遙感圖像增強(qiáng)輻射增強(qiáng)

目的：逐像元進(jìn)行灰度值的變換，以突出像元之間的反差（對比度），從而改善圖像視覺效果、突出有用信息.（遙感圖像的灰度增強(qiáng)法），抑制或排除無用信息。

遙感圖像灰度直方圖介紹

1.什么是灰度直方圖

一幅黑白圖像往往由不同深度的灰色來描述圖像，在計(jì)算機(jī)中常常采用八個(gè)比特位進(jìn)行儲存，所以通常用0-255來描述圖像的灰度值，數(shù)值越大顏色越深?；叶戎狈綀D是描述圖像中每個(gè)像元灰度值的分布情況，由此可以看出圖像的特征，一般圖像符合正態(tài)分布曲線所展示的效果最好，信息最多，圖像的灰度直方圖可以在MetaData–>Histogram下查看

2.灰度直方圖有什么作用

每一幅影像都可以求出其像元亮度值的直方圖，觀察直方圖的形態(tài)，可以粗略地分析影像的質(zhì)量。一般來說，一幅包含大量像元的影像，其像元亮度值應(yīng)符合統(tǒng)計(jì)分布規(guī)律，即假定像元亮度隨機(jī)分布時(shí)，直方圖應(yīng)是正態(tài)分布的。實(shí)際工作中，若影像的直方圖接近正態(tài)分布，則說明影像中像元的亮度接近隨機(jī)分布，是一幅適合用統(tǒng)計(jì)方法分析的影像。當(dāng)觀察直方圖形態(tài)時(shí)，發(fā)現(xiàn)直方圖的峰值偏向亮度坐標(biāo)軸左側(cè)，則說明影像偏暗。峰值偏向坐標(biāo)軸右側(cè)，則說明影像偏亮，峰值提升過陡、過窄，說明影像的高密度值過于集中，以上情況均是影像對比度較小，影像質(zhì)量較差的反映。

實(shí)現(xiàn)方法

1.反差拉伸法

將輸入圖像上每個(gè)象素的灰度值按一些簡單的數(shù)學(xué)關(guān)系式轉(zhuǎn)換成輸出圖像上的灰度值,且大多數(shù)是擴(kuò)大圖像灰度值的動態(tài)范圍、調(diào)整圖像灰度值的分布.該方法又可分為線性拉伸法、分段線拉伸法和非線性拉伸法.

• 線性拉伸法

  $$f(x,y)=\frac{g(x,y)}{(a_2?a_1)}\times (b_2?b_1)+b_1$$

  其中: g(x,y)為原圖像的像元灰度， f(x,y)為拉伸后的像元灰度， a1、a2分別為原圖像的最小灰度值和最大灰度值, b1、b2分別為拉伸后圖像的最小灰度值和最大灰度值.即b1，b2為自己指定的拉伸后圖像的最小值與最大值。

  ERDAS中MODEL實(shí)現(xiàn)：

  生成的ndvi像元值如下，由于ERDAS默認(rèn)會進(jìn)行線性拉伸，所以顯示為178的灰度值，現(xiàn)將其拉伸到0-255范圍內(nèi)

  繪制如下model

注意：GLOBAL函數(shù)返回的是一個(gè)列表，如GLOBAL MIN返回的是每個(gè)圖層對應(yīng)的最小像元值組成的列表，需要一個(gè)Table來接收，如果原始圖像有背景值要忽略背景值，避免對圖像產(chǎn)生干擾。

• 標(biāo)準(zhǔn)差拉伸

  $$f(x,y)=\frac{g(x,y)?a_1+a_2\times n\times |b_2?b_1|}{(a_2\times 2\times n)}\times (b_2?b_1)+b_1$$

  其中: g(x,y)為原圖像的像元灰度， f(x,y)為拉伸后的像元灰度, a1、a2分別為原圖像灰度值的全局平均值和全局標(biāo)準(zhǔn)差,b1、b2分別為拉伸后圖像的最小值和最大值，n為全局標(biāo)準(zhǔn)差的數(shù)量，比如n若為2則表示如果像元超過標(biāo)準(zhǔn)差的兩倍即被設(shè)為最大值。

  ERDAS中可直接調(diào)用strech函數(shù)即可實(shí)現(xiàn)標(biāo)準(zhǔn)差拉伸。

• 分段線性拉伸

  將原圖像上的灰度值劃分成若干區(qū)段，然后按區(qū)段使用上述線性函數(shù)進(jìn)行不同程度的線性擴(kuò)展（對線性拉伸法的一種改進(jìn)）

$$f(x,y)=\frac{g(x,y)}{(a_2?a_1)}\times (b_2?b_1)+b_1$$

其中: g(x,y)為原圖像某個(gè)區(qū)段的像元灰度， f(x,y)為拉伸后的像元灰度, a1、a2分別為原圖像某個(gè)區(qū)段的最小灰度值和最大灰度值,b1、b2分別為拉伸后圖像的最小灰度值和最大灰度值.

• 非線性拉伸

  按非線性函數(shù)關(guān)系擴(kuò)展原圖像的灰度值，即對整個(gè)灰度值的動態(tài)范圍以不等權(quán)的關(guān)系進(jìn)行變換.（線性或分段線性拉伸法都是等比例地變換指定動態(tài)范圍內(nèi)的像元灰度值）

  ? 常用方法：指數(shù)函數(shù)拉伸，對數(shù)函數(shù)拉伸

2.直方圖增強(qiáng)法

? 通過修改圖像直方圖來改善圖像的質(zhì)量.該方法又可分為直方圖均衡化、直方圖匹配等.

• 直方圖均衡化

  實(shí)質(zhì)上是以圖像灰度值的累積概率函數(shù)為基礎(chǔ)，通過對圖像進(jìn)行非線性拉伸來重新分配像元值,使一定灰度范圍的像元數(shù)量大致相等,從而實(shí)現(xiàn)圖像的直方圖修正，有效擴(kuò)大圖像主體部分的反差或?qū)Ρ榷取?/p>

  作用：

  • 將任意分布的直方圖變換為均勻分布的直方圖

  • 使得輸出影像在各灰度級上的像素?cái)?shù)相等或相近，能夠增加較暗和較亮像素的個(gè)數(shù)，進(jìn)而增強(qiáng)影像的對比度

    實(shí)施方法：Raster/Radiometric / Histogram Equalization

注意：填入的是灰度級數(shù)，如一般圖像為未定義的8bit類型，灰度級數(shù)則為2的八次方256，也可以基于model/ Analysis/ HISTOEQ函數(shù)

• 直方圖匹配

  根據(jù)參考圖像的直方圖對另一幅圖像實(shí)施灰度變換，使其直方圖與參考圖像的直方圖類似，以部分消除由于太陽高度角或大氣影響造成的相鄰圖像的效果差異。

  • 通常選擇亮度和反差都比較滿意的圖像作為參考圖像.

  • 直方圖匹配經(jīng)常作為相鄰圖像拼接或應(yīng)用多時(shí)相遙感圖像進(jìn)行動態(tài)變化研究的預(yù)處理工作.

    實(shí)現(xiàn)方法：Raster/Radiometric / Histogram Match

    注意：兩個(gè)圖像之間的波段所代表的傳感器觀測通道必須對應(yīng)，如果需要對多個(gè)波段進(jìn)行直方圖匹配且波段不匹配，則需要首先使用STACHLAYERS函數(shù)改變波段組合順序，再通過RASTERMATCH進(jìn)行直方圖匹配。

3.亮度反轉(zhuǎn)處理

對圖像進(jìn)行線性或非線性取反，產(chǎn)生一幅與輸入圖像亮度相反的圖像（原來亮的變暗，原來暗的變亮）

實(shí)施方法： Raster/Radiometric / Brightness Inverse

• 亮度反轉(zhuǎn)算法一： Inverse (條件反轉(zhuǎn)):強(qiáng)調(diào)輸入圖像中亮度較暗的部分
• 亮度反轉(zhuǎn)算法二：Reverse (簡單反轉(zhuǎn)):簡單取反、同等對待

實(shí)際運(yùn)用中多采用條件反轉(zhuǎn)，可以增強(qiáng)顯示自己想要研究的特征地類

Inverse的Model解析

首先將圖像拉伸到0-1區(qū)間中，再通過條件語句判斷，將想要研究的地類的像元置為最大值1.0，其他地物根據(jù)圖像的像元灰度值的分布情況來設(shè)置這個(gè)閾值，最后轉(zhuǎn)換為無符號8bit位圖像進(jìn)行輸出。

總結(jié)

以上是生活随笔為你收集整理的遥感图像辐射增强ERDAS实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。