(1)KL變換
KL變換是遙感圖像增強和信息提取中用得最多的線性變換，是對原波段圖像進行波譜信息的線性投影變換，在盡可能不減少信息量的前提下，將原圖像的高維多光譜空間的像元亮度值投影到新的低維空間，減少特征空間維數，達到數據壓縮、提高信噪比、提取相關信息、降維處理和提取原圖像特征信息的目的，并能有效地提取影像信息。它可使原來多波段圖像經變換后提供出一組不相關的圖像變量，最前面的主分量具有較大的方差，包含了原始影像的主要信息，所以要集中表達信息，突出圖像的某些細部特征 ，可采用主分量變換來完成。
(2)去相關拉伸變換
通過去相關拉伸變換把相關性很高的波段進行去相關拉伸處理，減弱它們之間的相關性，然后進行拉伸，從而使深 *** 域的地物差異界線反映得更加清楚。
(3)紋理特征提取變換
紋理特征的提取 *** 比較簡單，它是用一個活動的窗口在圖像上連續滑動，分別計算出窗口中的方差、均值、更大值、最小值及二者之差和信息熵等，形成相應的紋理圖像，當目標的光譜特性比較接近時，紋理特征對于區分目標可以起到積極的作用。選取適當的數據動態變化范圍，進行紋理特征提取后，使影像的紋理特征得到突出，有利于提取構造信息。
(4)銳化增強
調整圖像的銳化程度使地物在圖像上的差別便于人眼識別，可達到信息增強的目的。對圖像進行銳化增強實際上是利用變換函數把原圖像進行灰度級轉換，增大相鄰像元的灰度值之差，從而達到突出圖像細節的目的。
添加微信好友, 獲取更多信息
復制微信號
(5)定向濾波
利用定向濾波對ＴＭ圖像頻率特征進行篩選，將圖像中的線與邊緣特征信息增強，突出給定方向的線性影像信息，抑制其他方向的無用信息。采用45°方向濾波，濾波背景值用100%，濾波核設為3。濾波后突出了斷裂的線性影像，斷裂兩側的色調影像花紋明顯不同，斷裂造成的山脊錯斷等特征在影像上非常明顯。
(6)纓帽變換
采用纓帽變換可以將ＴＭ圖像除熱紅外波段的6個波段壓縮成3個分量，其中的土壤亮度指數分量是6個波段的加權和，反映了總體的反射值；綠色植被指數分量反映了綠色生物量的特征；土壤特征分量反映了可見光和近紅外與較長的紅外的差值，它對土壤濕度和植物濕度最為敏感。這樣的三個分量就是ＴＭ數據進行纓帽變換后的新空間，它可以對植被、土壤等地面景物作更為細致、準確的分析，應用這種處理 *** 可增強影像上深 *** 域的信息。
(7)芒塞爾彩色空間變換
在計算機內定量處理色彩時通常采用RGB（Red、Green、Blue）表色系統，但在視覺上定性的描述色彩時，采用HSV顯色系統更直觀些。Munsell HSV變換就是對標準處理彩色合成圖像在紅（R）、綠（G）、藍（B）編碼賦色方面的一種彩色圖像增強 *** ，它是借助改變彩色合成過程中的光學參數的變化來擴展圖像色調差異，將圖像彩色坐標系中紅、綠、藍三原色組成的彩色空間(RGB)變換為由Hue(色度)，Saturation (飽和度)，value(純度)三個變量構成的HSV色彩模型。其目的是為了更有效地抑制地形效應和增強巖石單元的波段差異，并通過彩色編碼增強處理達到更佳的圖像顯示效果。HSV色彩模型能夠準確、定量地描述顏色特征。
(8)非監督分類
遙感圖像分類是將圖像的所有像元按其性質分為若干個類別的技術過程，多光譜遙感圖像分類是以每個像元的多光譜矢量數據為基礎進行的，分類算法的核心是確定判別函數和相應的判別準則，如果我們事先沒有類別的先驗知識，在這種情況下對未知類別的樣本進行分類的 *** 稱之為非監督分類（Unsupervised Classification），非監督分類只能把樣本區分為若干類別，而不能給出樣本的描述。本次對中甸幅的小中甸盆地子區應用非監督分類中的K-均值算法，其基本思想是通過迭代，逐次移動各類的中心，直至得到更好的聚類結果為止，這種算法是一個迭代算法，迭代過程中類別中心按最小二程誤差的原則進行移動，因此類別中心的移動是合理的。其缺點是要事先已知類別數，在實際中類別數通常根據實驗的 *** 來確定。
(9）波段彩色合成
對兩個波段的圖像進行比值運算，可減弱背景而突出類別或目標信息，消除山影、云影等的影響，區分易混淆的地物。
(10)對數變換
對數變換的主要功能是壓縮圖像亮區的灰階值，拉伸暗區的灰階值，從而突出暗區的構造形跡。子區的色彩更加豐富，影紋更加清晰，有利于巖性的識別。
(11)比值處理
比值處理采用高質量比值功能，使比值圖像得到拉伸，有效地消除了地形影響，使陰影區的結構得到顯示。處理出來的圖像色彩豐富，既保留了原有地貌特征，又突出了線環構造，為盆地的研究提供了更為直觀可靠的資料,立體感得到增強，陰影區結構清楚。
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/1848g
本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。
