遙感實習(xí)dipa影像空間增強與變換濾波處理

實習(xí)序號及實習(xí)指導(dǎo)教馬紅梅王苗苗黃楚迪個人e-實習(xí)日期時20151125理解遙感影像空間增強和傅立葉變換的概念和意義，掌握運用ENVI/IDL進行空間學(xué)會使用SRTMDEM數(shù)據(jù)應(yīng)用的初步步驟。從的ASTERDEM中選取512×512子區(qū)數(shù)據(jù)，顯示分析研究區(qū)地形地貌特Sobel邊緣增強（filteringm×n（ig(I,j)=∑∑(f(x,y)kernelferng2、空間頻率：影像中任一局部單元乊間在單位距離內(nèi)灰度值的變化幅度，分為高當(dāng)模板中的所有系數(shù)取1時，即得到低頻卷積模板，實現(xiàn)影像的平滑去噪功能。間或左右之間或斜方向之間的差異；Sobel梯度對4-鄰域采用方法進行差分，對ASTERDEM；實習(xí)數(shù)據(jù)來源于ASTERGDEM數(shù)據(jù)ASTERGDEM,即先進星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型.為數(shù)字高程DEM，其全球空間分辨率為30米。該數(shù)據(jù)是根據(jù)NASA的新一代對地觀測Terra區(qū)域，達(dá)到了地球陸地表面的99%。ASTERGDEM30米高精度的DEM數(shù)據(jù)，用途非常廣泛。常用于地形圖的繪制、地形地貌分析、模擬、地質(zhì)、農(nóng)業(yè)生態(tài)等各個方面。因此對于ASTERGDEM數(shù)據(jù)的處理具有很強的意義與價值。一、從的ASTERDEM中選取512×512子區(qū)數(shù)據(jù)，顯示分析研究區(qū)地形地貌特征：點擊File,Open, 加載DEM圖像。通過Toolbox—RasterMangement—ResizeData，利用SubsetByFile,在規(guī)則分幅裁剪中根據(jù)上一步得到的512子區(qū)裁剪DEMDEM圖像呈現(xiàn)高亮，呈樹枝狀的是山脊。ConvolutionsHighPass(高通濾波 KernelSize3*3；ImageAddBack KernelSize5*5；ImageAddBack KernelSize7*7；ImageAddBack KernelSize3*3；ImageAddBack工具：Toolbox—Filter—ConvolutionsandMorphology；Convolutions選擇卷積類型為Lacian KernelSize3*3,ImageAddBack地形起伏變化，對DEM沒有很好的表現(xiàn)。影像紋理粗糙，河流、溝谷等均不明 KernelSize5*5；ImageAddBack KernelSize7*7；ImageAddBack KernelSize3*3；ImageAddBackToolbox—Filter—Convolutionsand Size設(shè)置默認(rèn)的 ImageAdd 90，KernelSize3*3,ImageAddBack 180，KernelSize3*3,ImageAddBack值 0，KernelSize3*3,ImageAddBack 定向增強角度輸入默認(rèn)值 ImageAddBackToolbox—Filter—ConvolutionsandMorphology；ConvolutionsGaussianHighPass； 浮雕效果極不明顯。圖像中不能清晰分辨各種地形起伏變化，對DEM沒有很好 KernelSize（卷積核大小）3*3,ImageAddBack(影像加回值)設(shè)置默認(rèn)值 Toolbox—Filter—ConvolutionsandMorphology；Convolutions選擇卷積類型為Sobel； 此操作后影像與原DEM影像差異較大，影像紋理粗糙，呈現(xiàn)不規(guī)則的線 Toolbox—Filter—ConvolutionsandMorphology；Convolutions選擇卷積類型為Roberts； (2)(3)DEMTexturestoCompute(紋理計算)選項的復(fù)選框選擇要創(chuàng)建的紋理圖像，在Rows和Cols文本框中輸入處理窗口的大小，選擇輸出路徑及文件名，點擊OK，所選的紋理圖像將計算出來并被加載到DataManager： Data Data經(jīng)過數(shù)據(jù)范圍DataRange操作后，原DEM影像灰度變化大的區(qū)域高亮顯示，灰度變整體立體感較差。對比以上兩圖，7*73*3影像相比，影像地物了平滑處理，部分細(xì)節(jié)。對比以上兩圖，3*3窗口操作后影像與7*7窗口操作后影中，較3*3影像相比，地物邊界平滑，影像模糊，細(xì)節(jié)展現(xiàn)較少。Toolbox—Filter（濾波）—Co-0ccurrenceMeasures（基于二階概率統(tǒng)計的濾波；選擇DEM圖像文件：通過Texturesto 在Rows和Cols文本框中輸入處理窗口的大小；Co-occurrenceShiftX、Y變換值用于計算二階概率矩陣；在Grayscalezationlevels中選擇灰度量化級別； 3*38Second SecondMean操作后，影像與原始影像視覺效果相似，但相對原影像，地物邊緣進熵值即對圖像中所具有的信息量的描述。如在圖像中，山地褶皺地區(qū)DEM值變化信中，較3*3影像相比，影像清晰度降低，地物邊界模糊，對細(xì)節(jié)的展現(xiàn)較差。（tm_1.img進行下列處理，選擇恰當(dāng)?shù)膮?、使用ENVI4.8，打開待消除噪聲的影像TM_1.img，共7個波段，其中2、去除噪聲信號：Filter(濾波)— 輸入影像文件，選擇輸出路徑及文件名，點擊OK，則影像的7個波段從空間域轉(zhuǎn)化3、生成注記文件：在注記窗口中選擇Object；Option,TurnMirrorOnFFT將繪制的注記保存為文件。下面以第一波段為例說驟。用多邊形勾繪出噪聲區(qū)域，4、定義傅里葉濾波器。Filter(濾波)—FFTFiltering(快速傅里葉變換)FilterDefinition(定義快速傅里葉濾波器)，點擊Filter_Type選擇濾波器類型為UserDefinedCut將ENVI的形狀注記導(dǎo)入濾波器。選擇AnnFile導(dǎo)入上一步得出的注記文件，UserDefinedCut保留形狀注記以外的能量譜 DefinedPass保留形狀注記以內(nèi)的能譜01傅里葉逆變換。Filter(濾波)—FFTFiltering(快速傅里葉變換)—InverseFFT,FFT圖像第一波段，點擊OK，選擇應(yīng)用的濾波圖像（第一波段，選擇文件輸出路徑及文件662、拉斯濾波調(diào)大影像加回值后，在影像中能更清晰的反映出河流、平原等地勢較低的區(qū)域。影像整體對比度增強，在影像中能更清晰的體現(xiàn)出地勢變化。拉斯濾波0%30%時，輸出影像變化明顯，地物的邊緣特征被凸顯，而當(dāng)影像加回值從30%變化到60%時，輸出影像的變化并不明顯。5、sobell濾波器是非線性邊緣增強濾波器，它是使用Sobel函數(shù)的近似值的特例，濾經(jīng)過數(shù)據(jù)范圍DataRange操作后，原DEM影像灰度變化大的區(qū)域高亮顯示，灰度變化體立體感較差。對比以上兩圖，7*73*3影像相比，影像地物邊了平滑處理，部分細(xì)節(jié)。對比以上兩圖，3*3窗口操作后影像與7*7窗口操作后影中，較3*3影像相比，地物邊界平滑，影像模糊，細(xì)節(jié)展現(xiàn)較少。熵值即對圖像中所具有的信息量的描述。如在圖像中，山地褶皺地區(qū)DEM值變化信中，較3*3影像相比，地物邊界平滑，影像模糊，細(xì)節(jié)展現(xiàn)較少。Mean操作后，影像與原始影像視覺效果相似，但相