地信0813李霞03

实习序号及题目遥感影像反差拉伸序号：03实习人姓名李霞专业班级及编号地信0813任课教师姓名刘勇实习指导教师姓名邵晓敏实习地点榆中校区实验楼A209实习日期时间2010年11月11日实习目的①通过本次实习，对遥感影像的辐射增强有一个很好的理解，掌握运用ENVI进行辐射增强的步骤和方法。②提高目视解译和提取单波段遥感影像信息的能力实习内容⑴对影像进行交互式的对比拉伸：①线性反差拉伸（linear）②分段线性反差拉伸（piecewiselinear）③高斯反差拉伸（Guassian）④均衡化对比度拉伸（Equalization）⑵直方图的匹配，使wasia2_mss.img影像的所有波段的直方图与wasia1_mss.img影像对应波段的直方图结构类似⑶去条带处理：针对LandsatTM原始影像扫描成像特点对其原始数据进行3次卷积处理，以达到去除扫描条带的目的基本原理原始遥感影像数据的感兴趣区灰度值得范围都比较窄，不利于影像信息的分析，反差拉伸可将其灰度范围拉伸到最大的灰度区间来显示，从而使感兴趣区对比度提高视觉效果改善。反差拉伸法在算法上实质是基于某一线性或非线性函数变换关系式将原影像变换为一个新的影像。并且，新影像灰度值域一般要大于原影像值域。数据准备①Panwuhai.Img②Wasia1_mss.img和wasia2_mss.img③TM_striped.img操作方法及过程一、实习前的准备将图像显示成没有拉伸的原图：ENVI→File→Preferences→DisplayDefaults→在DisplayDefaultsStretch中选择Linearrange,在后面填0和255二、交互式对比度拉伸加载panwuhai.img影像，在Image窗口中双击可以显示影像的信息，在Image窗口中单击右键→ROITool→在window中点击image→在黄河上采集样本。结束感兴趣区的选取后，Stats→查看灰度范围（158--179）性反差拉伸（linear）加载panwuhai.img影像窗口中选择Enhance→InteractiveStretching→在HistogramSource中点击Band，改灰度值范围为158-179，在StretchType中选linear→Apply保存图像：File→ExportStretch，注意要将灰度值改为255。分段线性反差拉伸（piecewiselinear）加载panwuhai.img影像窗口中选择Enhance.→InteractiveStretching→在HistogramSource中点击Band，改灰度值范围为158-179，在StretchType中选piecewiselinear→Apply保存图像：File→ExportStretch，注意要将灰度值改为255。高斯反差拉伸（Guassian）加载panwuhai.img影像窗口中选择Enhance→InteractiveStretching→在HistogramSource中点击Band，改灰度值范围为158-179，在StretchType中选Guassian→Apply保存图像：File→ExportStretch，注意要将灰度值改为255。均衡化对比度拉伸（Equalization）加载panwuhai.img影像窗口中选择Enhance→InteractiveStretching→在HistogramSource中点击Band，改灰度值范围为158-179，在StretchType中选Equalization→Apply保存图像：File→ExportStretch，注意要将灰度值改为255。三、直方图匹配将上一步骤中修改图像显示方式改回来：ENVI→File→Preferences→DisplayDefaults→在DisplayDefaultsStretch中选择%Linear,在后面填2（线性拉伸2%）加载wasi1_mss.img和wasi2_mss.img在加载的wasi2_mss.img影像窗口中选择Enhance→HistogramMatch，在InputHistogram中选Band→Enchance→InteractiveStretching→在将显示的直方图导出（File→saveplotas→Imagefile→24-bitColorBSQ）将未进行匹配的影像打开，做出其灰度直方图，将两个直方图进行对比即可四、去条带处理主窗口BasicTools→Preprocessing→GeneralpurposeUtilities→Destripe→选择被处理图像TM-striped.img影像→在Numberofdetectors中选16（计算16行周围的相邻数据平均值代替十六行本身的值，达到去条带效果）再输出。结果与分析线性反差拉伸（linear）拉伸直方图：白色为图像DN值，红色为拉伸函数：拉伸结果图：拉伸后图像直方图信息：由直方图可知，通过线性反差拉伸并没有改变原图像灰度值的均值，可见拉伸方式是线性的。其他地物的颜色变浅，从而使得黄河凸显出来，因为线性拉伸是按比例扩大原始灰度级的范围。以便充分利用显示设备的动态范围，使得变换后的影像的直方图的两端达到饱和。原图像直方图：分段线性反差拉伸（piecewiselinear）分段线段的端点组成断电对，处理多峰值图像，非线性拉伸较有优势。从直方图信息可以看出分段线性拉伸较线性拉伸直方图峰值更为突出，拉伸较为明显高斯反差拉伸（Guassian）通过高斯反差拉伸可以看出来，黄河水面仍然被凸显出，这是高斯拉伸的特点，拉伸函数峰值处与像元灰度值风度吻合，达到很好的拉伸效果。直方图均衡化这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。直方图匹配将图像直方图以标准图像的直方图为标准作变换,使两图像的直方图相同或相近,从而使两幅图像具有类似的色调和反差。在遥感图像处理中,直方图匹配应用于：①图像镶嵌中图像的灰度调节,通过直方图匹配使相邻两幅图像的色调和反差趋于相同。②多时相图像处理中以一个时相的图像为标准,调节另一幅图像的色调与反差,以便作进一步的运算。③以一幅增强后色调和反差比较满意的图像为标准,对另一幅图像作处理,期望得到类似的结果。匹配前的wasia1_mss.img影像直方图匹配前的wasial2_mss.img影像直方图将wasial_mss.img匹配到wasial2_mss.img的直方图⑤TM_striped.img影像的去条带处理去条带前去条带后由上图可知道，ENVI的对TM_striped.img影像去条带的效果不要求影像是未经过处理的，因为TM_striped.img影像的条带是水平的，不能经过反转和处理才能用去条带手段去除条带，此图像已被处理过，条带是十七行，故用此法只是使图像模糊。存在问题与解决办法直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。缺点：1）变换后图像的灰度级减少，某些细节消失；2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。ENVI处理条带效果不好，可借助EDASE软件弥补。总结通过本次实习，让我对遥感影像的增强有了一个好的理解，图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。直方图匹配是将图像直方图以标准图像的直方图为标准作变换,使两图像的直方图相同或相近,从而使两幅图像具有类似的色调和反差。