遙感圖像增強(qiáng)ppt課件-在線瀏覽
2025-06-24 02:32本頁面
【正文】 er圖標(biāo) /Radiometric Enhancement /LUT Stretch ※ 基于 ERDAS的 遙感圖像輻射增強(qiáng)（ 線性拉伸法 ） ◆ 分段線性拉伸法 :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(duì)線性拉伸法的一種改進(jìn) ） ※ 反差拉伸法 之 分段線性拉伸法 g(x,y)a1 ◆ f(x,y)= (b2b1) +b1 (a2a1) 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 , a 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 ,b b2分別為拉伸后圖像的最小灰度值和最大灰度值 ,并且b1a b2a2 ◆ 非線性拉伸法 :按 非線性 函數(shù)關(guān)系擴(kuò)展原圖像的灰度值，即對(duì)整個(gè)灰度值的動(dòng)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(dòng)態(tài)范圍內(nèi)的像元灰度值 ） ◆ 實(shí)施方法 ：指數(shù)函數(shù)、對(duì)數(shù)函數(shù)等 ※ 反差拉伸法 之 非線性拉伸法 第五章 練習(xí) ?目的 ： 應(yīng)用 ERDAS中的 Model Maker 模塊，對(duì)遙感圖像進(jìn)行 線性拉伸 處理 . ?要求： 拉伸后圖像的最小灰度值和最大灰度值分別為 1和 255 ?數(shù)據(jù) ： ★ 遙感圖像的輻射增強(qiáng) :對(duì)圖像上 單個(gè)像素的灰度值進(jìn)行處理，以突出像元之間的反差（對(duì)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 ） ★ 實(shí)現(xiàn)方法 ： ：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 . 第 一 節(jié) 輻射增強(qiáng) *數(shù)字圖像的直方圖 平均灰度值 最小灰度值 最大灰度值 灰度值(122)出現(xiàn)的頻率 (125) 從直方圖形態(tài)判斷影像質(zhì)量 ◆ 直方圖均衡化 (Histogram Equalization):以 圖像灰度值的累積概率函數(shù) 為基礎(chǔ)的直方圖修正法， 實(shí)質(zhì)上是對(duì)圖像進(jìn)行非線性拉伸 ,重新分配像元值 ,使一定灰度范圍的像元數(shù)量大致相等 ,從而有效地?cái)U(kuò)大圖像主體部分的反差或?qū)Ρ榷?（圖 圖像均衡化的特點(diǎn) P41） ◆ 實(shí)施方法 ： Interpreter圖標(biāo) /Radiometric Enhancement/ Histogram Equalization ※ 直方圖增強(qiáng)法 之 直方圖均衡化 ◆ 直方圖匹配 (Histogram Match):根據(jù)參考圖像的直方圖對(duì)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。 ※ 直方圖增強(qiáng)法 之 直方圖匹配 ◆ 注意事項(xiàng) ： 1)通常選擇亮度和反差都比較滿意的圖像作為 參考圖像 . 2)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(dòng)態(tài)變化研究的預(yù)處理工作 . ※ 直方圖增強(qiáng)法 之 直方圖匹配 拼接縫效應(yīng) ※ 直方圖增強(qiáng)法 之 直方圖匹配 多時(shí)相遙感圖像上 ,由于太陽高度角或大氣影響造成的 色調(diào)差異 ◆ 實(shí)施方法 ： Interpreter圖標(biāo) /Radiometric Enhancement/ Histogram Match ※ 直方圖增強(qiáng)法 之 直方圖匹配 第五章 練習(xí) ?目的 ：利用 ERDAS對(duì)經(jīng)過直方圖匹配后的圖像進(jìn)行鑲嵌 ?數(shù)據(jù) ： 。 ※ 去條帶處理 ◆ 邊緣處理方法 : Reflection(倒影 )：應(yīng)用邊緣灰度值的鏡面倒影值作為圖像邊緣以外
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1