ENVI影像增强处理.docx

ENVI影像增强处理.docx

《ENVI影像增强处理.docx》由会员分享，可在线阅读，更多相关《ENVI影像增强处理.docx（28页珍藏版）》请在冰豆网上搜索。

ENVI影像增强处理

ENVI初步学习和影像增强

一．实验目的

结合ENVI软件中文指导书,学习和掌握EＮＶI软件的基本操作,学会使用ENＶＩ软件对遥感影像进行分析增强处理,加深对《遥感图像处理实验》这门课的学习,为以后的实践工作打好坚实的基础

二．实验数据介绍

该次实验所使用数据为甘肃舟曲灾前遥感影像,图像名称为、imｇ。

三．实验过程

Ⅰ、软件的基本操作

ENVＩ主工具条:

１、图像的输入与输出、首先启动ENVI,选择IｍagｅFｉle,出现EnterData对话框,选择文件的正确路径,、img,再点击“OK”打开文件。

2、在打开的AvaｉlableBandＬｉst菜单中,能够显示图像的各个波段的基本信息,其中“GraySｃaｌe”为灰色显示,“RGＢColor”为彩色合成,同时能够选择彩色合成的波段,单击“Loａd"就可显示图像,打开的图像由三部分组成:

Scｒoll（滚动）窗口、主图像窗口、以及缩放（Zoom）窗口,能够使用多个显示窗口组,组中每个窗口的大小都能够调整。

其中菜单中的“ＮewDiａplay”能够打开一个新的图像、

3、在“AvailableBａnｄsLｉsｔ”菜单中选择“Avaiｌable　Files　Ｌiｓt”还能够显示出遥感图像的基本信息,具体如图所示:

４。

若要保存图像,需要在图像所在窗口中选择ImageAs—IｍageFilｅ,弹出OutputDisplayｔoImageFｉｌe　对话框。

关于单波段图像,选择８－bitCｏlor,而多波段彩色合成图像则选择２４－bit　Ｃｏｌor、图像的保存方式有两种:

一是直截了当保存为文件;二是选“Ｍemoｒy",记忆在“AvaiｌａｂleBaｎdsLｉst”菜单中。

Ⅱ、图像增强与变换

一．空间域增强

对单个像元的灰度值进行变换进行增强处理。

1.线性变换

线性拉伸:

线性拉伸的最小和最大值分别设置为0和2５５,两者之间的所有其它值设置为中间的线性输出值,在主图像窗口,选择Enhａnｃｅ—〉Interaｃｔｉｖesｔrｅtch,弹出对话框:

（1）线性拉伸:

Streｔch_Type->　Linear

选择Ｏpｔｉonｓ—〉AｕtoApply,打开自动应用功能。

（2）分段线性拉伸:

分段线性对比度拉伸能够通过使用鼠标在输入直方图中放置几个点进行交互地限定、当在点之间提供线性拉伸时,线段在点处连接起来,选择Sｔreｔch_Type>PiｅcｅｗiseLiｎeａｒ。

2.非线性变换

高斯拉伸:

选择Streｔcｈ_Tｙpe-＞Ｇaｕssian。

输入拉伸的最小和最大值,要手动地输入所需要的标准差值,选择Oｐtiｏｎs-＞SetＧausｓianStdｖ、

　　　　　　　　　　设置高斯标准差

3.平方根拉伸

选择Stretch_Ｔypｅ－＞Square　Roｏt、输出直方图用一条红色曲线显示平方根函数,被拉伸数据的分布呈白色叠加显示、

4.直方图均衡化

选择Stｒetcｈ_Type->Eｑualizatiｏn。

输入直方图显示未被修改的数据分布。

输出直方图用一条红色曲线显示均衡化函数,被拉伸数据的分布呈白色叠加显示。

5.直方图规定化

选择Sｔreｔch_Type〉Arbｉｔｒaｒｙ、通过点击或按住鼠标左键绘制输出直方图的线段,在OｕtputHｉstograｍ窗口内绘制输出直方图。

任意的直方图将用绿色来显示。

输出直方图用红色显示您的直方图,匹配的数据函数用白色曲线。

ﻫ

二．频率域增强

1.傅里叶变换

傅里叶变换:

傅立叶分析是一种将图像分成空间上各种频率成分的数学方法。

实际上,快速的傅立叶变换被用来将数据变换成一个复杂的强调频率分布的图像、ＥＮVI中FＦT滤波包括图像正向的ＦFT、频率滤波器的交互式建立、滤波器的应用,以及FＦT向原始数据空间的逆变换。

当前,FFＴ　处理没有用到EＮＶIｔｉling程序,因此能被处理的图像大小受到系统可利用内存的限制、FFT图像是“复数"数据类型,它占用了类似大小的字节图像的8倍内存。

快速傅里叶变换:

正向的FFT生成的图像能显示水平和垂直空间上的频率成分。

图像的平均亮度值显示在变换后图像的中心。

远离中心的像元代表图像中增加的空间频率成分。

这一滤波能被设计为消除特别的频率成分,并能进行逆向变换。

（1）打开一个ＴＭ图像

（2）在主菜单中,选择Filteｒs－〉FＦTFｉlｔering—>ForwarｄFFT。

在fｉlｔｅｒ中选择FFTｆilteｒｉnｇ,然后选择forｗaｒd　FFT进行快速傅里叶变换、

（3）定义FFＴ滤波器

在主菜单中,选择Filｔeｒs－〉FFT　Ｆｉlterinｇ－〉FilterDefiniｔiｏn。

Ｃircular　Pasｓ为低通滤波,ＣｉrcularCut为高通滤波器,在“Radｉｕｓ”框中输入滤波半径,50;

（4）方向FＦT变换

在主菜单中,选择Filtｅrs—>FFTFｉlｔering－＞Ｉｎvｅrt　FFT。

选择ＦFT变换后的图像

选择FｉlterＤｅfiｎition图像

低通滤波后的结果

2.频率域锐化

先对影像进行ＦＦT变换（使用高通滤波）,之后对得到的进行ＩnverseＦFT变换进而得到锐化处理的影响。

高通滤波器可使信息源的高频通过而对低频加以抑制、由于抑制了反映灰度骤变的边缘特征的低频信息及包含在低频中的孤立点噪声,因此高通滤波起了锐化图像的处理作用。

三．彩色增强

1.伪彩色增强

将亮度值等间隔分割分别赋予不同的色彩,合成处理的过程。

在主图像窗口,选择ｏｖｅrlａy　〉DenｓitySlice、将出现＃1Denｓiｔy　Sｌicｅ对话框,在“DefｉnedDensｉtySlicｅRaｎgｅｓ”下列有八个系统默认范围。

在适当的文本框中输入所需要的最小和最大值,来改变密度分割的范围。

如要重新设置数据范围到初始值,点击“Rｅset"。

2.假彩色增强

将不同波段的影像分别赋予不同的色彩,合成处理的过程。

如分别赋予TM图像１、2、3波段色彩R、G、B;从ＡvailａbleＢanｄsＬｉst内,选择“RGBＣolｏｒ"切换按钮。

在序列中点击所需要显示的红、绿和蓝波段名。

将波段名称导入“R、Ｇ。

B”后载入图像得到合成的假彩色图像。

３２１:

真彩色合成,即３、2、1波段分别赋予红、绿、蓝色,则获得自然彩色合成图像,图像的色彩与原地区或景物的实际色彩一致,适合于非遥感应用专业人员使用。

ﻫ４32:

标准假彩色合成,即4、３、２波段分别赋予红、绿、蓝色,获得图像植被成红色,由于突出表现了植被的特征,应用十分的广泛,而被称为标准假彩色。

ﻫ举例:

卫星遥感图像示蓝藻暴发情况ﻫ我们先看一看蓝藻爆发时遥感监测机理、蓝藻暴发时绿色的藻类生物体拌随着白色的泡沫状污染物聚集于水体表面,蓝藻覆盖区的光谱特征与周围湖面有明显差异。

由于所含高叶绿素Ａ的作用,蓝藻区在LandsaｔTM2波段具有较高的反射率,在TM３波段反射率略降但仍比湖水高,在TＭ4波段反射率达到最大。

因此,在TM4（红）、３（绿）、２（蓝）假彩色合成图像上,蓝藻区呈绯红色,与周围深蓝色、蓝黑色湖水有明显区别、此外,蓝藻暴发聚集受湖流、风向的影响,呈条带延伸,在ＴＭ图像上呈条带状结构和絮状纹理,与周围的湖水面也有明显不同。

４51:

信息量最丰富的组合,TM图像的光波信息具有3~4维结构,其物理含义相当于亮度、绿度、热度和湿度。

在ＴM7个波段光谱图像中,一般第５个波段包含的地物信息最丰富。

3个可见光波段（即第１、2、3波段）之间,两个中红外波段（即第4、7波段）之间相关性特别高,表明这些波段的信息中有相当大的重复性或者冗余性。

第4、６波段较特别,尤其是第4波段与其他波段的相关性得特别低,表明这个波段信息有特别大的独立性。

计算各种组合的熵值的结果表明,由一个可见光波段、一个中红外波段及第4波段组合而成的彩色合成图像一般具有最丰富的地物信息,其中又常以4,5,3或４,5,1波段的组合为最佳。

第7波段只是在探测森林火灾、岩矿蚀变带及土壤粘土矿物类型等方面有特别的作用。

最佳波段组合选出后,要想得到最佳彩色合成图像,还必须考虑赋色问题。

人眼最敏感的颜色是绿色,其次是红色、蓝色。

因此,应将绿色赋予方差最大的波段、按此原则,采取４、5、3波段分别赋红、绿、蓝色合成的图像,色彩反差明显,层次丰富,而且各类地物的色彩显示规律与常规合成片相似,符合过去常规片的目视判读习惯。

例如把４、5两波段的赋色对调一下,即5、4、３分别赋予红、绿、蓝色,则获得近似自然彩色合成图像,适合于非遥感应用专业人员使用。

７41:

波段组合图像具有兼容中红外、近红外及可见光波段信息的优势,图面色彩丰富,层次感好,具有极为丰富的地质信息和地表环境信息;而且清楚度高,干扰信息少,地质可解译程度高,各种构造形迹（褶皱及断裂）显示清楚,不同类型的岩石区边界清楚,岩石地层单元的边界、特别岩性的展布以及火山机构也显示清楚。

7４2:

１99２年,完成了桂东南金银矿成矿区遥感地质综合解译,利用1:

10万TM7、4、２假彩色合成片进行解译,共解译出线性构造１615条,环形影像4８1处,并在总结了构造蚀变岩型、石英脉型、火山岩型典型矿床的遥感影像特征及成矿模式的基础上,对全区进厅成矿预测,圈定金银Ａ类成矿远景区2处,B类4处,C类5处、为该区优选找矿靶区提供遥感依据。

ﻫ7４３:

我国利用美国的陆地卫星专题制图仪图像成功地监测了大兴安岭林火及灾后变化。

这是因为ＴＭ7波段（2、08-2、35微米）对温度变化敏感;TＭ4、TM3波段则分别属于红外光、红光区,能反映植被的最佳波段,并有减少烟雾影响的功能;同时ＴM7、TM4、TM３（分别赋予红、绿、蓝色）的彩色合成图的色调接近自然彩色,故可通过TM743彩色合成图的分析来指挥林火蔓延与控制和灾后林木的恢复状况。

ﻫ754:

对不同时期湖泊水位的变化,也可采纳不同波段,如用陆地卫星ＭSS7,MSS5,MＳS4合成的标准假彩色图像中的蓝色、深蓝色等不同层次的颜色得以区别。

从而可用作分析湖泊水位变化的地理规律、

3.彩色变换

在图像处理中通常应用的有两种彩色坐标系统。

一种是由红（R）、绿（G）、蓝（B）三原色构成的彩色空间或坐标系统,这是我们之前所讲的彩色变化和增强处理的基础;另一种是彩色空间是由色调（H）、饱和度（S）和明度（I）三个变量构成的。

彩色系统变换主要是指这两种坐标系统之间的变换。

具体操作如下:

RGB向HSV的转换:

在主菜单中点击Transformｓ-〉CoｌorTransfｏｒms（在做正变换的选项中有RＧB　tｏHSV、ＲGBtｏＨＬＳ　和RGBｔo　ＨＳV（USGS　Munsell）三种方法,点击RGＢtｏ　HSV。

接着选择差不多彩色合成好的遥感图像,接着在弹出的对话框中选择ｄisplaｙ1,出现RGBtｏHSV（HLＳ、UＳGＳＭunsell）Pａramｅters对话框,选择保存路径后,软件就自动完成了HＳＶ变换。

H（色度）

S（饱和度）

Ｖ（亮度）

四．多图像代数运算

BaｎdMａth功能提供了一个灵活的图像处理工具,其中许多功能是无法在任何其它的图像处理系统中获得的。

由于每个用户都有独特的需求,因此该功能允许用户自己定义处理算法,并将之应用到打开的波段或整个图像中,能够依照需要自定义简单或复杂的处理程序、

选择BaｓicToｏlｓ＞ＢａｎｄＭath、在“Eｎterａnexpressiｏn”的文本框内,输入变量名和所需要的数学运算符。

变量名必须以字符“b"或“B"开头,后面跟着5个以内的数字字符、

1.差值法:

选择BaｓicTools>BandMaｔh、在“Enteranexpｒeｓsiｏn”的文本框内输入B1—B２,点击add　ｔｏ　list,确定后定义B１,Ｂ2为波段b1,b2,选择ｍeｍorｙ后确定、

ﻫ

2。

比值法:

选择BasiｃTools　>BaｎdMath。

在“Eｎｔeｒａn　expressiｏn"的文本框内输入flｏat（Ｂ２）/ｆloaｔ（Ｂ３）,点击addtoｌist,确定后定义Ｂ2,Ｂ3为波段b２,b3,选择memｏry后确定、

ﻩ

　　　3。

混合运算法:

选择BasicＴools＞ＢａndMath。

在“Enteranexｐｒｅsｓioｎ"　的文本框内输入ｆloaｔ（B2）/ｆloat（Ｂ3）+B4,点击addtolist,确定后定义Ｂ2,B3,B４为波段b2,b3,ｂ4选择mｅmory后确定、

五．多光谱图像变换

1.主成分变换

主成分分析（PCA）用多波段数据的一个线性变换,变换数据到一个新的坐标系统,以使数据的差异达到最大。

这一技术关于增强信息含量、隔离噪声、减少数据维数特别有用。

由于多波段数据经常是高度相关的,主成分变换寻找一个原点在数据均值的新的坐标系统,通过坐标轴的旋转来使数据的方差达到最大,从而生成互不相关的输出波段、

主成分（ＰC）波段是原始波谱波段的线性合成,它们之间是互不相关的。

能够计算输出主成分波段。

第一主成分包含最大的数据方差百分比,第二主成分包含第二大的方差,以此类推,最后的主成分波段由于包含特别小的方差（大多数由原始波谱的噪声引起）,因此显示为噪声。

由于数据的不相关,主成分波段能够生成更多种颜色的彩色合成图像。

在ＥＮＶＩ主菜单中选择Traｎｓｆormｓ-＞Ｐrinｃipal　pｏｎｅnts—＞Ｆｏrｗarｄ　PCRｏtａtiｏn-〉puｔeＮｅwStatｉsticsandRoｔatｅ,选择、ｉmg作为输入数据。

出现如下FｏｒwarｄPＣ

RotationPａrａmeters对话框:

该对话框参数设置如下:

在“ＳtatsＸ／YReｓiｚe　Factor"文本框键入小于1　的调整系数,对计算统计值的数据进行二次抽样、键入一个小于1的调整系数,以提高统计计算的速度。

例如,在统计计算时,用一个0、1的调整系数将只用到十分之一的像元。

若需要,键入一个输出统计文件名、点击按钮,选择基本“CovaｒiａncｅＭａtrｉｘ”或“CoｒrelａtｉｏnMａtrix”。

计算主成分时,有代表性地要用到协方差矩阵。

当波段之间数据范围差异较大时,要用到相关系数矩阵,同时需要标准化。

选用“Ｆile"或“Memory”输出。

若选择输出到“File",在标有“Enter　Oｕtｐut”的文本框里键入要输出的文件名;或用“Choose”按钮选择一个输出文件名。

从“Outpｕｔ　DaｔａＴype”菜单里,选择需要的输出类型（字节型,整型,无符号整型,长整型,无符号长整型,浮点型,双精度型）。

用下列选项,选择输出ＰC波段数、限定输出PC波段数,键入需要的数字,或用“Nuｍber　ofOutｐutPCBanｄｓ”标签附近的按钮确定输出的PC波段数、默认的输出波段数等于输入的波段数。

通过检查特征值,选择输出的PC波段数。

A　点击“ＳelectSubｓeｔ　ｆromEigｅnvａlｕｅｓ”标签附近的按钮,选择“YＥS”。

特征值将被计算,出现SelｅcｔOutｐｕtPCBaｎｄs对话框,列表显示着每一个波段和其相应的特征值。

同时也为所有波段显示出每个波段中包含的数据变化的累积百分比。

B　在“NumbｅroｆOuｔputPC　Banｄｓ"　文本框里,键入一个数字或点击按钮,确定输出的波段数、特征值大的PC　波段包含最大量的数据差异。

较小的特征值包含较少的数据信息和较多的噪声。

有时,为存储磁盘空间,最好仅仅输出特征值大的那些波段。

C　在　Seｌecｔ　OｕtputPCBandｓ对话框里,点击“OK”。

选择Ｍemory输出,其他的默认,输出7个主成分波段,自动加载到波段中同时出现一个主成分特征值的ｐloｔ图:

在该对话框中选择Eｄｉt〉ＤａtaValues,查看各成分的特征值的大小:

特征值反映了各主成分所占信息量的大小,从上到下逐渐减少,表明各波段信息量逐渐减少,能够据此计算各成分信息量占总信息量的百分比,例如,从上面数据能够得知,PC１图像所占的信息量为7４０、995１/（740。

9９51+178。

3992＋29、40７6+21、9４03＋７、６02４+２。

１608+0。

72１8）×１０0％=75、52％、

由于主成分图像有7个波段,选取了有代表性的前三个波段显示如下:

PC1:

PC2:

PC3:

检验主成分与原始数据之间的定量关系:

下面来检验各主成分到底与原始的7个波段数据之间到底是什么定量关系,这对解释各主成分的含义特别有用。

主成分变换的系数矩阵是原始数据协方差矩阵的特征向量矩阵的一个转置,我们先通过统计计算得到特征向量矩阵如下（方法参照前面所述）,注意数据源选择原始数据。

iｍg:

2.缨帽变换

缨帽变换是一种通用的植被指数,能够被用于LandsatMMS　或LanｄｓatTM等数据、关于LandsａtMＭS数据,缨帽变换将原始数据进行正交变换,变成四维空间（包括土壤亮度指数SBＩ、绿色植被指数GＶI、黄色成分（sｔufｆ）指数YＶI,以及与大气影响紧密相关的noｎ-ｓuｃh　指数NSI）、关于LanｄsaｔＴＭ　数据,缨帽植被指数由三个因子组成--“亮度”、“绿度”与“第三分量”（Ｔhird）。

其中的亮度和绿度相当于MＳS　缨帽的SBI和GVI,第三种分量与土壤特征有关,包括水分状况。

关于Laｎｄsat７EＴＭ数据穗帽植被指数由六个因子组成-－-——－“亮度”、“绿度"、“湿度"、以及“第四”、“第五"、“第六”几种分量、

选择Transfoｒms＞TassledCap、出现Taｓselｅd　CaｐＴrａnsformaｔiｏｎInpｕtFilｅ对话框时,选择、img文件。

用下拉菜单,选择“Input”（Landsａt5TＭ、LanｄｓatMSS、Lａndsat　7EＴM）、

ENＶI将缨帽波段名输入到AvailabｌeBands　Lisｔ中,在那儿能够用标准EＮVI灰阶或RGB彩色合成方法显示。