的直方图的黑白两端达到极值,以充分利用显示设备的动态范围。实现方法:最小—最大值反差拉伸a1=min、a2=max;线性百分比和标准差反差拉伸,a1=在累积直方图中从最小灰度级开始起算,小于某一百分比或x倍标准差的像元总数的对应灰度级a2=在累积直方图中从最高灰度级开始起算,小于某一百分比或标准差的像元总数的对应灰度级;3、分段线性拉伸:将1~255整个灰级区间分成若干直线段,每一个直线段都有一个局部的线性变换关系。分段线段的端点(或连接点)称为断点,两个相邻的断点就组成断点对。对于多峰值影像进行分段线性拉伸会取得理想的效果;4、直方图均值化拉伸:针对原始影像数据往往相对比较集中地分布在局部一些波段的特点,利用累积直方图作为影像变换函数,将大约相等数量的像元分配到各个输出灰度级上,实现影像信息的均衡显示。5、直方图匹配:使一幅影像的直方图变成规定形状的直方图而对影像进行变换的增强操作。由此产生的影像与供提取规定形状直方图的参考影像在灰阶/色调特征上更加接近。规定直方图的形式:一幅参考影像的直方图;特定函数形式的直方图。方法:对两个直方图都做均衡化,变成相同的归一化的均匀直方图。以此均匀直方图为基准变换关系式,再对待变换的影像做均衡化的逆运算。目前主要用于影像镶嵌制图。6、影像镶嵌:将两幅或多幅影像拼接起来形成一幅无缝合成影像的过程。条件:统一的影像投影和坐标系、统一的空间分辨率、统一的波段组合、统一的辐射特征实施步骤:将每景影像进行几何精纠正,使之保持地图投影和坐标系的统一;在条件允许的情况下完成大气辐射校正,保持待镶嵌影像之间在辐射特征上的统一;选定其中一景作为基准影像。按照基准影像的直方图对所要进行镶嵌的其他影像进行直方图匹配,使它们具有相近的灰度分布特征;对相邻图幅边界进行羽化处理,取边界两侧一定范围内重叠部分像元的灰度平均值代替基准影像和匹配影像的值;生成结果影像;数据准备1、反差拉伸:整景影像LT509IKR00;2、直方图匹配:wasia1_mss,wasia2_mss;3、去条带:MODIS数据;操作方法及过程1、裁剪子区:basictools→resizedata选择整景影像→spatialsubset选择image裁剪一个2500*2500的子区,注意子区中要包含水体、农田等地物。重采样方法选择双线性内插法→choose生成子区影像如下:2、查看子区信息:双击影像;scrnRGB:拉伸后RGB的DN值(默认为2%的裁剪拉伸);Data:RGB对应的原始DN值;2%的裁剪拉伸是基于直方图分布,对于图像DN值分布在2%和98%之间的做线性拉伸。及拉伸时出去小于2%和大于98%的值,这样做的结果是绝大多数的异常值会在拉伸时舍弃,显示出漂亮直观的效果。也可以查看没有拉伸的原始影像:enhance→[scroll]0-255拉伸,查看结果:我们发现第一行和第五行的RGB数值显示一致,观察到没有经过拉伸的影像明显偏暗,这样不利于我们查看影像和进行目视解译,对于选择ROI也很不利,因此ENVI系统默认在打开一幅遥感影像的时候要进行2%的裁剪拉伸。当然可以改变系统默认来修改:file→preference→displaydefault