遙感圖像輻射增強(qiáng)方法分析【畢業(yè)論文】

1、<p><b>　　本科畢業(yè)論文</b></p><p><b>　?。?0 屆）</b></p><p>　　遙感圖像輻射增強(qiáng)方法分析 </p><p>　　所在學(xué)院 </p><p>　　專(zhuān)業(yè)班級(jí) 海洋科學(xué)

2、 </p><p>　　學(xué)生姓名 學(xué)號(hào) </p><p>　　指導(dǎo)教師 職稱(chēng) </p><p>　　完成日期 年 月 </p><p><b>　　目錄</b></

3、p><p><b>　　中文摘要I</b></p><p><b>　　英文摘要II</b></p><p><b>　　引言1</b></p><p><b>　　國(guó)內(nèi)外研究現(xiàn)狀3</b></p><p><b>　

4、　研究概述4</b></p><p>　　1.1課題研究?jī)?nèi)容與主要方法4</p><p><b>　　1.2實(shí)驗(yàn)方案4</b></p><p><b>　　1.3技術(shù)流程4</b></p><p><b>　　圖像處理7</b></p>&l

5、t;p><b>　　2.1幾何校正7</b></p><p>　　2.2遙感圖像輻射增強(qiáng)7</p><p>　　2.2.1查找表拉伸7</p><p>　　2.2.2直方圖均衡化11</p><p>　　2.2.3 直方圖的匹配13</p><p>　　2.2.4亮度反轉(zhuǎn)16&l

6、t;/p><p>　　2.2.5去霾處理17</p><p>　　2.2.6降噪處理19</p><p>　　2.2.7去條帶處理20</p><p>　　2.3圖像融合21</p><p>　　2.3.1主成分融合22</p><p>　　2.3.2乘積變換融合23</p>

7、<p>　　2.3.3 Brovey變換24</p><p>　　2.4融合后圖像的增強(qiáng)處理25</p><p>　　2.4.1查找表拉伸 25</p><p>　　2.4.2直方圖均衡化26</p><p>　　2.4.3直方圖匹配27</p><p><b>　　結(jié)果與討論

8、28</b></p><p><b>　　參考文獻(xiàn)29</b></p><p><b>　　致謝30</b></p><p>　　[摘要]： 本研究在ERDAS IMAGINE 9.2專(zhuān)業(yè)遙感圖像處理軟件基礎(chǔ)上對(duì)舟山海域2002年Landsat7 ETM多光譜影像和全色影像進(jìn)行了處理，先列舉查找表拉伸、直方

9、圖均衡化、直方圖匹配、亮度反轉(zhuǎn)、去霾處理、降噪處理、去條帶處理幾種常見(jiàn)的遙感圖像輻射增強(qiáng)方法，對(duì)舟山地區(qū)的ETM圖像進(jìn)行分析；再通過(guò)主成分融合、乘積變換融合、Brovey變換融合后輻射增強(qiáng)處理，與直接進(jìn)行輻射增強(qiáng)的圖像相對(duì)比：雖然在提高空間分辨率的同時(shí)，影像的光譜信息會(huì)減弱。但優(yōu)點(diǎn)是提高了圖像的空間分辨率，又保持了多光譜信息的光譜特性。其中乘積變換融合后圖像的細(xì)節(jié)表現(xiàn)能力不錯(cuò)，地物紋理清晰，對(duì)山地、河流、海洋顯示效果明顯，只是在一定程度

10、上存在光譜失真現(xiàn)象。Brovey變換后圖像中地物細(xì)節(jié)表現(xiàn)較強(qiáng)，利于提取地物信息。主成分變換后圖像提高了影像分辨率，整體效果不錯(cuò)能較好地保持多光譜的光譜特性，只是亮度特征較原圖稍暗，色彩對(duì)比度不強(qiáng)。</p><p>　　[關(guān)鍵詞]： 遙感；圖像；融合；輻射增強(qiáng)</p><p>　　[Abstract]: The remote sensing in ERDAS IMAGINE 9.2 imag

11、e processing software professional based on the Zhoushan sea area in 2002 Landsat7 ETM multi-spectral image and panchromatic images were processed, the first lookup table lists stretching, histogram equalization, histogr

12、am matching, brightness reversalto haze processing, noise reduction, to deal with several common bands of radiation enhancement of remote sensing image, ETM image of Zhoushan area analysis; and then through the principal

13、 com</p><p>　　[Key words]: remote sensing；image；fusion；radiometric enhancement</p><p><b>　　引言</b></p><p>　　遙感是以航空攝影技術(shù)為基礎(chǔ)，20世紀(jì)60年代初發(fā)展起來(lái)的一門(mén)新興技術(shù)。開(kāi)始為航空遙感，自1972年美國(guó)發(fā)射了第一顆陸地衛(wèi)星后

14、，標(biāo)志著航天遙感時(shí)代的開(kāi)始。經(jīng)過(guò)幾十年的迅速發(fā)展，遙感技術(shù)已廣泛應(yīng)用于資源環(huán)境、水文、氣象、地質(zhì)地理等領(lǐng)域，成為一門(mén)實(shí)用、先進(jìn)的空間探測(cè)技術(shù)[1]。</p><p>　　聯(lián)合國(guó)運(yùn)用衛(wèi)星對(duì)地球進(jìn)行遙感研究小組對(duì)遙感下的定義：“觀(guān)測(cè)物質(zhì)或近地目標(biāo)從紫外線(xiàn)到微波的某些波長(zhǎng)的電磁發(fā)射現(xiàn)象”。詳細(xì)地說(shuō)，就是運(yùn)用現(xiàn)代運(yùn)載工具和電子、光學(xué)儀器，以主動(dòng)和被動(dòng)方式接受地(水) 表或其以下一定深度處的研究對(duì)象發(fā)射或反射從紫外線(xiàn)到微波

15、的，能通過(guò)大氣的某些波段的電磁波信息，經(jīng)過(guò)加工處理，獲得研究對(duì)象的有用信息，達(dá)到探測(cè)目標(biāo)物的整個(gè)信息的接收、傳輸、處理和應(yīng)用處理。它是隨著空間技術(shù)的出現(xiàn)而出現(xiàn)的，屬于空間科學(xué)，被稱(chēng)之為宇宙中的“眼睛”[2]。 </p><p>　　在遙感應(yīng)用研究中，得到經(jīng)過(guò)正確處理以后形成的高清晰圖像，對(duì)展開(kāi)以后的工作具有重要的作用。很多歷史資料由于材質(zhì)和時(shí)間的原因，整幅圖片色澤偏暗，亮度范圍不足或非線(xiàn)性等因素造成對(duì)比度不足，影

16、響觀(guān)看效果，結(jié)合人眼對(duì)灰度的感覺(jué)，如果相鄰兩個(gè)物體目標(biāo)灰度相差比較小，超過(guò)人眼對(duì)灰度差的感知能力，人眼就無(wú)法區(qū)分這不同的兩個(gè)物體，從而導(dǎo)致無(wú)法看清楚圖片，這就需要對(duì)圖片做出一些處理，使圖片的灰度差和整體色澤有所改善，以達(dá)到人眼觀(guān)看的效果。圖像處理的原始目的就是改善圖像，使看不清的目標(biāo)能夠看得清楚，因此，對(duì)數(shù)字圖像識(shí)別分析的全過(guò)程，都要求圖像得到改善以適應(yīng)人的肉眼，為了達(dá)到這個(gè)目的，除了首先需要去除噪聲之外，還需要分辨灰度細(xì)節(jié)，解決灰度的

17、擴(kuò)展和圖像鮮明化問(wèn)題。</p><p>　　圖像改善最常用的方法是圖像增強(qiáng)，以改善圖像的視覺(jué)效果，把圖像處理成為適用于計(jì)算機(jī)分析或控制的形式，圖像增強(qiáng)是突出圖像需要的信息，削弱或除去不需要的信息的處理方法，以達(dá)到改善圖像的目的。它并不能完全滿(mǎn)足原始圖像的一些視覺(jué)特性，為了達(dá)到圖像增強(qiáng)的效果，圖像往往會(huì)發(fā)生變化，產(chǎn)生畸變，但是對(duì)人的肉眼的感覺(jué)而言，畸變后的圖像反而更清晰，觀(guān)感也更舒服，因此，圖像增強(qiáng)不顧及原始圖像是

18、否發(fā)生了畸變，只以符合肉眼觀(guān)感和找出特征為條件，圖像增強(qiáng)內(nèi)容包括：去除圖像噪聲，抽取圖像中某些目標(biāo)輪廓，圖像的勾邊處理，提取圖像中的特征等技術(shù)，通過(guò)直方圖均衡化技術(shù)來(lái)實(shí)現(xiàn)圖像增強(qiáng)，首先對(duì)原圖像通過(guò)離散函數(shù)進(jìn)行直方圖處理。得到原圖像的直方圖后，根據(jù)均衡化的變換函數(shù)通過(guò)計(jì)算得到需要的增強(qiáng)效果的圖像的直方圖，分析圖像增強(qiáng)的點(diǎn)處理、空間域?yàn)V波、頻域?yàn)V波、代數(shù)運(yùn)算。用直方圖均衡化的算法增強(qiáng)灰度圖像，達(dá)到了圖像增強(qiáng)的目的。[8]</p>

19、<p>　　1957年蘇聯(lián)成功發(fā)射第一顆人造地球衛(wèi)星，標(biāo)志著人類(lèi)進(jìn)入了航天遙感時(shí)代。到目前為止，包括中國(guó)在內(nèi)的十幾個(gè)國(guó)家已經(jīng)向宇宙空間發(fā)射了數(shù)千顆人造衛(wèi)星，它們廣泛應(yīng)用于軍事、通訊、教育、導(dǎo)航、天文和地球資源觀(guān)測(cè)等領(lǐng)域，其中Landsat衛(wèi)星（原名地球資源技術(shù)衛(wèi)星ERTS（Earth resource techmtogy satellite），它是美國(guó)國(guó)家航空和航天局（NASA）發(fā)射的用來(lái)獲取地球表面圖像的一種遙感平臺(tái)，以

20、觀(guān)察陸地環(huán)境和資源為主。）[3]是目前世界范圍內(nèi)應(yīng)用最廣泛的民用對(duì)地觀(guān)測(cè)衛(wèi)星，在圍繞地球的軌道上運(yùn)轉(zhuǎn)，獲取了數(shù)百萬(wàn)幅有價(jià)值的圖像。圖像上載有豐富的地面信息，在農(nóng)業(yè)、林業(yè)、生態(tài)、地質(zhì)、地理、氣象、水文、海洋、環(huán)境污染、地圖測(cè)繪等方面得到了廣泛的應(yīng)用。</p><p>　　TM圖像為專(zhuān)題繪圖儀（Thematic Mapper）獲取的圖像。從Landsat-4起，發(fā)射的衛(wèi)星上加裝了專(zhuān)題繪圖儀（TM）來(lái)獲取地球表層信息。

21、[3]TM在光譜分辨率、輻射分辨率和地面分辨率都比MSS圖像有較大的改進(jìn)。在光譜分辨率方面，它采用7個(gè)波段來(lái)記錄遙感器獲取的目標(biāo)地物信息；在輻射分辨率方面，Tm采用雙向掃描，改進(jìn)了輻射測(cè)量精度，目標(biāo)地物模擬信號(hào)經(jīng)過(guò)模數(shù)轉(zhuǎn)換，以256級(jí)輻射亮度來(lái)描述不同地物的光譜特性；在地面分辨率方面，TM瞬間視場(chǎng)對(duì)應(yīng)的地面分辨率為30m（第6波段除外）。[3]ETM，是 Enhanced Thematic Mapper的縮寫(xiě)，意為“增強(qiáng)型專(zhuān)題繪圖儀”，

22、是TM的增強(qiáng)型，具有8個(gè)波段的掃描式光學(xué)成像儀器，ETM與TM的波段、光譜特性和分辨率基本相似，最大變化是（1）增加了分辨率為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）輻射定標(biāo)誤差率小于5%，比Landsat5提高1倍。</p><p><b>　　0國(guó)內(nèi)外研究現(xiàn)狀</b></p><p>　　20世紀(jì)20年代

23、圖片第一次通過(guò)海底電纜從倫敦傳往紐約。當(dāng)時(shí)人們通過(guò)字符模擬得到中間色調(diào)的方法來(lái)還原圖像。1921年年底提出了一種基于光學(xué)還原的新技術(shù)。這一時(shí)期引入了一種用編碼圖像紙帶去調(diào)制光束達(dá)到調(diào)節(jié)底片感光程度的方法，使灰度等級(jí)從5個(gè)灰度級(jí)增加到15個(gè)灰度等級(jí)，明顯改善了圖像復(fù)原的效果。20世紀(jì)60年代早期第一臺(tái)能夠執(zhí)行數(shù)字圖像處理任務(wù)的大型計(jì)算機(jī)制造的制成，標(biāo)志著利用計(jì)算機(jī)技術(shù)處理數(shù)字圖像時(shí)代的到來(lái)。[7]1964年，研究人員在美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室(

24、JPL)里使用計(jì)算機(jī)以及其它硬件設(shè)備，采用幾何校正、灰度變換、去噪聲、傅里葉變換以及二維線(xiàn)性濾波等增強(qiáng)方法對(duì)航天探測(cè)器“徘徊者7號(hào)”發(fā)回的幾千張?jiān)虑蛘掌M(jìn)行處理，成功地繪制出了月球表面地圖。[8]之后他們又對(duì)1965年“徘徊者8號(hào)”發(fā)回的幾萬(wàn)張照片進(jìn)行了較為復(fù)雜的數(shù)字圖像處理，使圖像質(zhì)量進(jìn)一步提高。這些成績(jī)使得JPL更加重視對(duì)數(shù)字圖像處理地研究和設(shè)備的改進(jìn)，并專(zhuān)門(mén)成立了圖像處理實(shí)驗(yàn)室IPL。在IPL里成功的對(duì)后來(lái)探測(cè)飛船發(fā)回的幾十萬(wàn)張照

25、片進(jìn)行了更為復(fù)雜的圖像處理，最終獲得了月球的地形圖、彩色圖以及全景鑲嵌圖。從此數(shù)字圖像增強(qiáng)技術(shù)走進(jìn)了航空</p><p>　　進(jìn)入20世紀(jì)90年代，圖像增強(qiáng)技術(shù)已經(jīng)逐步涉及人類(lèi)生活和社會(huì)發(fā)展的各個(gè)方面。直方圖均衡處理是圖像增強(qiáng)技術(shù)常用的方法之一。</p><p>　　在借鑒國(guó)外相對(duì)成熟理論體系和技術(shù)應(yīng)用體系的條件下，國(guó)內(nèi)的增強(qiáng)技術(shù)和應(yīng)用也有了很大的發(fā)展。人們運(yùn)用數(shù)字圖像增強(qiáng)技術(shù)處理和分析遙

26、感圖像，以有效地進(jìn)行資源和礦藏的勘探、調(diào)查、農(nóng)業(yè)和城市的土地規(guī)劃、作物估產(chǎn)、氣象預(yù)報(bào)、災(zāi)害的監(jiān)視等。圖像增強(qiáng)是圖像處理的重要組成部分，傳統(tǒng)的圖像增強(qiáng)方法對(duì)于改善圖像質(zhì)量發(fā)揮了極其重要的作用。隨著對(duì)圖像技術(shù)研究的不斷深入和發(fā)展，新的圖像增強(qiáng)方法不斷出現(xiàn)。[9]例如一些學(xué)者將模糊映射理論引入到圖像增強(qiáng)算法中，提出了包括模糊松弛、模糊熵、模糊類(lèi)等增強(qiáng)算法來(lái)解決增強(qiáng)算法中映射函數(shù)選擇問(wèn)題，并且隨著交互式圖像增強(qiáng)技術(shù)的應(yīng)用，可以主觀(guān)控制圖像增強(qiáng)效

27、果。同時(shí)利用直方圖均衡技術(shù)的圖像增強(qiáng)也有許多新的進(jìn)展：例如提出了多層直方圖結(jié)合亮度保持的均衡算法、動(dòng)態(tài)分層直方圖均衡算法。這些算法通過(guò)分割圖像，然后在子層圖像內(nèi)做均衡處理，較好地解決了直方圖均衡過(guò)程中的對(duì)比度過(guò)拉伸問(wèn)題，并且可以控制子層灰度映射范圍，增強(qiáng)效果較好。 </p><p><b>　　1研究概述</b></p><p>　　1.1課題研究?jī)?nèi)容與主要方法&

28、lt;/p><p>　　本課題的研究?jī)?nèi)容是通過(guò)利用ERDAS IMAGINE11對(duì)ETM+遙感圖像的處理，對(duì)遙感圖像增強(qiáng)方法的分析，研究的主要過(guò)程是：</p><p>　　1.利用所研究的遙感數(shù)據(jù)，對(duì)遙感圖像進(jìn)行預(yù)處理</p><p>　　2.利用幾種遙感圖像增強(qiáng)方法對(duì)圖像進(jìn)行處理</p><p>　　3.對(duì)處理后的遙感圖像進(jìn)行分析</p&

29、gt;<p><b>　　1.2實(shí)驗(yàn)方案</b></p><p>　　對(duì)遙感圖像進(jìn)行預(yù)處理，包括輻射校正、幾何變形改正、消除條帶和噪音等</p><p>　　對(duì)圖像進(jìn)行增強(qiáng),如直方圖均衡化、直方圖匹配、亮度反轉(zhuǎn)、去霾處理等</p><p>　　圖像融合，對(duì)融合后的圖像增強(qiáng)處理，對(duì)比未被融合的圖像</p><p&

30、gt;　　分析遙感圖像增強(qiáng)效果，討論結(jié)果</p><p><b>　　1.3技術(shù)流程</b></p><p>　　遙感圖像表征了地物波譜輻射能量的空間分布，輻射能量的強(qiáng)弱與地物的某些特性相關(guān)。現(xiàn)代遙感技術(shù)獲取的資料容納了大量的信息，如果我們僅用傳統(tǒng)的目視解譯方法進(jìn)行解譯，必然造成很大的浪費(fèi)。為了挖掘遙感資料的信息潛力，提高解譯效果，必須用先進(jìn)技術(shù)方法對(duì)原始圖像進(jìn)行一系

31、列圖像處理，使影像更為清晰，目標(biāo)物體的標(biāo)志更明顯突出，易于識(shí)別。圖像處理雖然未增加圖像的信息量，但改善了圖像的視覺(jué)條件，提高了可辨性，是遙感圖像分析研究的一種有效手段。</p><p>　　遙感圖像處理的內(nèi)容包括：圖像復(fù)原、圖像增強(qiáng)和圖像分類(lèi)。其中圖像增強(qiáng)是指利用光學(xué)儀器或電子計(jì)算機(jī)等手段，改變圖像的表現(xiàn)形式和影像特征，使圖像變得更加清晰可判，目標(biāo)物更加突出易辨。圖像處理的方法主要有兩類(lèi)：光學(xué)處理和電子計(jì)算機(jī)數(shù)字

32、圖像處理。近年來(lái)，隨著計(jì)算機(jī)數(shù)字圖像處理技術(shù)的發(fā)展，遙感圖像的計(jì)算機(jī)處理越來(lái)越普及；而光學(xué)處理由于對(duì)儀器設(shè)備和處理環(huán)境要求較高，除專(zhuān)門(mén)的的遙感資料信息中心外，使用者越來(lái)越少，并且光學(xué)處理的內(nèi)容和形式大都可以運(yùn)用計(jì)算機(jī)處理代替。</p><p>　　因此，光學(xué)處理有被計(jì)算機(jī)處理替代的趨勢(shì)。遙感圖像的數(shù)字圖像處理是將傳感器所獲得的數(shù)字磁帶，或經(jīng)數(shù)字化的圖像膠片數(shù)據(jù)，用電子計(jì)算機(jī)進(jìn)行各種處理和運(yùn)算，提取出各種有用的信息

33、，從而通過(guò)圖像數(shù)據(jù)去了解、分析物體和現(xiàn)象的過(guò)程。</p><p>　　遙感數(shù)字圖像處理涉及了數(shù)據(jù)的來(lái)源，數(shù)據(jù)的處理以及數(shù)據(jù)的輸出，這就是處理的三個(gè)階段：輸入、處理和輸出，處理過(guò)程如圖1</p><p>　　圖1 遙感數(shù)字圖像處理過(guò)程</p><p>　　Fig.1 Remote sensing digital image processing</p>

34、<p>　　由于數(shù)字圖像處理工作是在計(jì)算機(jī)和顯示設(shè)備上完成的，因此圖像分析處理軟件是必須的。本研究利用的圖像分析處理軟件是ERDAS IMAGINE 9.2。ERDAS IMAGINE 是美國(guó)ERDAS 公司開(kāi)發(fā)的遙感圖像處理系統(tǒng)。[10]它以其先進(jìn)的圖像處理技術(shù)，友好、靈活的用戶(hù)界面和操作方式，面向廣闊應(yīng)用領(lǐng)域的產(chǎn)品模塊，服務(wù)于不同層次用戶(hù)的模型開(kāi)發(fā)工具以及高度的RS/GIS（遙感圖像處理和地理信息系統(tǒng)）集成功能，為遙感及相

35、關(guān)應(yīng)用領(lǐng)域的用戶(hù)提供了內(nèi)容豐富而功能強(qiáng)大的圖像處理工具，不但提供了數(shù)據(jù)轉(zhuǎn)換、圖像增強(qiáng)和圖像解譯等常規(guī)的圖像處理功能，還增加了很多功能。例如在傳統(tǒng)多光譜分類(lèi)方法基礎(chǔ)上，ERDAS提供了專(zhuān)家工程師及專(zhuān)家分類(lèi)器工具，為高光譜、高分辨率圖像的快速高精度分類(lèi)提供了可能。ERDAS代表了遙感圖像處理系統(tǒng)未來(lái)的發(fā)展趨勢(shì)。目前ERDAS IMAGINE軟件是世界上占最大市場(chǎng)份額的專(zhuān)業(yè)遙感圖像處理軟件。</p><p><b

36、>　　2圖像處理 </b></p><p><b>　　2.1幾何校正</b></p><p>　　由于遙感平臺(tái)位置和運(yùn)動(dòng)狀態(tài)的變化、地形起伏、地球表面曲率、大氣折射、地球自轉(zhuǎn)等因素的影響，遙感圖像在幾何位置上會(huì)發(fā)生變化，產(chǎn)生諸如行列不均勻，像元大小與地面大小對(duì)應(yīng)不準(zhǔn)確，地物形狀不規(guī)則變化等畸變，稱(chēng)為遙感圖像的幾何畸變。產(chǎn)生畸變的圖像給定量分析及位置

37、配準(zhǔn)造成困難，因此在遙感數(shù)據(jù)接收后需要對(duì)圖像進(jìn)行幾何校正以使其能夠反映出接近真實(shí)的地理狀況。</p><p>　　遙感影像相對(duì)于地圖投影坐標(biāo)系統(tǒng)進(jìn)行配準(zhǔn)校正，即要找到遙感影像與地圖投影坐標(biāo)系統(tǒng)之間的數(shù)字函數(shù)關(guān)系，通過(guò)這種函數(shù)關(guān)系可計(jì)算出原遙感影像中每個(gè)像元在地圖投影坐標(biāo)系統(tǒng)上的位置從而得到校正后的圖像。</p><p>　　2.2遙感圖像輻射增強(qiáng)</p><p>　

38、　輻射增強(qiáng)是一種通過(guò)直接改變圖像中的像元的灰度值來(lái)改變圖像的對(duì)比度，從而改善圖像視覺(jué)效果的圖像處理方法。人的眼睛鑒別圖像時(shí)能夠分辨20級(jí)左右的灰度級(jí)，而顯示設(shè)備顯示灰度的動(dòng)態(tài)范圍要大得多。[2]例如，計(jì)算機(jī)顯示器能夠顯示256個(gè)灰度級(jí)，灰度值范圍為0～255。因此，輻射增強(qiáng)能夠使一幅圖像充分利用成像設(shè)備，達(dá)到最佳動(dòng)態(tài)范圍，改善目視效果。一般來(lái)說(shuō)，原始遙感數(shù)據(jù)的灰度值范圍比較窄，這個(gè)范圍通常比顯示器的顯示范圍小得多。增強(qiáng)處理可以將其灰度范

39、圍拉伸到0～255的灰度級(jí)之間來(lái)顯示，從而使圖像對(duì)比度提高，視覺(jué)效果得以改善。輻射增強(qiáng)主要以圖像的灰度直方圖作為分析處理的基礎(chǔ)。</p><p>　　2.2.1查找表拉伸</p><p>　　查找表拉伸（LUT Stretch）是遙感圖像對(duì)比度拉伸的總和，通過(guò)修改圖像查找表使圖像像元值發(fā)生變化。可以根據(jù)對(duì)查找表的定義實(shí)現(xiàn)線(xiàn)性變換、分段線(xiàn)性變換和非線(xiàn)性變換等處理。</p>&l

40、t;p>　　[11]線(xiàn)性變換是一種改善圖像可視反差的簡(jiǎn)單方法。在絕大多數(shù)原始數(shù)據(jù)中，數(shù)據(jù)文件值通常集中在一個(gè)低于顯示設(shè)備顯示能力的范圍內(nèi)。我們可以利用每個(gè)波段的均值和標(biāo)準(zhǔn)偏差來(lái)確定數(shù)據(jù)值的拉伸范圍，并指定距離均值的標(biāo)準(zhǔn)偏差值用于反差拉伸。如果數(shù)據(jù)有一個(gè)正常的分配，那么這個(gè)拉伸范圍大約涵蓋數(shù)據(jù)的95%。因數(shù)據(jù)文件值的最小和最大值通常不能夠代表絕大多數(shù)數(shù)據(jù)，因此常用均值和標(biāo)準(zhǔn)偏差分別代替兩者。</p><p>

41、　　線(xiàn)性變換是將原始圖像各亮度值按線(xiàn)性關(guān)系進(jìn)行變換，使圖像的亮度范圍擴(kuò)展到任意指定范圍或整個(gè)動(dòng)態(tài)范圍。線(xiàn)性變換是圖像增強(qiáng)處理最常用的方法，采用的變換公式為：</p><p><b>　　(2.1)</b></p><p>　　式中T為變換函數(shù)，A、B為變換參數(shù)，由原始圖像和變換圖像的灰度值動(dòng)態(tài)范圍決定。</p><p>　　[3]線(xiàn)性變換通常分

42、為普通線(xiàn)性變換和分段線(xiàn)性變換兩種。前者是按比例擴(kuò)大原始灰度級(jí)的范圍，以充分利用顯示設(shè)備的動(dòng)態(tài)范圍，使變換后圖像的直方圖的兩端達(dá)到飽和。而在實(shí)際工作中，后者能夠更好地調(diào)節(jié)圖像的對(duì)比度。</p><p>　　（1）普通線(xiàn)性變換。假設(shè)變換前圖像的亮度范圍f為a1～a2，變換后圖像的亮度范圍g為b1～b2，一般要求b1＜a1，b2＞a2，普通線(xiàn)性變換如圖2所示，變換方程為</p><p>　　則

43、 (2.2)</p><p>　　普通線(xiàn)性變換將原始圖像的灰度范圍不加區(qū)別地?cái)U(kuò)展，缺乏針對(duì)性。</p><p>　?。?）分段線(xiàn)性變換。在實(shí)際應(yīng)用中，為了突出圖像中感興趣的對(duì)象，更好地調(diào)節(jié)圖像的反差，需要在一些灰度段拉伸，而在另一些灰度段壓縮，這種變換稱(chēng)為分段線(xiàn)性變換。分段線(xiàn)性變換如①所示，在變換

44、坐標(biāo)系中成為折線(xiàn)，折線(xiàn)間斷點(diǎn)的位置根據(jù)需要決定，對(duì)應(yīng)的變換函數(shù)在不同的區(qū)間有不同的線(xiàn)性方程：</p><p><b>　　第一段：</b></p><p>　　第二段： (2.3)</p><p><b>　　第三段：</b></p><p>　　圖2 線(xiàn)性變換

45、 圖3 分段線(xiàn)性變換</p><p>　　Fig.2 Linear transformation Fig.3 Piecewise linear transformation</p><p>　?。?）非線(xiàn)性變換。非線(xiàn)性輻射增強(qiáng)可以用于逐漸地增加或減少一段范圍內(nèi)的反差，不用有相同大小的斜率(坡度)。通常，非線(xiàn)性增強(qiáng)在拉大一

46、段區(qū)域內(nèi)的反差的同時(shí)減少了其他區(qū)域的反差。非線(xiàn)性變換常用指數(shù)變化和對(duì)數(shù)變換來(lái)達(dá)到增強(qiáng)的目的。</p><p>　　指數(shù)變換。指數(shù)變換的變換函數(shù)曲線(xiàn)如圖4所示，它在亮度值較高的部分?jǐn)U大亮度間隔，屬于拉伸；而在亮度值較低的部分縮小亮度間隔，屬于壓縮。函數(shù)表達(dá)式為</p><p><b>　　(2.4)</b></p><p>　　式中，a、b、c為

47、可調(diào)參數(shù)，可以改變指數(shù)函數(shù)曲線(xiàn)的形態(tài)，從而實(shí)現(xiàn)不同的拉伸比例。</p><p>　　對(duì)數(shù)變換。對(duì)數(shù)變換的變換函數(shù)曲線(xiàn)如圖圖5所示，與指數(shù)變換相反，它在亮度值較低的部分拉伸擴(kuò)展，而在亮度值較高的部分壓縮，其數(shù)字表達(dá)式為g=blg (2.5)</p><p>　　式中：a、b、c仍為可調(diào)參數(shù)，由使用者決定其值。</p>

48、<p>　　圖4 指數(shù)變換 圖5 對(duì)數(shù)變換</p><p>　　Fig.4 Exponential transformation Fig.5 Logarithmic transformation</p><p>　　利用ERDAS打開(kāi)模型生成器</p><p>　　圖6 ER

49、DAS查找表拉伸模型生成器</p><p>　　Fig.6 ERDAS stretch model generator look-up table</p><p>　　圖7 拉伸處理前圖像 圖8 拉伸處理后圖像</p><p>　　Fig.7 Stretch processing before the imag

50、e Fig.8 After stretching the image</p><p>　　圖像分析：可以看到數(shù)字影像的色彩對(duì)比度增強(qiáng)，清晰度變高等變化。</p><p>　　2.2.2直方圖均衡化</p><p>　　直方圖均衡化是一種簡(jiǎn)單有效的圖像增強(qiáng)技術(shù)，基本做法是將每個(gè)灰度區(qū)間等概率分布代替了原來(lái)的隨機(jī)分布，即增強(qiáng)后的圖象中每一灰度級(jí)的像

51、元數(shù)目大致相同。直方圖均衡化可使得面積最大的地物細(xì)節(jié)得以增強(qiáng)，而面積小的地物與其灰度接近的地物進(jìn)行合并，形成綜合地物。減少灰度等級(jí)換取對(duì)比度的增大。其輻射增強(qiáng)思想是將原圖像增強(qiáng)后的直方圖呈近似均勻狀分布，即不同的灰度級(jí)在圖像中的概率密度應(yīng)近似相等。該方法的意義有以下幾種解釋方式：</p><p>　　充分均勻地利用所有灰度級(jí)；</p><p>　　(2)通過(guò)實(shí)例說(shuō)明直方圖平坦的圖像的灰度動(dòng)

52、態(tài)范圍及對(duì)比度更大，可分辨的細(xì)節(jié)更豐富，視覺(jué)效果更好；</p><p>　　(3)把直方圖平坦化可以“歸一化”圖像，減弱照明的影響，從而作為特征提取和圖像匹配之前的預(yù)處理；</p><p>　　(4)平坦分布對(duì)應(yīng)的熵最大，意味著圖像的信息最多；</p><p>　　(5)直方圖平坦化之后再對(duì)灰度級(jí)均勻量化可以使出現(xiàn)頻繁的灰度值被量化得較精確，出現(xiàn)不頻繁的灰度值被量化

53、得較粗糙，從而在量化等級(jí)數(shù)一定的情況下使平均誤差更小。</p><p>　　打開(kāi)ERDAS模型生成器</p><p>　　圖9 ERDAS 直方圖均衡化模型生成器</p><p>　　Fig.9 ERDAS histogram equalization model generator</p><p>　　圖10 直方圖均衡化處理前圖像

54、 圖11 直方圖均衡化處理后圖像 </p><p>　　Fig.10 Before processing the image Fig.11 After processing the image </p><p>　　圖像分析：可以明顯看出處理后影像的亮度增強(qiáng)，對(duì)比度增強(qiáng)，影像變清晰。</p>&

55、lt;p>　　2.2.3 直方圖的匹配</p><p>　　直方圖的匹配，即直方圖的規(guī)定化，是指使一幅圖像的直方圖變成規(guī)定形狀的直方圖而對(duì)圖像進(jìn)行變換的增強(qiáng)方法，是把原圖像的直方圖變換為某種指定形態(tài)的直方圖或某一參考圖像的直方圖，然后按著已知的指定形態(tài)的直方圖調(diào)整原圖像各像元的灰級(jí)，最后得到一個(gè)直方圖匹配的圖像。這種方法主要應(yīng)用在有一幅很好的圖像作為標(biāo)準(zhǔn)的情況下，對(duì)另一幅不滿(mǎn)意的圖像用標(biāo)準(zhǔn)圖像的直方圖進(jìn)行匹

56、配處理，以改善被處理圖像的質(zhì)量。如在數(shù)字鑲嵌時(shí)，重疊區(qū)影像色調(diào)由于時(shí)相等原因差異往往很大，利用直方圖匹配這一方法后可以改善重疊區(qū)影像色調(diào)過(guò)度，如果鑲嵌圖像時(shí)相相差不大，完全可以作到無(wú)縫鑲嵌。其用處是:</p><p>　　匹配不同天掃描的相同或鄰近景，這些圖像由于太陽(yáng)高度角或大氣效應(yīng)的原因略有不同；</p><p>　　(2)分辨率融合，指通過(guò)融合高分辨率全色圖像的一個(gè)波段來(lái)提高低分辨率多

57、波段圖像的過(guò)程。為了使直方圖匹配獲得較好結(jié)果，輸入的兩個(gè)全色圖像應(yīng)該具有相似的特點(diǎn)，直方圖曲線(xiàn)的總體形狀也應(yīng)當(dāng)相似。即使匹配的景不是同一個(gè)地區(qū)，土地覆蓋的相對(duì)分布也應(yīng)當(dāng)相同，如果一幅圖像有云而另一幅沒(méi)有，就應(yīng)當(dāng)用一些算法將云消除。[3]</p><p>　　打開(kāi)ERDAS模型生成器</p><p>　　圖12 ERDAS 直方圖匹配模型生成器</p><p>　　F

58、ig.12 ERDAS histogram matching model generator</p><p>　　圖13 直方圖匹配處理前圖像</p><p>　　Fig.13 Before processing the image histogram matching</p><p>　　圖14 直方圖匹配圖像 圖15 直

59、方圖匹配處理后圖像 </p><p>　　Fig.14 Histogram matching images Fig.15 Before processing the image</p><p>　　圖像分析：可以看出經(jīng)過(guò)處理后的圖像與匹配圖像的色調(diào)基本保持一致。</p><p><b>　　2.2.4亮度反轉(zhuǎn)</b><

60、/p><p>　　亮度反轉(zhuǎn)（Brightness Inverse）是對(duì)圖像亮度范圍進(jìn)行線(xiàn)性或非線(xiàn)性取反，產(chǎn)生一幅與輸入圖像亮度相反的圖像，原來(lái)亮的地方變暗，原來(lái)暗的地方變亮，它是線(xiàn)性拉伸的特殊情況。通過(guò)反轉(zhuǎn)可以像建立底片的效果。例如，掃描一張底片，需要對(duì)底片處理時(shí)，就可以用亮度反轉(zhuǎn)來(lái)處理。其關(guān)系可用整幅圖像的最大值—圖像值表示。</p><p>　　打開(kāi)ERDAS模型生成器</p>

61、<p>　　圖16 ERDAS 亮度反轉(zhuǎn)模型生成器</p><p>　　Fig.16 ERDAS brightness inversion model generator</p><p>　　圖17 亮度反轉(zhuǎn)處理前圖像 圖18 亮度反轉(zhuǎn)處理后圖像</p><p>　　Fig.17 Before processi

62、ng the image Fig.18 After processing the image </p><p>　　圖像分析：通過(guò)亮度反轉(zhuǎn)，產(chǎn)生一個(gè)與原圖像完全相反的圖像，暗的地方變成亮的，亮的地方變成暗的。</p><p><b>　　2.2.5去霾處理</b></p><p>　　去霾處理（Haze Reduction）

63、的目的是降低多波段圖像（Landsat TM）或全色圖像的模糊度。對(duì)于多波段圖像，該方法的實(shí)質(zhì)是基于纓帽變換方法，首先對(duì)圖像進(jìn)行主成份變換，找出與模糊度相關(guān)的成分并剔除，然后再進(jìn)行主成份逆變換回到RGB彩色空間，達(dá)到去霾的目的。對(duì)于全彩色圖像，該方法采用點(diǎn)擴(kuò)展卷積反轉(zhuǎn)進(jìn)行處理，并根據(jù)情況選擇5×5或3×3的卷積算子分別用于高頻模糊度或低頻模糊度的去除。[10]</p><p>　　打開(kāi)ERDA

64、S模型生成器</p><p>　　圖19 ERDAS去霾處理模型生成器</p><p>　　Fig.19 ERDAS model generator to deal with haze</p><p>　　圖20 去霾處理前的圖像 圖21去霾處理處理后圖像</p><p>　　Fig.20 Be

65、fore processing the image to haze Fig.21 After processing the image to haze</p><p><b>　　2.2.6降噪處理</b></p><p>　　降噪處理（Noise Reduction）是利用自適應(yīng)濾波方法去除圖像中的噪聲，該技術(shù)在沿著邊緣或平坦區(qū)域去除噪聲的同時(shí)可以很好

66、地保持圖像中一些微小的細(xì)節(jié)。</p><p>　　圖22 降噪處理前的圖像 圖23降噪處理后的圖像</p><p>　　Fig.22 Before image noise reduction Fig.23 After image noise reduction</p><p>　　2.2.

67、7去條帶處理</p><p>　　去條帶處理（Destripe TM Data）是針對(duì)Landsat TM的圖像特點(diǎn)對(duì)其原始數(shù)據(jù)進(jìn)行3次卷積，以達(dá)到去除掃描條帶的目的。在操作過(guò)程中，只有一個(gè)關(guān)于邊緣處理的選擇項(xiàng)需要用戶(hù)定義，其中的兩項(xiàng)分別是反射和填充，前者是應(yīng)用圖像邊緣灰度值的鏡面反射值作為圖像邊緣以外的像元值，這樣可以避免出現(xiàn)暈光；后者則是統(tǒng)一將圖像以外的像元以0值填充，呈黑色背景。</p>&l

68、t;p>　　打開(kāi)ERDAS模型生成器</p><p>　　圖24 ERDAS去條帶處理模型生成器</p><p>　　Fig.24 ERDAS to strip processing model generator</p><p>　　圖25 去條帶處理前的圖像 圖26去條帶處理后的圖像</p>&l

69、t;p>　　Fig.25 Before to strip the images processing Fig.26 After to strip the images processing</p><p>　　圖像分析：經(jīng)處理后圖像與原圖像相比色彩差別不大，但在細(xì)節(jié)部分色彩更清晰</p><p><b>　　2.3圖像融合</b></p&g

70、t;<p>　　在遙感應(yīng)用中，有時(shí)會(huì)要求圖像同時(shí)具有高空間分辨率和高光譜分辨率。然而，現(xiàn)在由于技術(shù)條件的限制，儀器很難提供這樣的數(shù)據(jù)。圖像融合（Image Fusion）技術(shù)是指將多源信道所采集到的關(guān)于同一目標(biāo)的圖像經(jīng)過(guò)一定的圖像處理，提取各自信道的信息，最后綜合成同一圖像以供觀(guān)察或進(jìn)一步處理。遙感圖像融合處理的目的是綜合不同傳感器獲得的圖像的優(yōu)點(diǎn)，充分利用全色波段高空間分辨率和多光譜波段分辨率信息，融合出集合兩者特征的影

71、像。然而對(duì)于不同特征的圖像并不能采用所有的融合方法都能得到正確的圖像處理結(jié)果。盡管利用全色波段數(shù)據(jù)對(duì)多光譜數(shù)據(jù)進(jìn)行幾何配準(zhǔn)后再進(jìn)行融合處理，會(huì)大幅增強(qiáng)影像判讀的準(zhǔn)確性，突出全色波段數(shù)據(jù)和多光譜數(shù)據(jù)的變異特性，但是基于地面環(huán)境、大氣透射等影響，若要獲得理性的融合效果，還應(yīng)根據(jù)圖像的特征，選擇相適應(yīng)的融合算法才能奏效。[10]</p><p>　　ERDAS IMAGINE系統(tǒng)中通?？刹捎茫褐鞒煞肿儞Q融合、HIS變換

72、、Brovey變換、乘積變換融合和比值變換融合等。不同圖像融合方法的特點(diǎn)不同，因此所融合的結(jié)果也存在明顯的差異。</p><p>　　2.3.1主成分融合</p><p>　　由于遙感影像不同波段之間往往存在著很高的相關(guān)性，因而從提取有用信息的角度考慮，有相當(dāng)一部分?jǐn)?shù)據(jù)是冗余的，而這部分冗余數(shù)據(jù)將會(huì)干擾遙感影像的解譯分類(lèi)、主成分融合的目的就是將原多波段圖像中的有用信息集中到數(shù)目較少的新的主

73、成分圖像中，使這些主成分圖像之間互不相關(guān)，并且將影像中的無(wú)用噪聲集中到最后一個(gè)主成分上，通過(guò)對(duì)最后的噪聲成分進(jìn)行歸零處理來(lái)消除影像中的噪聲，再利用高空間分辨率的全色波段ETM圖像對(duì)主成分圖像進(jìn)行融合，最后再對(duì)融合后的主成分影像進(jìn)行主成分逆變換處理，既消除了影像中的噪聲對(duì)影像解譯分類(lèi)的影響，又提高了影像的空間分辨率，進(jìn)而提高了影像的解譯能力。</p><p>　　主成分融合的優(yōu)點(diǎn)是能夠分離信息，減少相關(guān)，達(dá)到突出不

74、同的地物目標(biāo)。還對(duì)輻射差異具有自動(dòng)校正的功能，因此無(wú)須再做相對(duì)輻射校正處理。</p><p>　　圖27 主成分融合前圖像 圖28 主成分融合后圖像</p><p>　　Fig.27 Principal component images before fusion Fig.28 Principal component image f

75、usion</p><p>　　圖像分析：如處理后的圖像所示，經(jīng)主成分融合后的圖像提高了分辨率，突出了山地、河流、城鎮(zhèn)等地物信息。</p><p>　　2.3.2乘積變換融合</p><p>　　乘積變換融合是一種乘積與線(xiàn)性變換相結(jié)合的融合方法，該方法可以增強(qiáng)圖像的反差，突出圖像的細(xì)節(jié)。采用的公式為：</p><p>　　=A· &

76、#183; +B (2.6)</p><p>　　式中A為比例因子，B為灰度值線(xiàn)性變換的增量。操作時(shí)先將多光譜圖像進(jìn)行主成分變換，得到3個(gè)主成分分量PC1，PC2，PC3，再將高分辨率全色波段圖像和PC3分別作為 和 代入上述公式等到 。將PC1， ，PC2分別作為紅、綠、藍(lán)波段合成融合后的影像。[12]</p><p>　　此方法既通過(guò)主

77、成分分析達(dá)到消除冗余，提高信息量的目的，又利用各種主成分與全色波段數(shù)據(jù)的關(guān)聯(lián)，實(shí)現(xiàn)了提高空間分辨率的目的，還可以將全部像元的灰度值統(tǒng)一調(diào)整一個(gè)增量，達(dá)到圖像增強(qiáng)的目的。與Brovey變換比較，在突出空間分辨率的相同條件下，從地物電磁波特征的角度入手，更突出表現(xiàn)了地表覆蓋的主成分，還有可能達(dá)到灰度增強(qiáng)的目的。</p><p>　　圖29 乘積變換融合前圖像 圖30乘積變換融合后圖像

78、</p><p>　　Fig.29 Transform fusion image before the product Fig.30 Transform image fusion product</p><p>　　圖像分析：與主成分融合相比，乘積變換融合后的圖像不同地物的的色彩反差更強(qiáng)，突出了細(xì)節(jié)的區(qū)分與地表覆蓋物的成分。</p><p>　　2.3.3 Br

79、ovey變換</p><p>　　Brovey變換是一種通過(guò)歸一化后的3個(gè)波段的多光譜影像與高分辨率圖像進(jìn)行乘積運(yùn)算的融合方法。Brovey變換的優(yōu)點(diǎn)在于銳化圖像的同時(shí)能夠保持原多光譜影像的信息內(nèi)容。其公式為：</p><p>　　=（ /（ + + ））× (2.7)</p><p>　　式中 為融合后的像素值， 為多光譜影像中第i波

80、段的像素值， 為高分辨率全色影像的像素值。這種算法最突出的在于求出多光譜波段的每個(gè)波段像素值和的比值，然后再以全色波段像素值為基準(zhǔn)，求得的波段參加融合的像素值。但是如果3個(gè)波段中各種地物特征表現(xiàn)不明顯時(shí)，融合的效果并不顯著。[13]</p><p>　　Brovey變換的特點(diǎn)在于強(qiáng)調(diào)了空間分辨率的特征，前兩種方法實(shí)質(zhì)上是突出地物光譜特征的，融合的結(jié)果并沒(méi)有提高空間分辨率，只是把地物電磁波波譜的差異作了進(jìn)一步的表現(xiàn)

81、。Brovey變換把全色波段的灰度值作為地物電磁波波譜特征的基礎(chǔ)，利用每個(gè)多光譜波段數(shù)據(jù)的灰度值與3個(gè)多波段數(shù)據(jù)灰度值的總和，確定各種地物相應(yīng)波段電磁波特征在全色波段灰度值中所占的比重，突出了全色波段數(shù)據(jù)的空間分辨率，又突出了地物在不同波段電磁波特性的差異。</p><p>　　圖31 Brovey變換前的圖像 圖32 Brovey變換后圖像</p><p&g

82、t;　　Fig.31 Brovey transform the image before Fig.32 Brovey transformed image</p><p>　　圖像分析：與乘積變換融合相比，Brovey變換融合后的圖像，色彩扭曲程度不強(qiáng)，一定程度上保持了地物的紋理，光譜特性。</p><p>　　2.4融合后圖像的增強(qiáng)處理</p><p&

83、gt;　　2.4.1查找表拉伸 </p><p>　　圖33為未經(jīng)融合圖像的拉伸處理 圖34為主成分融合后圖像的拉伸處理</p><p>　　Fig.33 Without stretching the fused image Fig.34 Principal components fused image </p><

84、;p>　　圖35為乘積變換融合后圖像的拉伸處理 圖36為Brovey變換融合后圖像的拉伸處理</p><p>　　Fig.35 Transform image fusion product image Fig.36 Brovey transform fusion image </p><p>　　2.4.2直方圖均衡化</p>&l

85、t;p>　　圖37為未經(jīng)融合圖像的均衡化處理 圖38為主成分融合后圖像的均衡化處理</p><p>　　Fig.37 Without fusion image processing Fig.38 Principal component fusion image processing</p><p>　　圖39為乘積變換融合后圖像的均衡化處理

86、圖40為Brovey變換融合后圖像的均衡化處理</p><p>　　Fig.39 Transform fusion product image processing Fig.40 Brovey transform fusion image processing</p><p>　　2.4.3直方圖匹配</p><p>　　圖41為未經(jīng)融合圖像的直方圖匹配處理

87、圖42為主成分融合后圖像的直方圖匹配處理</p><p>　　Fig.41 Without the fused image processing Fig.42 Principal components fused image processing</p><p>　　圖43為乘積變換融合后圖像的匹配處理 圖44為Brovey變換融合后圖像的匹配處理</p>

88、<p>　　Fig.43 Transform fusion after processing the image Fig.44 Brovey transform fusion image processing</p><p><b>　　3結(jié)果與討論</b></p><p>　　經(jīng)上述過(guò)程完成了圖像增強(qiáng)的處理，幾種增強(qiáng)方法與融合后的增強(qiáng)方法都在不同程度上提

89、高了圖像的可判讀性。經(jīng)融合的圖像再進(jìn)行增強(qiáng)處理，既提高了圖像的空間分辨率，又保持了多光譜信息的光譜特性。其中乘積變換融合后圖像的細(xì)節(jié)表現(xiàn)能力不錯(cuò)，地物紋理清晰，對(duì)山地、河流、海洋顯示效果明顯，只是在一定程度上存在光譜失真現(xiàn)象。Brovey變換后圖像中地物細(xì)節(jié)表現(xiàn)較強(qiáng)，利于提取地物信息。主成分變換后圖像提高了影像分辨率，整體效果不錯(cuò)能較好地保持多光譜的光譜特性，只是亮度特征較原圖稍暗，色彩對(duì)比度不強(qiáng)。</p><p&g

90、t;　　本研究在ERDAS IMAGINE 9.2專(zhuān)業(yè)遙感圖像處理軟件基礎(chǔ)上對(duì)舟山海域2002年Landsat7 ETM多光譜影像和全色影像進(jìn)行了融合處理，包括主成分變換、乘積變換、Brovey變換，獲得了不錯(cuò)的效果。最后對(duì)實(shí)驗(yàn)結(jié)果分析表明，在提高空間分辨率的同時(shí)，影像的光譜信息會(huì)減弱。總體來(lái)說(shuō)，經(jīng)主成分變換融合后的圖像再增強(qiáng)處理，得到的結(jié)果有一定的光譜退化現(xiàn)象，但整體效果好，改善了圖像的顯示質(zhì)量；經(jīng)乘積變換融合后的圖像再增強(qiáng)處理，得到

91、的結(jié)果無(wú)論在亮度信息還是在色彩對(duì)比度方面都較好，但存在一定的光譜失真現(xiàn)象；經(jīng)Brovey融合后的圖像再增強(qiáng)處理，得到的結(jié)果在提取地物信息中有較好表現(xiàn)，加強(qiáng)了判讀效果。但是由于是從整體上提高圖像的質(zhì)量，并沒(méi)有針對(duì)單一的地類(lèi)進(jìn)行融合試驗(yàn)，所以雖然在一些變換中突出了某類(lèi)地物，但并不表明這種變換是提取該地物的最好方法。隨著遙感技術(shù)的發(fā)展，多傳感器平臺(tái)、高分辨率、高光譜遙感影像的出現(xiàn)越來(lái)越多，更好地利用這些信息獲得更完善的融合模式和高質(zhì)量的影像，

92、還需要進(jìn)一步的研究。</p><p>　　遙感數(shù)字處理技術(shù)是上世紀(jì)60年代隨著計(jì)算機(jī)科學(xué)的發(fā)展而發(fā)展起來(lái)的一門(mén)新興科學(xué)。圖像處理輸入的是低質(zhì)量的圖像，通過(guò)圖像增強(qiáng)、復(fù)原、壓縮等輸出高質(zhì)量的圖像。圖像增強(qiáng)技術(shù)是遙感數(shù)字處理技術(shù)中一項(xiàng)重要的技術(shù)。圖像增強(qiáng)的應(yīng)用領(lǐng)域十分廣闊并涉及各種類(lèi)型的圖像。[7]例如，在軍事應(yīng)用中，增強(qiáng)紅外圖像提取我方感興趣的敵軍目標(biāo)；在醫(yī)學(xué)應(yīng)用中，增強(qiáng)X射線(xiàn)所拍攝的患者腦部、胸部圖像確定病癥的準(zhǔn)

93、確位置；在空間應(yīng)用中，對(duì)用太空照相機(jī)傳來(lái)的月球圖片進(jìn)行增強(qiáng)處理改善圖像的質(zhì)量；在農(nóng)業(yè)應(yīng)用中，增強(qiáng)遙感圖像了解農(nóng)作物的分布；在交通應(yīng)用中，對(duì)大霧天氣圖像進(jìn)行增強(qiáng)，加強(qiáng)車(chē)牌、路標(biāo)等重要信息進(jìn)行識(shí)別；在數(shù)碼相機(jī)中，增強(qiáng)彩色圖像可以減少光線(xiàn)不均、顏色失真等造成的圖像退化現(xiàn)象。 </p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 楊宇，吳田；基于GIS的

94、輸電線(xiàn)路智能化運(yùn)行與管理技術(shù)，中國(guó)科技縱橫，2010年24期 </p><p>　　[2]黃永璘，何立，王君華，羅永明；衛(wèi)星遙感圖像的增強(qiáng)處理，廣西氣象，2006年03期</p><p>　　[3]常慶瑞，蔣平安，周勇，申廣榮，李瑞雪，趙鵬祥；遙感技術(shù)導(dǎo)論，科學(xué)出版社</p><p>　　[4]潘振贛，龔聲蓉；淺談數(shù)字圖像處理技術(shù)的基本原理，電腦知識(shí)與技術(shù)，201

95、0年06期</p><p>　　[5]王志杰，譚偉，羅揚(yáng)；兩種遙感圖像增強(qiáng)方法對(duì)圖像分類(lèi)的適宜性分析，山地農(nóng)業(yè)生物學(xué)報(bào)，2008年04期</p><p>　　[6]梅雄；淺論我國(guó)海洋遙感的發(fā)展及應(yīng)用，科技經(jīng)濟(jì)市場(chǎng)，2007年10期</p><p>　　[7]居桂方，肖萬(wàn)能，周建勇；MATLAB在數(shù)字圖像處理中的應(yīng)用，中國(guó)科技信息，2006年15期</p>

96、<p>　　[8]張冰，林嵐嵐，騰鵬飛；淺談遙感圖像增強(qiáng)的處理，防護(hù)林科技，2006年3月第2期</p><p>　　[9]江巨浪，張佑生，薛峰，胡敏；保持圖像亮度的局部直方圖均衡算法，電子學(xué)報(bào)，2006年05期</p><p>　　[10]楊昕，湯國(guó)安，鄧?guó)P東，呂恒；ERDAS遙感數(shù)字圖像處理實(shí)驗(yàn)教程，科學(xué)出版社，2009年1月出版</p><p>

97、　　[11]蓋樂(lè)，淺談遙感圖像輻射校正與增強(qiáng)技術(shù)，科教導(dǎo)刊，2009年9期</p><p>　　[12]賀奮琴，胡振琪，尹建忠，房世波；ASTER和TM/ETM+遙感數(shù)據(jù)融合監(jiān)測(cè)土地覆蓋變化，測(cè)繪科學(xué)，2007年01期</p><p>　　[13]陳寶印；多光譜遙感圖像與高分辨率全色圖像融合研究，電腦開(kāi)發(fā)與應(yīng)用，2008年04期</p><p>　　[14]趙艷飛，

98、高清維，盧一相；基于多尺度Retinex算法的遙感圖像增強(qiáng)，計(jì)算機(jī)技術(shù)與發(fā)展，2008年2月第18卷第2期</p><p>　　[15]洪霞，江洪，余樹(shù)全；高光譜遙感在精準(zhǔn)農(nóng)業(yè)生產(chǎn)中的應(yīng)用，安徽農(nóng)業(yè)科學(xué)，2010年01期 </p><p>　　[16]周云，符思濤；遙感圖像色彩增強(qiáng)處理方法探討，測(cè)繪與空間地理信息，2010年8月第33卷第4期</p><p>　　[

99、17]蔣芳，汪權(quán)方；運(yùn)用MATLAB 的遙感圖像增強(qiáng)方法，地理空間信息，2011年2月第9卷第1期</p><p>　　[18]Subrajeet Mohapatra，Pankaj Kumar Sa，Banshidhar Majhi；Impulsive noise removal image ehancement</p><p>　　[19]蔡麗娜，李長(zhǎng)勝；遙感圖像的色彩增強(qiáng)，測(cè)繪與空間地

100、理信息，2005年04期</p><p>　　[20]元建勝；淺談我國(guó)衛(wèi)星遙感的發(fā)展方向，海洋技術(shù)，2006年，01期</p><p>　　[21]龍夫；我國(guó)海洋遙感的發(fā)展，航海，2003年03期</p><p>　　[22]Felipe Castro Silva1，Luciano Vieira Dutra1，Leila Maria Garcia Fonseca1，