发布时间：2023-11-26 01:09来源：www.sf1369.com作者：宇宇
对图像信息进行处理的计算机应用系统。图像处理包括图像数字化，图像增强和复原，图像数字编码，图像分割，图像识别和图像理解等
色阶、或者曲线调整曝光、对比度，然后调整颜色、色相，另外根据具体情况，修复污点等。
(1)KL变换
KL变换是遥感图像增强和信息提取中用得最多的线性变换，是对原波段图像进行波谱信息的线性投影变换，在尽可能不减少信息量的前提下，将原图像的高维多光谱空间的像元亮度值投影到新的低维空间，减少特征空间维数，达到数据压缩、提高信噪比、提取相关信息、降维处理和提取原图像特征信息的目的，并能有效地提取影像信息。它可使原来多波段图像经变换后提供出一组不相关的图像变量，最前面的主分量具有较大的方差，包含了原始影像的主要信息，所以要集中表达信息，突出图像的某些细部特征，可采用主分量变换来完成。
(2)去相关拉伸变换
通过去相关拉伸变换把相关性很高的波段进行去相关拉伸处理，减弱它们之间的相关性，然后进行拉伸，从而使深色区域的地物差异界线反映得更加清楚。
(3)纹理特征提取变换
纹理特征的提取方法比较简单，它是用一个活动的窗口在图像上连续滑动，分别计算出窗口中的方差、均值、最大值、最小值及二者之差和信息熵等，形成相应的纹理图像，当目标的光谱特性比较接近时，纹理特征对于区分目标可以起到积极的作用。选取适当的数据动态变化范围，进行纹理特征提取后，使影像的纹理特征得到突出，有利于提取构造信息。
(4)锐化增强
调整图像的锐化程度使地物在图像上的差别便于人眼识别，可达到信息增强的目的。对图像进行锐化增强实际上是利用变换函数把原图像进行灰度级转换，增大相邻像元的灰度值之差，从而达到突出图像细节的目的。
(5)定向滤波
利用定向滤波对ＴＭ图像频率特征进行筛选，将图像中的线与边缘特征信息增强，突出给定方向的线性影像信息，抑制其他方向的无用信息。采用45°方向滤波，滤波背景值用100%，滤波核设为3。滤波后突出了断裂的线性影像，断裂两侧的色调影像花纹明显不同，断裂造成的山脊错断等特征在影像上非常明显。
(6)缨帽变换
采用缨帽变换可以将ＴＭ图像除热红外波段的6个波段压缩成3个分量，其中的土壤亮度指数分量是6个波段的加权和，反映了总体的反射值；绿色植被指数分量反映了绿色生物量的特征；土壤特征分量反映了可见光和近红外与较长的红外的差值，它对土壤湿度和植物湿度最为敏感。这样的三个分量就是ＴＭ数据进行缨帽变换后的新空间，它可以对植被、土壤等地面景物作更为细致、准确的分析，应用这种处理方法可增强影像上深色区域的信息。
(7)芒塞尔彩色空间变换
在计算机内定量处理色彩时通常采用RGB（Red、Green、Blue）表色系统，但在视觉上定性的描述色彩时，采用HSV显色系统更直观些。Munsell HSV变换就是对标准处理彩色合成图像在红（R）、绿（G）、蓝（B）编码赋色方面的一种彩色图像增强方法，它是借助改变彩色合成过程中的光学参数的变化来扩展图像色调差异，将图像彩色坐标系中红、绿、蓝三原色组成的彩色空间(RGB)变换为由Hue(色度)，Saturation (饱和度)，value(纯度)三个变量构成的HSV色彩模型。其目的是为了更有效地抑制地形效应和增强岩石单元的波段差异，并通过彩色编码增强处理达到最佳的图像显示效果。HSV色彩模型能够准确、定量地描述颜色特征。
(8)非监督分类
遥感图像分类是将图像的所有像元按其性质分为若干个类别的技术过程，多光谱遥感图像分类是以每个像元的多光谱矢量数据为基础进行的，分类算法的核心是确定判别函数和相应的判别准则，如果我们事先没有类别的先验知识，在这种情况下对未知类别的样本进行分类的方法称之为非监督分类（Unsupervised Classification），非监督分类只能把样本区分为若干类别，而不能给出样本的描述。本次对中甸幅的小中甸盆地子区应用非监督分类中的K-均值算法，其基本思想是通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止，这种算法是一个迭代算法，迭代过程中类别中心按最小二程误差的原则进行移动，因此类别中心的移动是合理的。其缺点是要事先已知类别数，在实际中类别数通常根据实验的方法来确定。
(9）波段彩色合成
对两个波段的图像进行比值运算，可减弱背景而突出类别或目标信息，消除山影、云影等的影响，区分易混淆的地物。
(10)对数变换
对数变换的主要功能是压缩图像亮区的灰阶值，拉伸暗区的灰阶值，从而突出暗区的构造形迹。子区的色彩更加丰富，影纹更加清晰，有利于岩性的识别。
(11)比值处理
比值处理采用高质量比值功能，使比值图像得到拉伸，有效地消除了地形影响，使阴影区的结构得到显示。处理出来的图像色彩丰富，既保留了原有地貌特征，又突出了线环构造，为盆地的研究提供了更为直观可靠的资料,立体感得到增强，阴影区结构清楚。