基于ERDAS二次开发的遥感图像同态滤波薄云去除算法的改进
2005年 4月第41卷 第2期北京师范大学学报(自然科学版)
Journal of Beijing Nor mal University (Natural Science )Ap r .2005Vol .41 No .2
基于ER DAS 二次开发的遥感图像同态
滤波薄云去除算法的改进
3
谢华美 何启翱 郑 宁 别荣芳
(北京师范大学计算机科学与技术系,100875,北京)
摘要 遥感图像中,云覆盖是最常见的噪声之一.针对薄云处于低频的特点,近年来通常使用同态滤波进行去云处理,然而同态滤波对所选中的整个区域进行处理,不仅处理了有云的区域,同时也影响无云的区域,特别是边界区域受到很大的影响.本文在分析同态滤波的特点后,在运用C 语言对ERDAS 进行二次开发时,对同态滤波去云算法进行改进,既实现同态滤波对云层的处理效果,又保持无云背景地区的信息不受任何影响.
关键词 同态滤波;去云;ERDAS;遥感图像分类号 TP 751
3国家自然科学(青年)基金资助项目(10001006)收稿日期:2004211203
遥感图像受气候的影响很大,特别是受云层的遮
挡,使得图像的利用率降低.为去除遥感图像中的薄云,不少研究者已经提出了许多有效的方法:基于多光谱图像的去云,基于多幅图像的去云,基于数据融合的
去云[1],多源遥感影像的去云处理[2]
,等等,但是,这些方法都需要有其他同区域同来源的无云图像作为参考.在实际中,取得同区域同来源的无云参考图像并不容易,有时必须对单幅图像进行处理.同态滤波正是一种针对无参考的遥感图像进行去云处理的好方法,但是该方法也有一些缺陷.
本文采纳ERDAS 作为开发平台,利用其功能强大的遥感图像处理能力,采用C 语言进行二次开发,增强了遥感图像的薄云去除能力,达到一个更加满意的去云效果.
1 同态滤波去云算法原理
云层是一个变化缓慢的区域,在图像中处于低频部分,遥感卫星传感器所接收到的有云的图像,可以表示为地物的照射分量和云层的反射分量的乘积[324]
.简化为
f (x,y )=f i (x,y )?f r (x,y ).
(1)对式(1)两边取对数,则有
ln f (x,y )=ln f i (x,y )+ln f r (x,y ).
(2)式(2)表明影像亮度值的对数等于照射分量和反射分量的对数和,是一个低频成分的函数与一个高频成分的函数的叠加,因此,我们可以通过傅里叶变换将它们转换到频域,即
F {ln f (x,y )}=F{ln f i (x,y )}+
F{ln f r (x,y )},
(3)或记为
Z (u,v )=I (u,v )+R (u,v ).
(4)
然后用高通滤波的方法,提取高频成分,抑止低频成分,即
S (u,v )=H (u,v )Z (u,v )=
H (u,v )I (u,v )+H (u,v )R (u,v ).(5)再进行傅里叶逆变换从频域回到空域:
S (x,y )=F -1
{S (u,v )}=
F -1
{H (u,v )I (u,v )}+
F
-1
{H (u,v )R (u,v )}.(6)
最后将结果作指数变换:
g (x,y )=exp {S (x,y )}=
exp{ln f ′
i (x,y )}+exp{ln f ′r (x,y )}=f ′
i (x,y )3f ′r (x,y ).(7)我们选用了巴特沃思滤波器,具体形式为
H (u,v )=1
1+k [D (u,v )/D 0]
2
π,(8)其中,D 0为截止频率,k 的取值是当D (u,v )=D 0时,H
(u,v )=2/2,即k =0.414.
2 ER DAS 二次开发
ERDAS I M AGI N E 是美国ERDAS 公司开发的遥感
图像处理系统,它拥有先进的图像处理技术,友好、灵活的用户界面和操作方式,吸引了广泛的用户.该软件
第2期谢华美等:基于ERDAS二次开发的遥感图像同态滤波薄云去除算法的改进151
由C语言编写,并可用C++进行编译,用户可以根据需要进行二次开发,ERDAS提供ERDAS Macr o Language(E ML)语言,用户可以根据需要定制不同的界面,用于输入参数和用户交互,同时它还提供联机帮助手册,方便用户在二次开发的过程中,熟悉内部函数的调用方法.
根据同态滤波的原理,我们设置薄云去除的模型,如图1所示.
引用同态滤波算法,针对不同的图像,云层的大小
打开图像选取AO I输入参数
同态滤波算法改进显示图像
图1 薄云去除的模型
和厚度不一致,需要修改2个主要的参数:巴特沃斯滤波器幂次和截止频率,以达到更好的去云效果.为便于输入参数,设置一个对话框,可以在scri p t目录下新建一个mydecl oud.e m l文件.这个文件就可以在程序内部以如下方式实现以上功能:
MyStruc2>result=ee m l_Parse Va(ELEX_F I L E,"../scri p ts/mydecl oude.e m l",
MyStruc2>theRoot2>r ootPart,&lclerr,EE ML_P ARSE_OPTI O N_APP_CONTEXT,(Em sc_Opaque3)MyStruc, NULL);
if(lclerr){
ee m l_QueryYes No(MyStruc2>theRoot,"主界面文件出错,无法打开主界面",NULL,"yes",&lclerr);
}
EERR_CHECK(lclerr,EFS0("主界面文件出错,无法打开主界面"));
MyStruc2>fra me=eem l_FindPart(MyStruc2>result,"cl oude",&lclerr);
EERR_CHECK(lclerr,EFS0("Unable t o find the fra me’cl oude’in mydecl oude.e m l"));
MyStruc2>para m1=ee m l_FindPart(MyStruc2>result,"cl oude:para m1",&lclerr);
MyStruc2>para m2=ee m l_FindPart(MyStruc2>result,"cl oude:para m2",&lclerr);
MyStruc2>okbut=ee m l_FindPart(MyStruc2>result,"cl oude:okbut",&lclerr);
MyStruc2>cancelbut=ee m l_FindPart(MyStruc2>result,"cl oude:cancelbut",&lclerr);
ee m l_AddCallback(MyStruc2>okbut,(int(3)(struct_eui_BasePart3,void3))Okbut Callback,(E m sc_Opaque3) MyStruc,"mousedown",&lclerr);
ee m l_AddCallback(MyStruc2>cancelbut,(int(3)(struct_eui_BasePart3,void3))SubCancelbut Callback,(E m sc_ Opaque3)MyStruc,"mousedown",&lclerr);
然后在函数Okbut Callback()内部读出这2个参数的值:
m_coefficient=(int)ee m l_Get N umberPart V alue(MyStruc2>para m1);
m_frequency=ee m l_Get N umberPart V alue(MyStruc2>para m2);
3 算法的改进
理想的去云算法是,仅对有云的区域进行处理,而对无云的区域保持灰度值不变,达到去云效果的同时,保持无云区域的低频成分.但在采用同态滤波算法的实验中,无论是截取一个感兴趣区域,还是对整幅图像进行处理,在滤去图像低频成分的同时,也会损失一部分图像的高频部分,主要的2个缺陷:一是损失图像无云区域的低频部分,二是破坏了图像的边缘信息.
为了弥补第1个缺陷,常用的方法是首先进行云层识别,可以应用数学形态学来确认有云的区域[5],然后用一个与图像同等大小的二值矩阵来标识云层,其中0表示无云区域,1表示有云区域,然后对原图像有云的区域进行处理,与前面的二值矩阵相与,恢复到原图像中去,但是这种方法仍然不能准确识别有云区域.同时云的区域往往是一个不规则的图形,在使用同态滤波算法的时候,要取一个恰好包括整个云层的矩形区域来进行计算,那么一幅图像就需要被分割成了许多小矩形进行处理,同态滤波算法本身对边界的处理效果就不是很好,这样处理很复杂,不容易达到理想的效果.
为了弥补第2个缺陷,可以对源图像向四周延拓,用一个更大的矩形来包含整个图像,然后进行去云处理,最后对获得的结果图像截取源图像所对应的区域,在试验中,采用了边界重复延拓、周期延拓、对称延拓和零值填补的方法[6],虽然这些方法能较好地保留源图像的边界信息,但仍然不是很好的边界处理方法,因此有必要采用一种新的方法,使图像的边界信息不予损失.
为了同时弥补以上2个缺陷,我们分析同态滤波
152 北京师范大学学报(自然科学版)第41卷
处理前后结果,如表1所示,有云区域和无云区域的灰度值发生变化:对有云的区域,经过处理以后,灰度值减小;而那些无云的区域,经过处理以后,灰度值变大.比较表1中处理结果图像和原图像的灰度值,在灰度值变小的区域,就是有云的区域,在灰度值变大的区域,就是无云的区域.
基于以上分析,我们可做如下处理:在有云的区域取处理后的值,即取较小的灰度值,达到了去云效果;在无云区域保留原来的值,也是取较小的灰度值,达到了保留无云区域的背景信息,从而实现了去除薄云的目的,又保留了无云区域的原有信息.
设原始的有云遥感图像是X,经过同态滤波去云算法处理后得到的遥感图像是Y,我们可以假设理想的去
云图像是Z,则Z 应该用如下公式表示:
Z ij =
X ij , X ij (9) 4 实验结果及讨论 在实验中,采用的第1幅遥感图像是1幅577×779大小的单波段图,第2幅遥感图像是一幅512×512 大小的单波段图, 进行同态滤波去云算法前后的数据比较如表1所示. 由实验结果可知,同态滤波去云算法,在改进以前,边界处理的效果不明显,且对无云区域低频部分也受到影响;改进后,不仅保持了无云区域的低频成分,也对有云区域达到了很好的效果. 表1 原始图像及去云算法改进前后的实验结果 第2期谢华美等:基于ERDAS二次开发的遥感图像同态滤波薄云去除算法的改进153 5 结论 由于在遥感图像中,薄云主要分布在频域平面的低频部分,这些云的存在,使得图像的动态范围缩小,细节部分被遮盖,从而降低了图像的清晰程度.普通的同态滤波方法虽然提高了图像的对比度,增加了图像的清晰程度,同时去除有薄云遮挡图像的低频成分,真正去除了薄云的覆盖.但是在实践过程中发现,这种方法不仅对有云区域进行了处理,也影响了无云区域的高频成分,特别是破坏了图像的边缘信息.正是基于这种思想,在应用C语言,对ERDAS进行二次开发时,采纳同态滤波薄云去除的改进算法,既实现了同态滤波对云层的处理效果,又保持了无云区域的细节信息.试验结果也很好地证明了这个方法的可行性. 中国科学院遥感研究所图像实验室郑柯副研究员、唐聘研究员、王文杰硕士、崔琳丽博士对本研究工作给予了帮助,特此感谢. 6 参考文献 [1] 樊厚春.遥感图像薄云去除研究[D].北京:中国科学院, 2004:4～5 [2] 王惠,谭兵,沈志云.多源遥感影像的去云层处理[J].测 绘学院学报,2001(9):195 [3] 赵忠明,朱重光.遥感图像中薄云的去除方法[J].环境 遥感,1996(8):195 [4] 赖格英,刘春燕,辜晓青.基于ERDAS I M AGI N E的遥感 图像去云方法[C]∥富融公司用户大会论文集.2000:2 [5] 宋平,刘正光.数学形态学在卫星云图的处理中的应用 [J].微机发展,1999(4):40 [6] 徐伟业,虞相宾.小波图像边界处理方法的研究[J].计 算机应用与软件,2003(3):35 THE I M PRO VED HOMOMO RPH I C F I L TER AL GO R I TH M FO R RE MO V I NG CLO UD O F RE MO TE SENS I NG I M AGE BASED O N THE SECO ND EXPLO I TURE O F ERDAS TOOL Xie Hua mei He Q iπao Zheng N ing B ie Rongfang (Depart m ent of Computer Science,Beijing Nor mal University,100875,Beijing,China) Abstract Cl oud cover is one of the most visible noises in re mote sensing i m age.Base on the characteristic that thin cl oud is in l ow frequency,it can be re moved by the homomor phic filter algorith m.Thismethod can p r ocess all the selected areas,both the areas with cl oud and without.Es pecially it influences the margin of the i m age.Based on this characteristic of homomor phic filter algorithm,when using the C p r ogra m language t o devel op the ERDAS t ool,the algorith m is i m p r oved and the goal of re moving the cl oud and keep ing the effect of the regi on without cl oud is achieved. Key words homomor phic filter;re move cl oud;ERDAS t ool;re mote sensing i m age 遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。 一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。 2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正 通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正 一２０１６年１１月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a N o v e m b e r,２０１６一一第４５卷一第１１期测一绘一学一报V o l．４５,N o．１１引文格式:林祥国,张继贤,宁晓刚,等．融合点二对象二关键点等３种基元的点云滤波方法[J]．测绘学报,２０１６,４５(１１):１３０８Ｇ１３１７．D O I:１０．１１９４７/j．A G C S．２０１６．２０１６０３７２． L I N X i a n g g u o,Z HA N GJ i x i a n,N I N G X i a o g a n g,e ta l．F i l t e r i n g o fP o i n tC l o u d sU s i n g F u s i o no fT h r e eT y p e so fP r i m i t i v e s I n c l u d i n g P o i n t s,O b j e c t sa n d K e y P o i n t s[J]．A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,２０１６,４５(１１):１３０８Ｇ１３１７．D O I:１０． １１９４７/j．A G C S．２０１６．２０１６０３７２． 融合点二对象二关键点等３种基元的点云滤波方法 林祥国,张继贤,宁晓刚,段敏燕,臧一艺 中国测绘科学研究院,北京１００８３０ F i l t e r i n g o fP o i n tC l o u d sU s i n g F u s i o no fT h r e eT y p e so fP r i m i t i v e s I n c l u d i n g P o i n t s,O b j e c t sa n dK e y P o i n t s L I NX i a n g g u o,Z H A N GJ i x i a n,N I N GX i a o g a n g,D U A N M i n y a n,Z A N GY i C h i n e s eA c a d e m y o f S u r v e y i n g a n dM a p p i n g,B e i j i n g１００８３０,C h i n a A b s t r a c t:P r i m i t i v e,b e i n g t h eb a s i c p r o c e s s i n g u n i t,i s o n eo f t h e k e y f a c t o r s t od e t e r m i n e t h ea c c u r a c y a n de f f i c i e n c y o f p o i n t c l o u d f i l t e r i n g．T r i a n g u l a r i r r e g u l a r n e t w o r k(T I N)p r o g r e s s i v ed e n s i f i c a t i o n(T P D) a n do b j e c tＧb a s e dT I N p r o g r e s s i v ed e n s i f i c a t i o n(O T P D)a r et w oe x i s t i n g f i l t e r i n g m e t h o d s,b u ts i n g l e p r i m i t i v e i s e m p l o y e db y t h e m．Am u l t i p l eＧp r i m i t i v e sＧb a s e dT I N p r o g r e s s i v ed e n s i f i c a t i o n(M P T P D)f i l t e r i n g m e t h o d i s p r o p o s e d．I t i s c o m p o s e do f t h r e e k e y s t a g e s,i n c l u d i n gp o i n t c l o u d s e g m e n t a t i o n,e x t r a c t i o no f k e y p o i n t s o f o b j e c t s,t h e k e yＧp o i n t sＧb a s e d j u d g i n g o f t h eo b j e c t s．S p e c i f i c a l l y,p o i n t,o b j e c t a n d t h ek e y p o i n t sa r et h e p r i m i t i v eo ft h e a b o v et h r e es t a g e sr e s p e c t i v e l y．F o u rt e s t i n g d a t a s e t s,i n c l u d i n g t w o a i r b o r n e L i D A Ra n d t w o p h o t o g r a m m e t r i c p o i n t c l o u d s,a r eu s e d t ov e r i f y t h eo v e r a l l p e r f o r m a n c e so f t h e a b o v e t h r e e f i l t e r i n g m e t h o d s．E x p e r i m e n t a l r e s u l t s s u g g e s t t h a t t h e p r o p o s e dM P T P Dh a s t h eb e s t o v e r a l l p e r f o r m a n c e．I nt h ev i e w p o i n to fa c c u r a c y,M P T P D a n d O T P D h a v et h es i m i l a ra c c u r a c y．M o r e o v e r, c o m p a r e dw i t h t h eT P D,M P T P D i sa b l e t o r e d u c eo m i s s i o ne r r o r sa n d t o t a l e r r o r sb y２２．０７％a n d８．４４％r e s p e c t i v e l y．I n t h ev i e w p o i n to fe f f i c i e n c y,u n d e rm o s to f t h ec a s e s,T P Di s t h eh i g h e s t,M P T P Di s t h e s e c o n d,a n dO T P D i s t h es l o w e s t．M o r e o v e r,t h e t o t a l t i m ec o s t o fM P T P D i so n l y５７．９３％o f t h eo n eo f O T P D． K e y w o r d s:f i l t e r i n g;L i D A R p o i n t c l o u d;p h o t o g r a m m e t r i c p o i n t c l o u d;o b j e c t s;t r i a n g u l a r i r r e g u l a r n e t w o r k F o u n d a t i o n s u p p o r t:T h eN a t i o n a l N a t u r a l S c i e n c e F o u n d a t i o n s o f C h i n a(N o．４１３７１４０５);T h e F o u n d a t i o n f o r R e m o t eS e n s i n g Y o u n g T a l e n t sb y t h e N a t i o n a l R e m o t e S e n s i n g C e n t e r o f C h i n a;T h e B a s i c R e s e a r c h F u n d o f t h eC h i n e s eA c a d e m y o f S u r v e y i n g a n dM a p p i n g(N o．７７７１６１１０３) 摘一要:基元是影响点云滤波精度和效率的关键因素之一.本文提出了一种基于多基元的三角网渐进加密(M P T P D)滤波方法.它包括点云分割二对象关键点提取二基于关键点的对象类别判别３个主要阶段,且３个阶段的基元分别为点二对象二关键点.使用了４景机载激光雷达和摄影测量点云数据对M P T P D二三角网渐进加密(T P D)二基于对象的三角网渐进加密(O T P D)３种滤波方法进行了性能测试.试验表明,M P T P D方法具有整体上最优的性能:在精度方面,M P T P D与O T P D两种方法的精度相当, M P T P D方法的一类误差I二总误差T比T P D的相应误差分别低约２２．０７％和８．４４％;在效率方面,多数情况下T P D二M P T P D二O T P D方法的效率依次降低,且M P T P D的平均耗时是O T P D平均耗时的５７．９３％. 关键词:滤波;激光雷达点云;摄影测量点云;对象;三角网 中图分类号:P２３７一一一一文献标识码:A一一一一文章编号:１００１Ｇ１５９５(２０１６)１１Ｇ１３０８Ｇ１０ 基金项目:国家自然科学基金(４１３７１４０５);遥感青年科技人才创新资助计划;中国测绘科学研究院基本 第一章． 遥感概念 遥感（Remote Sensing，简称RS），就是“遥远的感知”，遥感技术是利用一定的技术设备和系统，远距离获取目标物的电磁波信息，并根据电磁波的特征进行分析和应用的技术。 遥感技术的原理 地物在不断地吸收、发射（辐射）和反射电磁波，并且不同物体的电磁波特性不同。 遥感就是根据这个原理，利用一定的技术设备和装置，来探测地表物体对电磁波的反射和地物发射的电磁波，从而提取这些物体的信息，完成远距离识别物体。 图像 人对视觉感知的物质再现。图像可以由光学设备获取，如照相机、镜子、望远镜、显微镜等；也可以人为创作，如手工绘画。图像可以记录、保存在纸质媒介、胶片等等对光信号敏感的介质上。随着数字采集技术和信号处理理论的发展，越来越多的图像以数字形式存储。因而，有些情况下“图像”一词实际上是指数字图像。 物理图像：图像是人对视觉感知的物质再现 数字图像：图像以数字形式存储。 图像处理 运用光学、电子光学、数字处理方法，对图像进行复原、校正、增强、统计分析、分类和识别等的加工技术过程。 光学图像处理 应用光学器件或暗室技术对光学图像或模拟图像(胶片或图片)进行加工的方法技术 数字图像处理 是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。图像处理能做什么？（简答） 是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理主要目的：提高图像的视感质量，提取图像中所包含的某些特征或特殊信息，进行图像的重建，更好地进行图像分析，图像数据的变换、编码和压缩，更好图像的存储和传输。数字图像处理在很多领域都有应用。 遥感图像处理(processing of remote sensing image data )是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理的方法。常用的遥感图像处理方法有光学的和数字的两种。 遥感数字图像处理-要点 1．概论 遥感、遥感过程 遥感图像、遥感数字图像、遥感图像的数据量 遥感图像的数字化、采样和量化 通用遥感数据格式（BSQ、BIL、BIP） 遥感图像的模型：多光谱空间 遥感图像的信息内容： 遥感数字图像处理、遥感数字图像处理的内容 遥感图像的获取方式主要有哪几种? 如何估计一幅遥感图像的存储空间大小? 遥感图像的信息内容包括哪几个方面？ 多光谱空间中，像元点的坐标值的含义是什么？ 与通用图像处理技术比较，遥感数字图像处理有何特点？ 遥感数字图像处理包括那几个环节？各环节的处理目的是什么？ 2.遥感图像的统计特征 2.1图像空间的统计量 灰度直方图：概念、类型、性质、应用 最大值、最小值、均值、方差的意义 2.2多光谱空间的统计特征 均值向量、协方差矩阵、相关系数、相关矩阵的概念及意义波段散点图概念及分析 主要遥感图像的统计特征量的意义 两个重要的图像分析工具：直方图、散点图 3.遥感数字图像增强处理 图像增强：概念、方法 空间域增强、频率域增强 3.1辐射增强：概念、实现原理 直方图修正，线性变换、分段线性变换算法原理 直方图均衡化、直方图匹配的应用 3.2空间增强 邻域、邻域运算、模板、模板运算 空间增强的概念 平滑（均值滤波、中值滤波）原理、特点、应用 锐化、边缘增强概念 方向模板、罗伯特算子、索伯尔算子、拉普拉斯算子的算法和特点? 计算图像经过下列操作后，其中心象元的值： – 3×3中值滤波 –采用3×3平滑图像的减平滑边缘增强 –域值为2的3×1平滑模板 – Sobel边缘检测 – Roberts边缘检测 –模板 3.3频率域处理 高频和低频的意义 图像的傅里叶频谱 频率域增强的一般过程 频率域低通滤波 频率域高通滤波 同态滤波的应用 3.4彩色增强 彩色影像的类型：真彩色、假彩色、伪彩色 《遥感数字图象处理实验指导书》 实习须知 实验室资源： 1 硬件设备： 局域网系统； 高级PC 计算机（每人一台，在规定时间使用）； 2 软件系统 Windows 2000 或Windows XP ERDAS IMAGINE 8.6 ArcToolbox ArcMap Microsoft Word Microsoft Excel Zip program 3 数据资源 数据源： ERDAS IMAGINE 8.6软件附带的examples； XX地区TM、ETM、Spot遥感数据 XX区部分矿山企业基础数据 实习目的与内容 1 实习目的 本实习为已具有RS的基本概念和理论基础的学生设计，目的是帮助学生在了解RS基本组成与数据结构模型的基础上，重点学习使用ERDAS IMAGINE8.6软件进行视窗操作、数据数据预处理、图像解译、图像分类和矢量功能；了解地图投影系统的使用；学习多种数据输入的方法，不同数据格式转换，数据库模式的定义等多种前后期处理工作；掌握遥感图像前后处理和解译、分类地理的技术流程和方法，数据库建设以及地理数据的编辑和管理；配合具体实例运用GIS空间分析工具。通过系列实习过程，重点培养学习者掌握RS提取信息的基本过程和技巧，并可初步用来解决运用遥感提取信息的问题。 2 实习内容 实习1：ERDAS IMAGINE 8.6系统简介与入门；包括：软件概述，视窗操作中的菜单工具条的介绍，数据的输入输出。 实习2：数据预处理；包括：图像分幅剪裁，图像几何校正，图像拼接处理，图像投影变换； 实习3：图像解译；包括功能简介，辐射增强处理（去霾处理）、常用的光谱增强处理（假彩色合成与指数计算）、空间增强处理（分辨率融合）。 实习4：图像分类；包括；非监督分类和监督分类，专家分类器（在高级练习中学习） 实习5：地理信息系统分析和矢量功能介绍，综合运用GIS工具解决实例提出的问题。 实习6：专题制图输出全过程学习。 3 本书有关约定 实习所用原始数据存放在%sampledata目录下； 基于Matlab的同态滤波器的设计 摘要：同态信号处理也称为同态滤波，实现将卷积关系和乘积关系变换为求和关系的分离处理。将非线性信号处理变为线性信号处理的过程。语音信号x(n)可视为声门激励信息u(n)及声道响应脉冲响应h(n)的卷积:x(n)=u(n)*h(n)。通过处理可将语音信号的声门激励信息及声道响应信息分离开来，从而求得声道共振特征和基音周期。 关键字语音信号同态处理 Abstruct：Speech signal analysis is a speech signal processing of premise and foundation, only the parameter analysis that can mean the essence characteristic of the speech signal, only in this way can we make use of the processings to comunicatinate efficiently, that these parameters carry on the essence characteristic of the speech signal, besides the high and low of the sound quality and speech understanding rate of the speech synthesis, also all be decided by the accuracy and precision of the speech signal analysis . Keywords：speech signal analysis 引言 语音信号分析是语音信号处理的前提和基础，只有分析出可表示语音信号本质特征的参数，才有可能利用这些参数进行高效的语音通信，语音合成和语音识别等处理，况且语音合成的音质好坏和语音识别率的高低，也都取决于对语音信号分析的准确性和精确性。因此，语音信号分析在语音信号处理应用中具有举足轻重的地位。 我们日常生活中遇到的许多信号并不都是加性信号（即组成各分量按加性原则组合起来），而是乘性信号或卷积信号，如语音信号。图像信号，通信中的衰落信号，调制信号等。这些信号要用非线性系统来处理。而同态信号处理就是将非性问题转化为线性问题的处理方法。按被处理的信号来分类，大体分为乘积同态处理和卷积同态处理。由于语音信号可视为升门激励信号和声道冲击响应的卷积，所以这里仅讨论卷积同态信号处理。 短时分析技术:贯穿于语音分析全过程的是“短时分析技术”。因为从整体来看，语音信号的特性及表征其本质特征的参数均是随时间而变化的，所以它是一个非平稳态过程，不能用处理平稳信号。数字信号处理技术对其进行分析处理。但是，由于不同的语音是由人的口腔肌肉运动构成声道某种形状而产生的响应，而这种口腔肌肉运动相对于语音频率来说是非常缓慢的，所以从另一方面看，虽然语音信号具有时变特性，但是在一个短时间范围内，其特性基本保持不变，即相对稳定，因而可以将其看做一个准稳态过程，即语音信号具有短时平稳性。所 《ENVI遥感图像处理方法》科学出版社2010年6月正式出版 上一篇/ 下一篇 2010-05-26 15:02:30 / 个人分类：ENVI 查看( 643 ) / 评论( 5 ) / 评分( 0 / 0 ) 从上个世纪六十年代E．L．Pruitt提出“遥感”这个词至今，遥感已经成为人类提供了从多维和宏观角度去认识宇宙世界的新方法与新手段。目前，遥感影像日渐成为一种非常可靠、不可替代的空间数据源。ENVI (The Environment for Visualizing Images)是由遥感领域的科学家采 用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。ENVI以其强大的图像处理功能，尤其是与ArcGIS 一体化集成，使得众多的影像分析师和科学家选择ENVI来处理遥感图像和获得图像中的信息，从而全面提升了影像的价值。ENVI已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等众多领域。与此形成鲜明对比的是，目前关于ENVI 的中文教程非常少，给广大用户学习软件和应用软件带来诸多不便。 针对上述情况，在ESRI中国（北京）有限公司的大力支持下，根据多年遥感应用研究和软件操作经验，历时一年半编著完成本书。全书按照遥感图像处理流程由浅到深逐步引导读者掌握ENVI软件操作。各个章节相对独立，读者可视个人情况进行选择阅读。全书分为17章，第1、2、3章介绍了ENVI软件的基础知识，可作为ENVI软件入门，也可作为参考内容；第4、5、6、7、8章介绍了遥感图像处理一般流程，包 图像增强处理 ●实习目的：掌握常用的图像增强处理的方法 ●容：空间、辐射、光谱增强处理的主要方法 ·空间增强：包括卷积增强处理、纹理分析 ·辐射增强：LUT拉伸处理、直方图均衡化处理 ·光谱增强：主成份变换、缨穗变换、色彩变换 图像增强处理包括空间、辐射、光谱增强处理，本练习做几种常用的增强处理方法，在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究容和对象而定。 一、图像解译功能简介 利用ERDAS IMAGINE进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动： ERDAS图标面板菜单条： Main/Image Interpreter----Image Interpreter菜单（图1.1） ERDAS图标面板工具条：点击Interpreter图标----Image Interpreter菜单（图1.1） 图1.1 Image Interpreter菜单 从上图可以看出，ERDAS图像解译模块包含了8个方面的功能，依次是遥感图像的空间增强（Spatial Enhancement）、辐射增强（Radiometric Enhancement）、光谱增强(SpectralEnhancement)、高光谱工具（Hyper Spectral Tools）、傅立叶交换（Fourier Analysis ）、地形分析（Topographic Analysis）。地理信息系统分析（GlS Analysis）、以及其它实用功能（Utilities）。每一项功能菜单中又包含若干具体的遥感图像处理功能。 燕山大学 课程设计说明书题目：同态滤波器设计及实现 学院（系）：里仁学院 年级专业：仪表10-2 学号： 学生姓名： 指导教师：王志斌林洪彬 教师职称：副教授讲师 燕山大学课程设计（论文）任务书 院（系）：电气工程学院基层教学单位：自动化仪表系 说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。 年月日 摘要 在图像采集过程中,由于实际环境中成像条件的限制,造成图像的背景光照不均匀，当照度不均匀时,图像上对应照度暗的部分,其细节就较难分辨。为了消除数字图像中的照度不均匀性（即图像增强）,本报告对数字图像的照度不均匀校正技术（即图像增强处理技术）进行了分析,分析了这些方法在计算误差上的内在原因,并在此基础上研究了基于同态滤波的数字图像照度不均匀校正技术。该技术兼顾了数字图像的频域和空域,使得采用本方法校正后的图像既消除了不足照度的影响而又不损失图像的细节。结果表明:经处理后的图像,局部对比度增强效果明显,较好地保持了图像的原始面貌,取得了预期的理想滤波效果。该方法能有效恢复不均匀光照背景,为实际图像处理应用提供了有效的前期处理。 关键词：同态滤波；图像增强；光照不均匀 目录 摘要-----------------------------------------------------------------------------------------------------2 关键字--------------------------------------------------------------------------------------------------2 第一章MATLAB的简介及应用----------------------------------------------------------------4 1.1 MA TLAB简介------------------------------------------------------------------------------4 1.2 MA TLAB应用------------------------------------------------------------------------------4 第二章同态滤波器设计原理----------------------------------------------------------------------5 第三章matlab程序----------------------------------------------------------------------------------8 第四章课程设计总结-------------------------------------------------------------------------------10 参考文献资料------------------------------------------------------------------------------------------11 2016年一一1月郑州大学学报(工学版) Jan.一2016第37卷一第1期Journal of Zhengzhou University (Engineering Science)Vol．37一No．1 一一收稿日期:2015-04-02;修订日期:2015-10-28 一一基金项目:国家自然科学基金青年基金资助项目(41404096);河南省教育厅基金资助项目(14A420002,15A420002)一一作者简介:李健(1983 ),男,河南孟州人,郑州大学讲师,博士,主要从事点云数据处理,E-mail:jianli@https://www.360docs.net/doc/a617484968.html,.一一 引用本文:李健,方宏远,崔雅博,等.LIDAR 点云数据全自动滤波算法研究[J].郑州大学学报(工学版),2016,37 (1):92-96. 一一文章编号:1671-6833(2016)01-0092-05 LIDAR 点云数据全自动滤波算法研究 李一健1,方宏远1,崔雅博2,范一涛3 (1.郑州大学水利与环境学院,河南郑州450001;2.开封大学实验实训中心,河南开封475004;3.河南省地质环境监测院,河南郑州450001) 摘一要:提出了一种基于移动最小二乘法的点云数据全自动滤波算法,该方法首先对LIDAR 点云数据进行合理分块,并建立分块网格的动态四叉树空间索引,便于数据操作和管理.对分块网格中的点云数据利用精简移动最小二乘法拟合出参考地形,将拟合得到的参考地形用于LIDAR 点云高程阈值的迭代计算,将每次迭代前后高差小于阈值的点划为地面点,其余点划分为非地面点,迭代运算直至阈值满足要求为止.实验表明,精简移动二乘法效率高,计算量小,并且精度高,适合点云数据DEM (digital eleva-tion model )拟合,利用该算法对LIDAR 点云数据进行滤波的速度快二精度高,能够有效地识别地面点和非地面点,并保留地形的细节信息. 关键词:点云数据;数字地面模型;滤波算法;动态四叉树;移动最小二乘法 中图分类号:P237一一一文献标志码:A一一一doi :10.3969/j.issn.1671-6833.201504004 0一引言 随着激光技术的快速发展和完善,激光数据在众多领域得到了广泛的应用.由于激光能在短时间内获得地物三维坐标信息,并且数据量极大,故而如何快速从海量LIDAR 点云数据中提取有用的信息是目前研究的热点和难点[1].国内外许多学者都对点云滤波进行了讨论和研究,并且提出了许多滤波算法,包括基于数学形态学的滤波算法 [2-3] 二基于坡度的滤波算法 [4-6] 二基于TIN 的 渐进加密算法 [7-8] 等,都取得了一些研究成果,但 其中还存在一些问题尚未解决.不管是机载LI-DAR 数据还是地面LIDAR 数据大部分是基于激光点云中高程突变信息进行滤波,假定点云中高程低的点为地面点,高程较高的点为非地面点,由于系统误差的存在,这种情况未必完全正确.另外一些滤波算法适用范围有限.从上述问题可看出,提出一种简单二快速二适用范围广二效率高的点云滤波算法是非常必要的[9]. 由于激光点数据量大,并且点云数据的不规 则二散乱复杂等性质决定了点云数据处理工作的复杂困难[10-11].针对LIDAR 点云数据的特点,笔 者提出了先将点云数据进行网格分块,保证点云数据的原始性,减少单次数据处理量.对分块数据建立空间索引,提高点云数据处理的效率. 1一关键技术与算法 1.1一LIDAR 点云数据的滤波流程 将海量激光点云分块并建立相应的空间索引 关系后,进行地物的自动过滤处理,滤波要考虑当前点所在的网格,并对其进行计算,每次计算的结果再以索引的方式动态存储,作为下次迭代计算的基础数据,具体滤波流程如图1所示. 1.2一点云数据的网格分块与动态四叉树空间索引 为了进行激光点云的海量数据管理二处理与显示,对激光点云分块处理显得尤为必要.分块的大小直接影响到数据处理层次及深度,相应地影响算法的效率.分块越小,分割越细,效率就越低,其合并的区域相对增大,数据的压缩比就越高;反之,效率就越高,而压缩比相对降低.最小格网大小的选择应是最小采样间距的整数倍,具体数值的确定取决于被测对象的复杂度二仪器的最小采样间距以及期望的数据压缩比. 一．预处理 1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。 （2）除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。 2．薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 3．阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。二．几何纠正 通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。 1．图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 （1）影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。 （2）影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。2．几何粗纠正 实验三遥感图像增强 一、背景知识 在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。图像增强的目的在于：(1)采用一系列技术改善图像的视觉效果，提高图像的清晰度；(2)将图像转换成一种更适合于人或机器进行分析处理的形式。通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。 图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。 空间域增强是直接对图像像素灰度进行操作；频率域增强是对图像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所需结果。 图像增强所包含的主要内容如下图。 二、实验目的： 掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。能根据需要对遥感图像进行综合处理。 三、实验内容： ?辐射增强处理 ?直方图均衡化 ?直方图匹配 ?空间增强处理 ?卷积增强处理 ?自适应滤波 ?锐化增强处理 ?分辩率融合 光谱增强处理 ?主成份变换（PC变换/K-L变换） ?去相关拉伸 ?缨帽变换（K-T变换） ?指数计算 ?自然色彩变换 四、实验准备 1.软件ERDAS IMAGINE8.5版本以上； 2.实验用相关数据 五、实验步骤： (一)、辐射增强处理(Radiometric Enhancement) 1.直方图均衡化(Histogram Equalization) 直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内像元的数量大致相等；这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的 谷底部分对比度降低，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较 小的话，会产生粗略分类的视觉效果。 打开方法：（以文件Lanier.img为例） (1).ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement - Histogram Equalization，打开Histogram Equalization对话框。 (2).ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement一 Histogram Equalization，打开Histogram Equalization对话框。 2.直方图匹配（Histogram Match) 直方图匹配是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。 直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工 作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。 操作方法 薃《数字图像处理》模拟试卷（A卷） 蒃一、单项选择题（从下列各题四个备选答案中选出一个正确答案，并将其代号填在题前的括号内。答案选错或未作选择者，该题不得分。每小题1分，共10分） 膁()1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为： 蒈a.0b.255c.6d.8 蚃()2.图象与灰度直方图间的对应关系是： 薀a.一一对应b.多对一c.一对多d.都不对 虿()3.下列算法中属于局部处理的是： 芇a.灰度线性变换b.二值化c.傅立叶变换d.中值滤波 蚂()4.下列算法中属于点处理的是： 羁a.梯度锐化b.二值化c.傅立叶变换d.中值滤波 莁()5.一曲线的方向链码为12345，则曲线的长度为 羆 a.5b.4 肆()6.下列算法中属于图象平滑处理的是： 莂a.梯度锐化b.直方图均衡c.中值滤波https://www.360docs.net/doc/a617484968.html,placian增强 蝿()7.下列图象边缘检测算子中抗噪性能最好的是： 聿 a.梯度算子 b.Prewitt算子 c.Roberts算子https://www.360docs.net/doc/a617484968.html,placian算子 膆()8.采用模板［-11］主要检测____方向的边缘。 螃 a.水平 b.45°c.垂直 d.135° 薁()9.二值图象中分支点的连接数为： 螈 a.0b.1c.2d.3 芆()10.对一幅100′100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为： 羈二、填空题（每空1分，共15分） 薇1.图像锐化除了在空间域进行外，也可在进行。 芆2.图像处理中常用的两种邻域是和。 芁3.直方图修正法包括和两种方法。 蚀4.常用的灰度内插法有、和。 莅5.多年来建立了许多纹理分析法，这些方法大体可分为和结构分析法两大类。 莆6.低通滤波法是使受到抑制而让顺利通过，从而实现图像平滑。 蚁7.检测边缘的Sobel算子对应的模板形式为和。 膈8.一般来说，采样间距越大，图象数据量，质量；反之亦然。 莈三、名词解释（每小题3分，共15分） 蒆1.数字图像 肂2.图像锐化 袀3.灰度共生矩阵 膇4.细化 薆5.无失真编码 蒃四、判断改错题（下列命题是否正确，正确的就在题号前的括弧内打“√”，错误的打“×”并改正。每小题2分，共10分） 莈()1.灰度直方图能反映一幅图像各灰度级像元占图像的面积比。 袆()2.直方图均衡是一种点运算，图像的二值化则是一种局部运算。 蚅()3.有选择保边缘平滑法可用于边缘增强。 蚀()4.共点直线群的Hough变换是一条正弦曲线。 肀()5.边缘检测是将边缘像元标识出来的一种图像分割技术。 蚅五、简答题（每小题5分，共20分） 北京揽宇方圆信息技术有限公司 遥感卫星图像处理方法 随着遥感技术的快速发展，获得了大量的遥感影像数据，如何从这些影像中提取人们感兴趣的对象已成为人们越来越关注的问题。但是传统的方法不能满足人们已有获取手段的需要，另外GIS的快速发展为人们提供了强大的地理数据管理平台，GIS数据库包括了大量空间数据和属性数据，以及未被人们发现的存在于这些数据中的知识。将GIS技术引入遥感图像的分类过程，用来辅助进行遥感图像分类，可进一步提高了图像处理的精度和效率。如何从GIS数据库中挖掘这些数据并加以充分利用是人们最关心的问题。GIS支持下的遥感图像分析特别强调RS和GIS的集成，引进空间数据挖掘和知识发现（SDM&KDD）技术，支持遥感影像的分类，达到较好的结果，专家系统表明了该方法是高效的手段。 遥感图像的边缘特征提取观察一幅图像首先感受到的是图像的总体边缘特征，它是构成图像形状的基本要素，是图像性质的重要表现形式之一，是图像特征的重要组成部分。提取和检测边缘特征是图像特征提取的重要一环，也是解决图像处理中许多复杂问题的一条重要的途径。遥感图像的边缘特征提取是对遥感图像上的明显地物边缘特征进行提取与识别的处理过程。目前解决图像特征检测/定位问题的技术还不是很完善，从图像结构的观点来看，主要是要解决三个问题:①要找出重要的图像灰度特征；②要抑制不必要的细节和噪声；③要保证定位精度图。遥感图像的边缘特征提取的算子很多，最常用的算子如Sobel算子、Log算子、Canny算子等。 1）图像精校正 由于卫星成像时受采样角度、成像高度及卫星姿态等客观因素的影响，造成原始图像非线性变形，必须经过几何精校正，才能满足工作精度要求一般采用几何模型配合常规控制点法对进行几何校正。 在校正时利用地面控制点(GCP)，通过坐标转换函数，把各控制点从地理空间投影到图像空间上去。几何校正的精度直接取决于地面控制点选取的精度、分布和数量。因此，地面控制点的选择必须满足一定的条件，即：地面控制点应当均匀地分布在图像内；地面控制点应当在图像上有明显的、精确的定位识别标志，如公路、铁路交叉点、河流叉口、农田界线等，以保证空间配准的精度；地面控制点要有一定的数量保证。地面控制点选好后，再选择不同的校正算子和插值法进行计算，同时，还对地面控制点(GCPS)进行误差分析，使得其精度满足要求为止。最后将校正好的图像与地形图进行对比，考察校正效果。 2）波段组合及融合 对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段，从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融合，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的。 3）图像镶嵌 实验六遥感影像增强处理 实习目的：掌握常用的遥感影像增强处理的方法。 实习内容：遥感影像空间、辐射、光谱增强处理的主要方法 空间增强：包括卷积增强处理、纹理分析、自适应滤波等 辐射增强：LUT拉伸处理、直方图均衡化处理、直方图匹配、亮度反转处理等 光谱增强：主成份变换、缨帽变换、色彩变换、指数计算等 图像增强是改善图像质量、增加图像信息量、加强图像判读和识别效果的图像处理方法。图像增强的目的是针对给定图像的不同应用，强调图像的整体或局部特性，将原来不清晰的图像变得清晰或增强某些感兴趣区域的特征，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。图像增强的途径是通过一定的手段对原图像附加一些信息或变换数据，有选择的突出图像中感兴趣区域的特征或抑制图像中某些不需要的特征。图像增强的方法包括空间域增强和频率域增强两类。空间域增强包括空间增强、辐射增强和光谱增强。在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。 1．图像解译功能简介（Introduction of Image Interpreter） 利用ERADS IMAGINE 进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动：ERDAS图标面板菜单条： Main/Image Interpreter--Image Interpreter 菜单 ERDAS图标面板工具条：点击Interpreter图标一Image Interpreter菜单遥感影像图像处理流程
融合点、对象、关键点等3种基元的点云滤波方法
遥感数字图像处理教程复习分析
遥感数字图像处理
ERDAS遥感图像处理教程,绝对给力
基于Matlab的同态滤波器设计
ENVI遥感图像处理方法
基于erdas的图像增强处理
同态滤波设计及实现
LIDAR点云数据全自动滤波算法研究
遥感影像处理步骤
03 遥感图像增强
数字图像处理试卷及答案 (2)
遥感卫星图像处理方法
实验六 遥感影像增强处理