2011年遥感数字图像处理03次实习报告
（5）利用高斯拉伸的结果如下（图14为拉伸前的影像，图15为拉伸后的影像，图16为拉伸前后的直方图对比）： 图14（拉伸前） 图15（拉伸后） 图16 高斯拉伸对水域信息的提取和对陆地信息的屏蔽与线性拉伸的原理是一样的，将水域对应像元的灰度值范围变宽，将除水域而外的其他地物对应像元的灰度值范围变窄，不同的是高斯拉伸是将水域对应10-53范围内像元的直方图变为正态分布，即中间亮度的像元占大多数，特别暗和特别亮的像元较少，较符合实际情况。从右图的直方图中可以看出，128左右分布有较多的像元，两边分布有较少的像元。 （6）利用直方图均衡化拉伸的结果如下（图17为拉伸前的影像，图18为拉伸后的影像，图19为拉伸前后的直方图对比）： 图17（拉伸前） 图18（拉伸后） 6 / 9
2011年遥感数字图像处理03次实习报告
图19 直方图均衡拉伸对水域突出的原理同线性拉伸，不同的是利用累计直方图作为影像变换函数，将大约相等数量的像元分配到各个输出灰度级上，实现影像信息的均衡显示。地物之间的对比变的明显，图像上的许多细节都可以看得比较清楚，例如图17中可以明显的分辨出水体与岸堤的界限来。 （7）名为wasia2_mss.img匹配前后影像颜色发生的变化及直方图的对比（图20为匹配前影像，图21为匹配后影像）： 图20（匹配前） 图21（匹配后） 图22（匹配前） 图23（匹配后） 图24（wasia1_mss.img直方图） 7 / 9
2011年遥感数字图像处理03次实习报告
原始影像的直方图的分布范围较窄，具有单峰；参考图（wasia1_mss.img）的直方图分布范围较宽，具有多峰，且有一个主要的峰值较高；而经直方图匹配后的影像的直方图具有两者的特征，即直方图的范围明显变宽，具备了多峰的特点，同时受原影像直方图的影响，峰与峰之间的距离比较近。由此可知，通过直方图匹配，可以使待匹配的影像的所有波段的直方图与参考影像对应波段的直方图结构类似。 （8）去条带前后影像的对比： 图25（去条带前） 图26（去条带后） 去条带的结果，基本上可以，仔细观察后发现，条带的有些地方衔接的不是很好，颜色对比明显，能够辨认出条带。 （9）下面是ROI工具对植被的采样（图27）及植被的DN值统计特征（图28和图29）； 拉伸结果和分析略去。 图27 图28 图29 观察发现植被的DN值主要集中在70到130，最小值为48，最大值为149。 8 / 9
2011年遥感数字图像处理03次实习报告
存在问题与解决办法 （1）在对水体采样时，发现有一段河流在影像中的颜色和水库的有点不同，颜色较水库的浅一些，通过google地球查找发现，该段河流比较浑浊，反射率较高，所以显示的颜色较浅。在做拉伸提取水域信息时，该段的信息不是很明显，应该与它对应像元灰度值较大有关。 （2）在进行植被采样时，发现植被很难确定，因为 TM第四波段中，灰度值的亮暗，很难把握，最后利用第一次实习，老师给的landsat5TM兰州市区遥感影像数据中的3和4波段的数据，从ENVI中的Transform/NDVI算出该地区的植被指数，然后加载进来，将这次的数据与其Link，和容易的就将植被确定并选择出来。 总结 （1）通过此次实习，进一步理解了各种拉伸的原理和拉伸后的效果图，对与如何更好选择目标地物有了更深刻的认识。 （2）在ENVI中，第一次导入的遥感影像都经过了2%的线性百分比拉伸，要想设置的话可以在File/Preferences下进行修改。 （3）几种不同的拉伸方法之间的对比，显示出它们各自的优点和不足，相互的补充才能更好为目视解译提供帮助。 （4）影像的匹配，使认识到可以采用不同的匹配方法去体现目标地物的特征，同时也可以通过影像匹配分析相邻影像的重叠。
9 / 9
遥感数字图像处理_遥感影像反差增强
